基于双树复小波变换的电能质量监测识别方法技术

本发明专利技术公开了基于双树复小波变换的电能质量监测识别方法，具体涉及电能质量监测识别技术领域，包括以下具体步骤：步骤一、采集信号。本发明专利技术通过选取研究对象并设定采样点，利用matlab仿真软件将采样点以曲线图的形式展示，然后将每个周期中的采样点分为正常点和突变点，计算正常点中每两个波峰和波谷之间曲线的斜率，以及计算突变点与前一个波峰或波谷之间的曲线的斜率的绝对值，并且在研究整段信号时增加每个周期内部的采样点，计算每个周期中起始点与后一个采样点之间的斜率的绝对值，并使其与参照的斜率值进行比较，若该值接近突变点的绝对值则说明该点之后存在突变点，若该值接近正常值则说明该点之后是正常值，从而能够对扰动进行预测。对扰动进行预测。对扰动进行预测。

【技术实现步骤摘要】
基于双树复小波变换的电能质量监测识别方法


[0001]本专利技术涉及电能质量监测识别
，具体涉及基于双树复小波变换的电能质量监测识别方法。

技术介绍

[0002]由于常规能源蕴藏量的日益减少，使多种间歇性能源(风能、太阳能、潮汐能等)的发展得到了各国政府的大力支持。由于这些能源存在很大的波动性、间歇性和随机性以及变流装置的广泛使用，大规模的并网，会对电力系统带来很多电能质量的问题，尤其是暂态电能质量问题。近年来，电能质量问题已经成为电力部门和用户普遍关注的重要问题之一。对电能质量进行检测和分析是发现电能质量问题并进行治理和改善的前提条件。电能质量短时扰动分析在电能质量分析中占有重要地位，其分类识别是一个复杂的课题，因为它包含众多复杂的扰动类，并且各种干扰信号本身也有很大的不规则性。
[0003]目前在电能质量分析领域中，傅里叶变换适用于分析平稳信号，对暂态扰动则无能为力。由于小波变换具有多分辨率分析的能力，可以对信号在不同尺度上进行分解，利用这一个特性，小波变换能将采集到含扰动的信号变换投影到不同的尺度上，提取出扰动信号的各次谐波，根据各尺度上的小波系数，可以定位出扰动发生时刻和辨识出扰动的类型，具有Fourier变换、STFT所无法比拟的优点。
[0004]但是，现有技术中的电能质量监测识别方法仅仅只能够通过小波变换识别出影响电能质量的绕动类型，却无法对扰动的发生进行预测，而且现有技术也未能对扰动对电能质量的影响作出补救，从而难以为人们提供较为优质的电能。

技术实现思路

[0005]为此，本专利技术提供基于双树复小波变换的电能质量监测识别方法，通过选取部分含有扰动的一段信号作为研究对象，在每个周期上选取50个采样点，然后利用matlab仿真软件，将选取的采样点以曲线图的形式展示出来，然后将每个周期中的采样点分为正常点和突变点，在多个正常点间的波动中，计算每两个波峰和波谷连线的斜率，以及计算突变点与前一个波峰或波谷之间的斜率的绝对值，并且在研究整段信号时增加每个周期内部的采样点，并且计算每个周期中起始点与后一个采样点之间的斜率的绝对值，并使其与参照的斜率值进行比较，若该值接近突变点的绝对值则说明该点之后存在突变点，若该值接近正常值则说明该点之后是正常值，以解决现有技术中无法预测扰动的问题。
[0006]为了实现上述目的，本专利技术实施例提供如下技术方案：基于双树复小波变换的电能质量监测识别方法，包括以下具体步骤：
[0007]步骤一、采集信号：将各相电流信号分别通过各电流互感器转换成电压信号，三相电压信号和被转换成电压信号的三相电流信号经A/D转换器进行模数转换，并将转换后的数据通过SPI与CPLD通信，经CPLD打包转换成数据帧，并行传输到CPU中进行处理；
[0008]步骤二、信号去噪：首先，利用小波基对采集到的信号进行双树复小波分解，选择
一个小波并确定分解的层次，然后进行分解计算，其次，对小波分解高频系数的阀值量化，需要对各个分解尺度下的高频系数选择一个合适的阀值进行软阀值量化处理，最后，根据小波分解的最低层低频系数和各层高频系数进行重构；
[0009]步骤三、信号分析：选取部分含有扰动的一段信号作为研究对象，在每个周期上选取50个采样点，一共选取500个采样点，然后利用matlab仿真软件，将选取的采样点以曲线图的形式展示出来，然后将每个周期中的采样点分为正常点和突变点，在多个正常点间的波动中，计算每两个波峰和波谷连线的斜率，以及计算突变点与前一个波峰或波谷之间的斜率的绝对值，然后再将这两个计算所得到的斜率绝对值进行对比，会发现突变点所参与计算的斜率绝对值明显较大，而且在曲线图中突变曲线的的开始时间和结束时间也会显示，与该突变曲线开始时间所相对应的就是扰动的开始时刻，而与该突变曲线结束时间所对应的就是扰动的结束时刻；
[0010]步骤四、扰动预测：在研究整个段落的信号时，可以在每个周期选取200个采样点，以增加每个周期采样点的数量，然后利用matlab仿真软件，将选取的采样点以曲线图的形式展示出来，并且计算每个周期中起始点与后一个采样点之间的斜率的绝对值，然后可以将其分别与步骤三中的突变点的斜率绝对值和正常点的斜率绝对值进行比较，若该值接近突变点的绝对值则说明该点之后存在突变点，若该值接近正常值则说明该点之后是正常值；
[0011]步骤五、扰动抵消：在步骤四中确定该点之后存在扰动值，可以通过电压补偿电路弥补电压突降所带来的扰动，也可通过分压电路降低电压突升所带来的扰动，以解决暂态能源对电能质量的扰动。
[0012]进一步地，在步骤一中，在三相电压传输前段加入电压传感器，在传感器与ADC之间加入信号的调理电路，由于A/D输入范围必须是单极性的0V～5V信号，而信号在经过电压、电流传感器处理后是双极性的
‑
12V～+12V，因此就需要经过调理电路将信号线性地转换为满足A/D的输入量程范围。
[0013]进一步地，在步骤二中，所选用的小波基选取的是biorthogonal小波系中的bior2，Biorthogonal函数的主要特征表现在具有线性相位性，它主要应用在信号与图像的重构中，通常的用法是采用一个小波函数进行分解，用另外一个小波函数进行重构。
[0014]进一步地，在步骤二中，分解的层次确定为10层，重构的层次确定为10层，该分解的层次可以根据实际的需要灵活确定，重构的层次则需要根据分解的层次确定。
[0015]进一步地，在步骤三中，对获得的暂态扰动信号进行多分辦分析，得到具有该扰动信号有效特征的各个尺度小波系数，用这些系数构造能量函数，可以识别出该扰动的类型，因为，已知，小波变换具有良好的局部化特征，电压暂态变化的信号除了扰动发生点和终止点各段时间信号都是连续的，因此，在小波高频尺度上，只有在突变点才有信息，利用这一特性可以容易的定位出扰动的发生时刻和终止时刻。
[0016]进一步地，在步骤四中，采样点的数量可以根据具体的需要进行调整，周期的起始点不是突变点，而且突变所位于的波峰或波谷的位置与前一个波谷或波峰之间至少要有3个采样点，由于实际监测时采样点的数据设计的越多，就能够在突变点所在波形曲线上较为提前地计算出该曲线的斜率，而且所设计的样本点越多就能够更早的预测出后续的突变点的存在。
[0017]进一步地，在步骤三中，当突变点所参与计算的斜率值大于0时，则在曲线图上所显示的是曲线的陡增，代表的是某一坐标值的陡增，因为本专利技术主要研究的是电压对于电能质量的影响，所以能够说明该扰动是由电压突升所引起的，当突变点所参与计算的斜率值小于0时，则在曲线图上所显示的是曲线的骤降，代表的是某一坐标值的骤减，因为本专利技术主要研究的是电压对于电能质量的影响，所以能够说明该扰动是由电压突降所引起的。
[0018]本专利技术具有如下优点：
[0019]1、本专利技术通过部分含有扰动的一段信号作为研究对象，在每个周期上选取50个采样点，然后利用matlab仿真软件，将选取的采样点以曲线图的形式展示出来，然后将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双树复小波变换的电能质量监测识别方法，其特征在于：包括以下具体步骤：步骤一、采集信号：将各相电流信号分别通过各电流互感器转换成电压信号，三相电压信号和被转换成电压信号的三相电流信号经A/D转换器进行模数转换，并将转换后的数据通过SPI与CPLD通信，经CPLD打包转换成数据帧，并行传输到CPU中进行处理；步骤二、信号去噪：首先，利用小波基对采集到的信号进行双树复小波分解，选择一个小波并确定分解的层次，然后进行分解计算，其次，对小波分解高频系数的阀值量化，需要对各个分解尺度下的高频系数选择一个合适的阀值进行软阀值量化处理，最后，根据小波分解的最低层低频系数和各层高频系数进行重构；步骤三、信号分析：选取部分含有扰动的一段信号作为研究对象，在每个周期上选取50个采样点，一共选取500个采样点，然后利用matlab仿真软件，将选取的采样点以曲线图的形式展示出来，然后将每个周期中的采样点分为正常点和突变点，在多个正常点间的波动中，计算每两个波峰和波谷之间的曲线斜率，以及计算突变点与前一个波峰或波谷之间的曲线斜率的绝对值，然后再将这两个计算所得到的斜率绝对值进行对比，会发现突变点所参与计算的斜率绝对值明显较大，而且在曲线图中突变曲线的的开始时间和结束时间也会显示，与该突变曲线开始时间所相对应的就是扰动的开始时刻，而与该突变曲线结束时间所对应的就是扰动的结束时刻；步骤四、扰动预测：在研究整个段落的信号时，可以在每个周期选取200个采样点，以增加每个周期采样点的数量，然后利用matlab仿真软件，将选取的采样点以曲线图的形式展示出来，并且计算每个周期中起始点与后一个采样点之间的曲线斜率的绝对值，然后可以将其分别与步骤三中的突变点的斜率绝对值...

【专利技术属性】
技术研发人员：谭志田，童中堂，
申请(专利权)人：南京协胜智能科技有限公司，
类型：发明
国别省市：