基于扩展微变量的数据阶跃时间辨识方法技术

本发明专利技术提供一种基于扩展微变量的数据阶跃时间辨识方法，包括如下步骤：(1)读取阶跃测试试验数据，得到一组含时间序列的含扰数据：(2)计算扩展微变量序列；(3)比较扩展微变量的数值，取其中最大值对应时刻t

【技术实现步骤摘要】
基于扩展微变量的数据阶跃时间辨识方法


[0001]本专利技术涉及含扰动的测试数据的辨识领域，具体是一种基于扩展微变量的数据阶跃时间辨识方法。

技术介绍

[0002]在对发电力励磁系统等自动化控制系统进行参数测试时，阶跃响应特性是一个重要的系统特性，其阶跃响应指标如上升时间、峰值时间的获取需要精确获取阶跃响起始时刻。但是实际现场试验中阶跃起始时刻往往由手动控制，阶跃响起始时刻的精确获取需要对数据进行辨识。现场试验不可避免的要受到环境中各种干扰因素影响，试验数据含有一定的扰动量，若不进行数据处理，直接以数据量的变化幅度作为对阶跃响应起始时间的判据会带来较大误差。
[0003]为了消除扰动的影响，常见的数据预处理方法是对数据进行滤波或曲线拟合，以获得较为平滑的曲线，对平滑曲线进行判读获得阶跃响应起始时间。但滤波算法的相位延迟会导致时域数据的畸变，会产生误差；阶跃数据在阶跃时刻一阶导数不连续，曲线拟合算法会损失不连续特性，导致判读不准确。

技术实现思路

[0004]本专利技术提供一种基于扩展微变量的数据阶跃时间辨识方法，其针对于阶跃试验中获得的阶跃曲线，可以在含有干扰数据的情况下，无需数据预处理，通过计算扩展微变量，可在保留原始数据的全部信息的前提下排除扰动数据的影响直接辨识阶跃起始时刻，实现对试验数据的准确解读，提高试验数据解读的精度。
[0005]一种基于扩展微变量的数据阶跃时间辨识方法，包括如下步骤：
[0006](1)读取阶跃测试试验数据，得到一组含时间序列的含扰数据：
>[0007]X＝{t
i
,x
i
},i＝1,2,
…
,n；
[0008]其中t
i
为等间隔时间序列，时间序列间隔为Δt，x
i
为数据序列，n 为大于等于3的正整数；
[0009](2)按如下公式计算扩展微变量序列：
[0010]E(X)＝{e
i
},i＝1,2,
…
,n
[0011]其中e
i
为时刻t
i
处的扩展微变量：
[0012]e
i
＝(x
i+m
+x
i+m+1
+x
i+m+2
+...+x
i+m+l+1
+x
i
‑
m
+x
i
‑
m
‑1+x
i
‑
m
‑2+...+x
i
‑
m
‑
l+1
‑
2lx
i
)
×
sign(x
i+m+l
‑1‑
x
i
‑
m
‑
l+1
)，1≤m＜n,2≤l＜n
[0013]其中
[0014](3)比较扩展微变量的数值，取其中最大值对应时刻t
s
为阶跃发生时刻：
[0015]t
s
＝t
j
|(e
j
＝max{e
i
})。
[0016]进一步的，计算扩展微变量序列时，其中m的取值范围为：其中m为正整数，δ
m
为扰动最大值，k为在采样时间间隔Δt上的阶跃上升值。
[0017]本专利技术的有益效果：
[0018]1、与现有技术相比，使用的数据点数扩展到5个，可以获得更多的原始数据信息；
[0019]2、与现有技术相比，m取值可以更小，具有更高的抗干扰性能；
[0020]3、具有数据平滑算法准确的辨识结果，每个数据点的扩展局部突变量利用了原始的数据信息而非加工后的数据信息，避免了因数据平滑算法导致的信息丢失。
附图说明
[0021]图1是本专利技术基于扩展微变量的数据阶跃时间辨识方法的数据序列；
[0022]图2是本专利技术采用的测试数据示意图；
[0023]图3是采用本专利技术计算的扩展微变量的示意图。
具体实施方式
[0024]下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述。
[0025]图1所示为本专利技术基于扩展微变量的数据阶跃时间辨识方法的数据序列，所述方法包括如下步骤：
[0026](1)读取阶跃测试试验数据，得到一组含时间序列的含扰数据：
[0027]X＝{t
i
,x
i
},i＝1,2,
…
,n；
[0028]其中t
i
为等间隔时间序列，时间序列间隔为Δt；x
i
为数据序列。
[0029](2)按如下公式计算扩展微变量：
[0030]E(X)＝{e
i
},i＝1,2,
…
,n
[0031]其中e
i
为时刻t
i
处的扩展微变量：
[0032]e
i
＝(x
i+m
+x
i+m+1
+x
i+m+2
+...+x
i+m+l+1
+x
i
‑
m
+x
i
‑
m
‑1+x
i
‑
m
‑2+...+x
i
‑
m
‑
l+1
‑
2lx
i
)
×
sign(x
i+m+l
‑1‑
x
i
‑
m
‑
l+1
)，1≤m＜n,2≤l＜n
[0033]其中
[0034]在扰动水平不大于δ
m
时，由于不含扰数据在阶跃发生前和发生后的一阶导数不变，易知含扰数据扩展微变量在阶跃发生前后最大绝对值满足：
[0035]max{|e
i
|}＜4lδ
m
[0036]在阶跃发生时刻，原始数据一阶导数是不连续的。阶跃前原始数据一阶导数为0，阶跃后数据一阶导数不为零。以上阶跃为例，假设在采样时间间隔Δt上的阶跃上升值为k，则原始数据在阶跃发生时刻 t
j
处扩展微变量为：
[0037][0038]易知原始数据在阶跃前、发生后的处扩展微变量为0，则在含扰情况下，扩展微变
量的最大绝对值为4lδ
m
。当即时，可保证阶跃发生时刻的扩展微变量大于非阶跃时刻扩展微变量的最大值8δ
m
。对于下阶跃同理可得到相同结论。
[0039](3)比较扩展微变量的数值，取其中最大值对应时刻t
s
为上阶跃或下阶跃发生时刻：
[0040]t...

【技术保护点】

【技术特征摘要】
1.一种基于扩展微变量的数据阶跃时间辨识方法，其特征在于包括如下步骤：(1)读取阶跃测试试验数据，得到一组含时间序列的含扰数据：X＝{t
i
,x
i
},i＝1,2,
…
,n；其中t
i
为等间隔时间序列，时间序列间隔为Δt，x
i
为数据序列，n为大于等于3的正整数；(2)按如下公式计算扩展微变量序列：E(X)＝{e
i
},i＝1,2,
…
,n其中e
i
为时刻t
i
处的扩展微变量：e
i
＝(x
i+m
+x
i+m+1
+x
i+m+2
+...+x
i+m+l
‑1+x
i
‑
m
+x
i
‑
m
...

【专利技术属性】
技术研发人员：万黎，周鲲鹏，丁凯，陈乔，钱一民，蔡德福，王涛，董航，刘海光，王文娜，王莹，饶渝泽，余笑东，陈汝斯，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：