【技术实现步骤摘要】
本专利技术属于电力电子噪声领域，具体涉及一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法。
技术介绍
0、
技术介绍
：
1、作为电力电子系统运行稳定的重要组成部分，噪声的精准建模可以实时掌握电力电子的噪声干扰情况，及时发现电力设备的故障和异常，防止因噪声干扰造成电力电子系统的不稳定，保障电力通信系统的安全高效运行。传统噪声建模主要采用小波变换方法，往往存在噪声建模精准度低、计算量复杂、难以满足电力电子噪声的多样化需求，新型电力系统推进下的噪声干扰问题亟需解决。目前，许多电力电子系统已采用改进的小波变换方法实现对电力电子噪声的建模，以抑制噪声的干扰。
2、然而，小波变换无法对噪声的时频参数进行预测和训练优化：
3、1)电力电子系统中，各类电力设备接入方式多样化，部分电力电子设备间存在噪声干扰，影响系统的稳定运行，而电力电子噪声的时频特性和分布特征复杂多变，噪声种类与设备类型紧密相关。因此，在进行噪声建模时，如何不同电力电子噪声的精准建模是亟需解决的问题。
4、2)受限于噪声的时频特性，需要分析采集噪声的时频信息和分布特征后进行噪声归类，避免对不同的噪声建模进行重复噪声分析，造成过于计算复杂和误差较大等问题。因此，需先对噪声进行具体的时频特性分析后再进行建模。
5、传统噪声建模方法往往采用深度卷积神经网络、小波变换、深度学习等算法，此类算法分析噪声的方式单一，存在算法复杂度高、参数预测不准确、优化结果不稳定等问题，难以实现模型的最优训练，且适应性差，难以应对复杂多变的
技术实现思路
0、
技术实现思路
：
1、有鉴于此，本专利技术的目的在于提出一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法，以实现噪声的精准建模。
2、为达到上述目的,本专利技术提供如下技术方案:
3、一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法，该方法针对电子电力系统运行场景，通过分析电力电子噪声的时频特性和分布特征并进行归类，再采用多尺度小波变换网络算法对噪声参数进行预测和优化，完成每种噪声的建模，在降低噪声信号干扰的同时提高电力电子噪声建模的精度和效率，适用于新型电力电子系统的噪声去除。该方法具体包括以下步骤：
4、s1：采集电力电子系统运行时的噪声，分析噪声的时频特性和分布特征并进行噪声归类；
5、s2：基于多尺度小波变换算法分析电力电子噪声时频变化情况；
6、s3：通过深度神经网络对噪声时频进行参数预测和权重更新，再进行模型优化训练获得最优权重，实现噪声的分类建模；
7、进一步的，所述步骤s1中，利用多尺度小波变换神经网络预测对电力电子噪声进行建模，分析时频的变化情况。在电力电子噪声模型中，激励函数表示噪声的频率，神经网络和梯度法表示模型训练优化。
8、进一步的，所述步骤s2中，设计基于多尺度小波变换神经网络预测的电力电子噪声能量建模方法，主要包括噪声频率激励函数、尺度因子、平移因子、权重以及学习率的设计。其中，在权重的更新过程中，当噪声模型优化完成后，获得最优训练输出、最优权重，提高了噪声建模的可靠性和稳定性。
9、进一步的，所述步骤s3中，具体方案流程包括噪声时频分析、模型优化和完成建模。其中，先分析采集噪声的时频信息并完成噪声归类，再使用多尺度小波变换计算多层次的噪声频率，接着通过神经网络的模型优化实现精准噪声建模，由此大大提高了电力电子系统运行的稳定性。
10、与现有技术相比，本专利技术具有以下优点:
11、1)本专利技术具体分析了采集到噪声的分布特征和时频特性，以及其所在频段和频谱范围，通过对不同的噪声进行特性分析和归类，着重介绍了窄带噪声和脉冲噪声两种噪声，满足噪声处理的高效性。
12、2)本专利技术采用了大尺度小波变换网络预测方法，针对不同的噪声进行分类建模，并在建模的基础上对噪声参数进行预测和优化，通过优化训练的方式更新去做权重值，极大提高了噪声建模的可靠性和稳定性，减少了电力电子设备运行的噪声干扰，提高电力通信系统的数据传输效率。
本文档来自技高网...【技术保护点】
1.一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法，其特征在于，该建模方法针对电力电子系统运行场景，通过分析电力电子噪声的时频特性和分布特征并进行归类，再采用多尺度小波变换网络算法对噪声参数进行预测和优化，完成每种噪声的建模，在降低噪声信号干扰的同时提高电力电子噪声建模的精度和效率，适用于新型电力电子系统的噪声去除。
2.根据权利要求1所述的一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法，其特征在于，该方案具体包括以下步骤：
3.根据权利要求2所述的电力电子系统运行场景，其特征在于，利用多尺度小波变换网络预测对电力电子噪声进行建模，分析时频的变化情况。在电力电子噪声模型中，激励函数表示噪声的频率，神经网络和梯度法表示模型训练优化。
4.根据权利要求2所述的基于多尺度小波变换网络预测的电力电子噪声能量建模方法，其特征在于，设计基于多尺度小波变换网络预测的电力电子噪声能量建模方法，主要包括噪声频率激励函数、尺度因子、平移因子、权重以及学习率的设计。其中，在权重的更新过程中，当噪声模型优化完成后，获得最优训练输出、最优权重，提高了
5.根据权利要求2所述的基于多尺度小波变换网络预测的电力电子噪声能量建模方法，其特征在于，具体方案流程包括噪声时频分析、模型优化和完成建模。其中，先分析采集噪声的时频信息并完成噪声归类，再使用多尺度小波变换计算多层次的噪声频率，接着通过神经网络的模型优化实现精准噪声建模，由此大大提高了电力电子系统运行的稳定性。
...【技术特征摘要】
1.一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法，其特征在于，该建模方法针对电力电子系统运行场景，通过分析电力电子噪声的时频特性和分布特征并进行归类，再采用多尺度小波变换网络算法对噪声参数进行预测和优化，完成每种噪声的建模，在降低噪声信号干扰的同时提高电力电子噪声建模的精度和效率，适用于新型电力电子系统的噪声去除。
2.根据权利要求1所述的一种基于多尺度小波变换网络预测的电力电子噪声能量建模方法，其特征在于，该方案具体包括以下步骤：
3.根据权利要求2所述的电力电子系统运行场景，其特征在于，利用多尺度小波变换网络预测对电力电子噪声进行建模，分析时频的变化情况。在电力电子噪声模型中，激励函数表示噪声的频率，神经网络和梯度法表示模型训...
【专利技术属性】
技术研发人员：周振宇，王珂，张孙烜，舒乙凌，倪国键，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。