一种分布式电能计量箱多传感器数据采集和抗干扰处理方法技术

本发明专利技术涉及一种分布式电能计量箱多传感器数据采集和抗干扰处理方法，包括：S1:采集电能计量箱相关传感器数据；步骤S2:采用卡尔曼滤波算法对采集的相关传感器数据进行滤波处理；S3:根据人工神经网络的训练需求提取相关传感器的训练样本数据；S4:计算不同磁场环境下，相关传感器磁场干扰前后误差数据集合；S5:将磁场样本数据和相关传感器误差数据集合通过训练样本数据进行训练；S6:采集电能计量箱现场实时工况的磁场传感器数据，并输入到人工神经网络误差模型，得到相关传感器获取数据与真实环境的误差ə；S7:对相关传感器数据进行修正，得到修正后的相关传感器实时监测数据量。本申请能够得到稳定、准确的电能计量箱监测数据。

【技术实现步骤摘要】
一种分布式电能计量箱多传感器数据采集和抗干扰处理方法
本专利技术涉及电能计量箱领域，具体涉及一种分布式电能计量箱多传感器数据采集和抗干扰处理方法。
技术介绍
电能计量箱是电力公司最直接的形象窗口,是电能计量设备的第一层保障和防护线，其能否安全、稳定和可靠运行直接关系到电力交易的公平公正、电网运行的安全可靠和用电服务的优质高效。因此，电能计量箱本身运行状态的监测以实时准确的获取其工作异常情况信息，从而实现对其有效的防护。电能计量箱的监测数据主要有温湿度、磁场强度、关键节点温升、门锁开闭状态、电能表位置信息等多个关键特征量。由于电能计量箱内部设备多、环境复杂，容易受到来自空间辐射、系统外引入线、电源等多方面的干扰的问题，特别是电磁干扰对现场信号采集传输过程的影响使采集的状态数据噪声和误差都较大。目前，现有的电能计量箱产品和研发中主要以电能计量箱的装置、通信方式、用电信息采集等为主，而针对计量箱本身传感器低干扰的数据采集的方法较少。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种分布式电能计量箱多传感器数据采集和抗干扰处理方法，通过分布式硬件数据采集和处理方式，并借助软件降噪和智能误差补偿方法实现对电能计量箱多种状态监测传感器数据的实时准确采集，降低电能计量箱内部复杂环境的干扰从而获取稳定、准确的状态监测数据。为实现上述目的，本专利技术采用如下技术方案：一种分布式电能计量箱多传感器数据采集和抗干扰处理方法，包括以下步骤：步骤S1:采集电能计量箱相关传感器数据；步骤S2:采用卡尔曼滤波算法对采集的相关传感器数据进行滤波处理，除去异常特征数据，得到平滑稳定的相关传感器数据；步骤S3:根据人工神经网络的训练需求提取相关传感器的训练样本数据；步骤S4:将电能计量箱设置与不同磁场下，计算不同磁场环境下，相关传感器磁场干扰前后误差数据集合ɛ；步骤S5:将磁场样本数据和相关传感器误差数据集合通过训练样本数据进行训练，得到人工神经网络误差模型；步骤S6:采集电能计量箱现场实时工况的磁场传感器数据，并输入到人工神经网络误差模型，得到相关传感器获取数据与真实环境的误差ə；步骤S7:根据yt=xt+ət，对各传感器数据进行修正，其中xt为相关传感器经过卡尔曼滤波后获得的当前时刻的测量数据，ət为相关传感器在相应的磁场强度下的误差量，yt为经过修正后的相关传感器实时监测数据量。进一步的，所述相关传感器数据包括温度传感器数据、湿度传感器数据和振动传感器数据。进一步的，所述方法的系统包括相关传感器、磁场传感器、数据接收与处理模块和远程终端。进一步的，所述相关传感器通过RS485将数据传输至数据接收与处理模块。进一步的，所述数据接收与处理模块采用STM32微处理器。本专利技术与现有技术相比具有以下有益效果：1、本专利技术采用软件降噪的方式获取准确的电能计量箱监测数据。采用卡尔曼滤波的方法进行数据滤波得到稳定平滑的传感器数据，这能有效的降低复杂环境不确定环境的随机干扰。2、本专利技术采用人工神经网络的智能误差补偿方法用于修正计量箱传感器数据误差，通过磁场传感器获取的特征量、其它传感器获取的干扰和非干扰特征量训练神经网络误差模型，最后用训练好的误差模型应用于各个数据接收与处理模块中对采集的实时数据进行处理，从而获取较为准确的计量箱监测数据信息。附图说明图1是本专利技术分布式传感器数据接收与处理及通讯系统结构图；图2是本专利技术人工神经网络误差模型训练框图；图3是本专利技术整体原理框图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。请参照图1，本实施例系统硬件包括若干传感器（磁场传感器、温度传感器数据、湿度传感器数据和振动传感器数据等）、数据接收与处理模块和远程终端。本实施例根据系统的一种分布式电能计量箱多传感器数据采集和抗干扰处理方法，包括以下步骤：1、通过数据采集和处理模块获取电能计量箱各传感器数据，对各数据特征采用卡尔曼滤波算法对采集的数据进行滤波，以获取平滑稳定的数据同时去除异常特征数据；2、根据人工神经网络的训练需求提取各传感器的训练样本数据。由于无法同时获取磁场干扰和非干扰下的样本数据，为此可在计量箱除磁场影响外其它环境因素相对稳定时间段内，分别获取无磁场干扰和不同强度磁场干扰下的传感器数据样本。磁场传感器和磁场干扰下获取的样本数据集合为A磁=｛x0,x1,x2,……，xn｝，A温=｛x0,x1,x2,……，xn｝,A湿=｛x0,x1,x2,……，xn｝，A振=｛x0,x1,x2,……，xn｝，各传感器非磁场干扰数据集合为B磁=｛x0,x1,x2,……，xn｝，B温=｛x0,x1,x2,……，xn｝,B湿=｛x0,x1,x2,……，xn｝，B振=｛x0,x1,x2,……，xn｝，在获取样本数据过程中都经过卡尔曼滤波算法进行降噪处理；3、计算不同磁场环境下，各传感器磁场干扰前后误差数据集合ɛ温，ɛ湿，ɛ振。利用磁场样本数据和误差数据根据图2所示训练人工神经网络误差模型；4、将训练好的各电能计量箱特征量误差模型写入数据处理模块，本专利技术采用STM32作为数据处理单元；5、采集电能计量箱采现场实时工况的磁场传感器数据，如图3所示将其输入到各传感器误差模型以获取对应传感器获取数据与真实环境的误差ə温，ə湿，ə振；6、根据公式yt=xt+ət，对各传感器数据进行修正，其中xt为各传感器经过卡尔曼滤波后获得的当前时刻的测量数据，ət为各传感器在相应的磁场强度下的误差量，yt为最终得到的经过修正后期的电能计量箱实时监测数据量。以上所述仅为本专利技术的较佳实施例，凡依本专利技术申请专利范围所做的均等变化与修饰，皆应属本专利技术的涵盖范围。本文档来自技高网...

【技术保护点】
1.一种分布式电能计量箱多传感器数据采集和抗干扰处理方法，其特征在于：包括以下步骤：步骤S1:采集电能计量箱相关传感器数据；步骤S2:采用卡尔曼滤波算法对采集的相关传感器数据进行滤波处理，除去异常特征数据，得到平滑稳定的相关传感器数据；步骤S3:根据人工神经网络的训练需求提取相关传感器的训练样本数据；步骤S4:将电能计量箱设置与不同磁场下，计算不同磁场环境下，相关传感器磁场干扰前后误差数据集合ɛ；步骤S5:将磁场样本数据和相关传感器误差数据集合通过训练样本数据进行训练，得到人工神经网络误差模型；步骤S6:采集电能计量箱现场实时工况的磁场传感器数据，并输入到人工神经网络误差模型，得到相关传感器获取数据与真实环境的误差ə；步骤S7:根据yt=xt+ət，对各传感器数据进行修正，其中xt为相关传感器经过卡尔曼滤波后获得的当前时刻的测量数据，ət为相关传感器在相应的磁场强度下的误差量，yt为经过修正后的相关传感器实时监测数据量。

【技术特征摘要】
1.一种分布式电能计量箱多传感器数据采集和抗干扰处理方法，其特征在于：包括以下步骤：步骤S1:采集电能计量箱相关传感器数据；步骤S2:采用卡尔曼滤波算法对采集的相关传感器数据进行滤波处理，除去异常特征数据，得到平滑稳定的相关传感器数据；步骤S3:根据人工神经网络的训练需求提取相关传感器的训练样本数据；步骤S4:将电能计量箱设置与不同磁场下，计算不同磁场环境下，相关传感器磁场干扰前后误差数据集合ɛ；步骤S5:将磁场样本数据和相关传感器误差数据集合通过训练样本数据进行训练，得到人工神经网络误差模型；步骤S6:采集电能计量箱现场实时工况的磁场传感器数据，并输入到人工神经网络误差模型，得到相关传感器获取数据与真实环境的误差ə；步骤S7:根据yt=xt+ət，对各传感器数据进行修正，其中xt为相关传感器经过卡尔曼滤波后获得...

【专利技术属性】
技术研发人员：詹文，徐英辉，郭志伟，张颖，曹舒，陈慧，魏晓莹，陈适，郭银婷，谢榕芳，王孙安，张蓬鹤，袁翔宇，
申请(专利权)人：国网福建省电力有限公司，国网福建省电力有限公司电力科学研究院，中国电力科学研究院有限公司，西安交通大学，
类型：发明
国别省市：福建,35