一种利用转换学习算法的功率信号滤波方法和系统技术方案

本发明专利技术的实施例公开一种利用转换学习算法的功率信号滤波方法和系统，所述方法包括：步骤101获取按时间顺序采集的信号序列S；步骤102求取信号分段段数；步骤103求取分段序列；步骤104求取稀疏转换控制因子；步骤105初始化迭代过程参数；步骤106更新迭代过程参数；步骤107判断迭代控制参数的值并结束迭代过程；步骤108求取滤波后的信号序列。滤波后的信号序列。滤波后的信号序列。

【技术实现步骤摘要】
一种利用转换学习算法的功率信号滤波方法和系统


[0001]本专利技术涉及电力领域，尤其涉及一种功率信号的滤波方法和系统。

技术介绍

[0002]随着智能电网的发展，家庭用电负荷的分析变得越来越重要。通过用电负荷的分析，家庭用户可以及时获得每个电器的用电信息，以及电费的精细化清单；电力部门可以获得更详尽的用户用电信息，并可以提高用电负荷预测的准确度，为电力部门提供统筹规划的依据。同时，利用每个电器的用电信息，可获知用户的用电行为，这对于家庭能耗评估和节能策略的研究具有指导意义。
[0003]当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备，只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点，因此，该方法适用于家庭负荷用电的分解。
[0004]非侵入式负荷分解算法中，电气设备的开关事件检测是其中最重要的环节。最初的开关事件检测以有功功率P的变化值作为开关事件检测的判断依据，方便且直观。这是因为任何一个用电设备的运行状态发生变化，其所消耗的功率值也必然发生改变，并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值，还需要解决事件检测方法在实际应用中存在的问题，例如某些电器启动时刻的瞬时功率值会出现较大的尖峰(马达启动电流远大于额定电流)，会造成电器稳态功率变化值不准确，从而影响对开关事件检测的判断；而且不同家用电器的暂态过程或长或短(脉冲噪声的持续时间和发生频率相差较大)，因此功率变化值的确定变得较为困难；由于电能质量的变化(如电压突降)有功功率会出现突变的情况，这样很可能会出现误判。
[0005]因此，开关事件检测过程中，所使用的实测功率信号常常受到噪声的影响，利用这些不完善的功率信号是不能正确地进行开关事件检测的。因此如何有效地重构不完整的功率信号，滤除噪声的影响，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。

技术实现思路

[0006]开关事件检测过程中，所使用的实测功率信号常常受到噪声的影响，利用这些不完善的功率信号是不能正确地进行开关事件检测的。因此如何有效地重构不完整的功率信号，滤除噪声的影响，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。
[0007]本专利技术的目的是提供一种利用转换学习算法的功率信号滤波方法和系统，所提出的方法利用了功率信号与噪声在发生机制方面的差异，根据转换学习算法性质，实现功率信号的滤波。所提出的方法具有较好的鲁棒性，计算也较为简单。
[0008]为实现上述目的，本专利技术提供了如下方案：
[0009]一种利用转换学习算法的功率信号滤波方法，包括：
[0010]步骤101获取按时间顺序采集的信号序列S
[0011]步骤102求取信号分段段数，具体为：信号分段段数记为N0，所用求取公式为：
[0012][0013]其中：
[0014]ΔS＝[0，s
2-s1，s
3-s2，
…
，s
N-s
N-1
]为信号差分序列，
[0015]s1为所述信号序列S的第1个元素，
[0016]s2为所述信号序列S的第2个元素，
[0017]s3为所述信号序列S的第3个元素，
[0018]s
N-1
：所述信号序列S的第N-1个元素，
[0019]s
N
为所述信号序列S的第N个元素，
[0020]N为所述信号序列S的长度，
[0021]σ为所述信号序列S的均方差，
[0022]||ΔS||
F
表示对ΔS求取Frobenus范数，
[0023]表示对下取整；
[0024]步骤103求取分段序列，具体为：第i个分段序列记为G
i
，所用求取公式为：
[0025][0026]其中：
[0027]为所述分段序列G
i
的长度，
[0028]表示对上取整，
[0029]为所述信号序列S的第(i-1)M0+1个元素，
[0030]为所述信号序列S的第(i-1)M0+2个元素，
[0031]为所述信号序列S的第iM0个元素；
[0032]步骤104求取稀疏转换控制因子，具体为：稀疏转换控制因子记为λ，所用求取公式为：
[0033][0034]其中：
[0035]SNR为所述信号序列S的信噪比，
[0036]||G
i
||
∞
表示G
i
的L
∞
模；
[0037]表示对下取整；
[0038]步骤105初始化迭代过程参数，具体为：稀疏矩阵记为D，迭代控制参数记为k，已选序号集合记为Ω，可选序号集合记为O，所用求取公式为：
[0039]D
O
＝0
N
×
N
[0040][0041]O0＝{1，2，
…
，N2}
[0042]k＝0；
[0043]步骤106更新迭代过程参数，具体为：所述迭代控制参数k的值加1；并按照下列公式更新迭代过程参数：
[0044]i
k
＝rand「O
k-1
][0045]O
k
＝O
k-1-{i
k
}
[0046]Ω
k
＝Ω
k-1
+{i
k
}
[0047][0048]其中：
[0049]i
k
表示选中序号，
[0050]rand[O
k-1
]表示在集合O
k-1
中随机选择一个元素，
[0051]O
k-1
为可选序号集合O的第k-1步值，
[0052]O
k
为可选序号集合O的第k步值，
[0053]Ω
k
为已选序号集合Ω的第k步值，
[0054]Ω
k-1
为已选序号集合Ω的第k-1步值，
[0055]D
k
表示稀疏矩阵D的第k步值，
[0056]D
k-1
表示稀疏矩阵D的第k-1步值，
[0057]randn[m0，σ]表示均值为m0均方差为σ的高斯函数，
[0058]m0为信号序列S的均值；
[0059]步骤107判断迭代控制参数的值并结束迭代过程，具体为：如果所述迭代控制参数k小于所述稀疏转换控制因子λ，则返回所述步骤106和所述步骤107重新迭代更新；否则，迭代更新过程结束，并得到归一化稀疏转换矩阵W的值为
[006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用转换学习算法的功率信号滤波方法，其特征在于，包括：步骤101获取按时间顺序采集的信号序列S步骤102求取信号分段段数，具体为：信号分段段数记为N0，所用求取公式为：其中：ΔS＝[0,s
2-s1,s
3-s2,
…
,s
N-s
N-1
]为信号差分序列，s1为所述信号序列S的第1个元素，s2为所述信号序列S的第2个元素，s3为所述信号序列S的第3个元素，s
N-1
：所述信号序列S的第N-1个元素，s
N
为所述信号序列S的第N个元素，N为所述信号序列S的长度，σ为所述信号序列S的均方差，||ΔS||
F
表示对ΔS求取Frobenus范数，表示对下取整；步骤103求取分段序列，具体为：第i个分段序列记为G
i
，所用求取公式为：其中：为所述分段序列G
i
的长度，表示对上取整，为所述信号序列S的第(i-1)M0+1个元素，为所述信号序列S的第(i-1)M0+2个元素，为所述信号序列S的第iM0个元素；步骤104求取稀疏转换控制因子，具体为：稀疏转换控制因子记为λ，所用求取公式为：其中：SNR为所述信号序列S的信噪比，||G
i
||
∞
表示G
i
的L
∞
模；表示对下取整；步骤105初始化迭代过程参数，具体为：稀疏矩阵记为D,迭代控制参数记为k，已选序号集合记为Ω，可选序号集合记为O，所用求取公式为：D0＝0
N
×
N
O0＝{1,2,
…
,N2}k＝0；步骤106更新迭代过程参数，具体为：所述迭代控制参数k的值加1；并按照下列公式更新迭代过程参数：i
k
＝rand[O
k-1
]O
k
＝O
k-1-{i
k
}Ω
k
＝Ω
k-1
+{i
k
}其中：i
k
表示选中序号，rand[O
k-1
]表示在集合O
k-1
中随机选择一个元素，O
k-1
为可选序号集合O的第k-1步值，O
k
为可选序号集合O的第k步值，Ω
k
为已选序号集合Ω的第k步值，Ω
k-1
为已选序号集合Ω的第k-1步值，D
k
表示稀疏矩阵D的第k步值，D
k-1
表示稀疏矩阵D的第k-1步值，randn[m0,σ]表示均值为m0均方差为σ的高斯函数，m0为信号序列S的均值；步骤107判断迭代控制参数的值并结束迭代过程，具体为：如果所述迭代控制参数k小于所述稀疏转换控制因子λ，则返回所述步骤106和所述步骤107重新迭代更新；否则，迭代更新过程结束，并得到归一化稀疏转换矩阵W的值为步骤108求取滤波后的信号序列，具体为：滤波的信号序列记为S
new
，所用求取公式为：2.一种利用转换学习...

【专利技术属性】
技术研发人员：翟明岳，朱校汲，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：