【技术实现步骤摘要】
本专利技术涉及属于数据去噪，特别是一种用于分布式光伏的自适应阈值的小波去噪方法。
技术介绍
1、随着全球能源消费水平的不断上涨，以及化石能源等不可再生能源的储量下降，致使全球对可再生能源的需求不断增长，促使了可再生能源的发展。分布式光伏系统作为一种具备清洁、高效特点的新型发电系统，其接入电力系统缓解了部分能源需求，并促进了我国能源结构调整。但由于光伏系统易受自然因素的干扰，如天气、光照和温度等，这会使系统中的信号混入噪声，影响系统数据的准确性，且分布式光伏电站通常采用电力线载波通信技术，但电力线并非通信专用载体，数据在其之上的传播也会受到来自电力线阻抗或电磁干扰的影响，从而使数据中混入噪声，影响整个系统的稳定性。
2、滤波技术是常用的分离信号中的有用信号和噪声信号的手段，针对平稳信号，往往采用傅里叶变换就可以达到其需求，但由于光伏发电系统中的信号多为非平稳的信号，利用傅里叶变换不能将信号中的高频部分和噪声进行分离，因此需要采用小波变换的多分辨率分析对信号进行处理，分析其局部特征，进而将噪声信号对应的部分去除。
3、目前对于小波阈值去噪技术的研究，大多是对阈值函数进行改进，在去噪过程中，对于去噪效果产生影响的因素有三个：小波基函数的选择、小波分解层数的选择以及阈值的选择。不同的小波基函数其对于数据的局域化特征也不相同，因此需要根据数据特征选择合适的小波基函数；随着分解层数的增加，可以更为准确观察到数据中不同频率成分的变化情况，但同时也会导致计算复杂度的增加，降低算法的实时性及效率，并且更多的分解层数可能会使
4、针对以上问题，对小波去噪过程中的每一个步骤进行细化分析，在小波分解的各个阶段采取不同的判断准则选取最优参数，且各判断准则是由输入信号的特征决定的，提高了算法的自适应性，同时引入新的阈值函数，提高算法去噪效果。
5、与现有技术对比如下；
6、对比专利1：一种基于小波分析的光伏组件故障诊断方法，授权公告日，2018/3/22；授权公告日号：cn106533361b，该专利技术涉及了一种基于小波分析的光伏组件故障诊断方法，克服了利用传感器进行故障检测方法的限制。该方法包括以下步骤：对于获得到的信号利用指数函数进行平滑处理，进行一次去噪；对于得到的去噪信号使用db2小波对其进行二层小波分解，并保留第二层分解出的低频信号，对信号高频噪声进行二次去除；归一化得到的去噪信号并利用db4小波进行三次去噪；对分解出的高频信号进行第一类间断点检测，找出突变点，并对功率信号、辐照信号进行数值微分，提取出变换速率，获得变化快慢的点，找出有突变的点后进行第二类间断点检测；将获得的第一、第二类奇异点值相减再求和，获得最终的故障信号。其中，对于获得到故障信号进行阈值判断，阈值设定为0.2，若超过该阈值，则认为系统存在故障。
7、虽然同样涉及小波分解去除信号中的噪声，但该对比技术主要侧重于对信号中故障信息的检测，并且利用奇异点检测技术获取最终的故障信号，且该技术对于阈值的设定为固定值；而本申请中主要侧重于光伏数据中的噪声去除，对于小波分解中涉及到的参数均使用指标进行选取，而非经验选取；对于阈值的选取，该专利技术对每层阈值都进行了选取，而非固定值，实现了对于噪声的自适应去除。
8、对比专利2：一种基于改进小波阈值的图像去噪方法及系统，授权公告日，2023/7/18；授权公告日号：cn115601262b，该专利技术涉及一种对图像进行小波阈值去噪处理的方法及系统，该方法为每层分解出的小波系数均自适应设置阈值，且该阈值参数的大小随着分解层数的增加逐渐减小，并设置新的阈值函数对小波系数进行处理，具体包括以下步骤：对待分解的去噪图像进行离散小波分解；其中对于每层的小波系数阈值进行自适应选取，阈值参数具体设置为通过改变自适应参数值θ实现对阈值的自适应选取；对于阈值函数进行改进，利用改进阈值函数对小波系数进行处理；其中利用峰值信噪比对去噪效果进行评判，调整自适应参数达到最佳去噪效果；利用处理过的小波系数对信号进行重构，获得去噪信号。
9、虽然同样涉及对小波阈值去噪算法的阈值自适应选取以及对阈值函数的改进，但该技术中未涉及对小波基函数的自适应选取以及小波分解层数的自适应选取；而本申请中对于利用噪声功率差值实现对最优小波基函数的选取，并且通过对每层分解信号进行噪声白化分解判断最优小波分解层数；且本申请的阈值函数同该专利技术不一致，实现了对数据的噪声去除。
技术实现思路
1、为解决在光伏电站系统传输的数据中混有噪声的问题，本专利技术提出了一种用于分布式光伏的自适应阈值的小波去噪方法，。以此来减少系统中数据的噪声，并提高了算法的适应性。
2、为实现上述目的，本专利技术采取的技术方案是：
3、一种用于分布式光伏的自适应阈值的小波去噪方法，包括如下步骤：
4、(1)光伏数据小波分解；
5、分布式光伏设备的光伏系统有功功率反映了系统发电情况，温度和光照数据影响发电系统效率，对这些数据进行小波分解观察信号中噪声含量情况，输入数据为f(t)，则其对应的离散小波变换表达式为：
6、
7、其中，ψ为小波基函数，m，n为对小波的尺度及平移参数的离散化；
8、(2)选择最优小波基；
9、在众多小波变换基中，dbn小波具有正则性，由于光伏信号为非稳态信号，db系列小波具有多种形态，选取db系列小波对数据进行离散小波变换，随后，利用小波分解产生的近似系数进行重构，得到初降噪信号，计算输入信号同初降噪信号的差值：
10、
11、其中，n为信号长度，f(k)为原始信号，f1(k)为经过小波变换后近似系数还原出的信号，为挑选出最优小波基，引入噪声功率差值，对各阶小波基函数进行计算：
12、
13、其中，i为dbn小波基编号，fi(k)为利用不同小波基降噪后的信号，其中f0(k)为原始包含噪声的信号，从一阶daubechies小波开始，依次增大小波阶数，计算噪声功率差值，将不同阶数小波基按噪声功率从小到大进行排序，计算噪声功率差值，差值最小的即为最优小波基。对不同的光伏数据均进行计算，针对不同数据选择不同最优小波基；
14、(3)选择最优分解层数；
15、选取最优分解层数，对第j层细节系数s(k)(k＝1，2，...，n)来说，其自相关序列为：
16、
17、若该层自相关序列满足以下要求，则认为没有较多有用信号进入细节系数，将此次分解产生的细节系数全部认为是噪声信号，否则认为有有用信号进入细节系数，停止分解；
【技术保护点】
1.一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于：步骤(1)中小波函数满足以下条件：
3.根据权利要求1所述的一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于：步骤(1)对小波的尺度及平移参数的离散化的方法为：对尺度参数a采用幂级数离散的方法，对于平移参数b则使用可以将时间轴覆盖住的均匀离散取值。即：
4.根据权利要求1所述的一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于：步骤(4)中确定阈值的步骤为：对细节系数求取其均方根，判断最大的细节系数值是否大于3倍的均方根，若大于，则认为该系数是有用信号产生的，将其去除并重新计算剩余细节系数的均方根，直至剩余的细节系数最大值均不大于3倍的均方根，此时就能得到每层小波系数的阈值，即3倍的均方根。
5.根据权利要求1所述的一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于：步骤(4)中的阈值函数表达式为：
【技术特征摘要】
1.一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于：步骤(1)中小波函数满足以下条件：
3.根据权利要求1所述的一种用于分布式光伏的自适应阈值的小波去噪方法，其特征在于：步骤(1)对小波的尺度及平移参数的离散化的方法为：对尺度参数a采用幂级数离散的方法，对于平移参数b则使用可以将时间轴覆盖住的均匀离散取值。即：
4.根据权...
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。