亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于小波變換的電動汽車充電諧波辨識方法與流程

文檔序號:12784996閱讀:298來源:國知局

本發(fā)明涉及電動汽車充電電能計量、電能質(zhì)量監(jiān)測系統(tǒng),特別是涉及一種基于小波變換的電動汽車充電諧波辨識方法。



背景技術(shù):

電動汽車充電過程中,諧波信號是實時變化,諧波的復(fù)雜性不斷增加,如出現(xiàn)瞬時突變,白噪聲干擾等情況??焖俑道锶~變換(FFT)算法適用于周期性諧波分析領(lǐng)域,將周期性信號按照傅立葉級數(shù)的方式分解為不同頻率分量的疊加形式,然后利用分離后的信號進行電能相關(guān)參數(shù)的計算,適合用來進行穩(wěn)態(tài)諧波的檢測。FFT具有較好的頻域分辨率、較高的測量精度。但是,F(xiàn)FT算法不能在時域和頻域同時以任意精度逼近被測信號,不能精確獲取各次諧波信號的幅值、頻率和相位,不具備局部化分析能力,不適用于非平穩(wěn)信號,對于諧波檢測存在很大的局限性。在FFT變換的基礎(chǔ)上,所提出的短時傅里葉變換,通過窗函數(shù)在時域上的滑動,來得到對信號的時頻局部化分析,仍然在時頻分辨率方面存在不足,信號的時域波形和頻譜不能同時獲得高的分辨率,且其觀測窗固化,局部觀測特性不夠詳細。



技術(shù)實現(xiàn)要素:

發(fā)明目的:本發(fā)明提供一種基于小波變換的電動汽車充電諧波辨識方法,該方法首先對充電信號進行小波特征分析、閾值函數(shù)建立、濾波,再根據(jù)電動汽車充電運行時電壓/電流信號的時間逼近參數(shù)、空間局部特征參數(shù),在時域和頻域同時對電動汽車充電運行的信號波形進行局部化分析,建立高分辨率的諧波辨識算法。本發(fā)明主要目的在于克服FFT方法會把電動汽車充電過程中局部諧波信號濾波平滑掉的缺點,反映信號的細節(jié)特征,解決傅里葉變換在電動汽車充電諧波辨識方面能力不足的問題,提高電動汽車充電電能質(zhì)量、電能計量的準確度。

為達到此目的,本發(fā)明采用以下技術(shù)方案:

一種基于小波變換的電動汽車充電諧波辨識方法,其特征在于,包括以下步驟:

步驟1,采集電動汽車充電電壓/電流信號F(t);

步驟2,選取電壓/電流信號F(t)小波濾波分解層參數(shù);

步驟3,建立電壓/電流信號F(t)小波濾波分解閾值和閾值函數(shù),得到待處理充電電壓/電流信號f(t);

步驟4:把待處理充電電壓/電流信號f(t)分解為小波子空間;

步驟5:對小波子空間進行信息重構(gòu),得到電動汽車充電過程中諧波的電壓信號和諧波的電流信號。

步驟2中,對電動汽車充電過程中采集的含噪電壓/電流信號進行等間隔抽樣,然后對抽樣序列進行離散小波變換:選擇分解層數(shù)J,對電壓/電流信號F(t)進行正交小波變換,得到各層的尺度系數(shù)cj,n和小波系數(shù)dj,n。

得到的各層的尺度系數(shù)cj,n和小波系數(shù)dj,n如下:

其中,n=0,1,...,N-1,N為信號采樣點數(shù),j=0,1,...,J,J為分解層數(shù),cj-1,i為j-1層尺度系數(shù),hi-2n和gi-2n互為正交濾波器組合。

步驟3中,對各層小波系數(shù)dj,n、尺度系數(shù)cj,n進行閾值量化處理,對充電電壓/電流信號F(t)進行高頻噪聲及白噪聲降噪,得到待處理充電電壓/電流f(t);

對得到的待處理充電電壓/電流f(t)進行小波系數(shù)閾值處理,

其中,th為閾值,c為放縮系數(shù)。

步驟4中,建立小波基db小波基函數(shù),并設(shè)計J層的小波子空間;

對電動汽車充電電壓/電流f(t),進行正交小波分解

Pj-1f(t)=Pjf(t)+Djf(t) (3)

其中j表示層數(shù),Pj、Pj-1分別是f(t)為j層和j-1層尺度系數(shù),Dj為f(t)為j層小波系數(shù),k為諧波序號,為j層和j-1層尺度分解系數(shù),為j層和j-1層小波分解系數(shù),φj,k(t)為尺度函數(shù),ψj,k(t)為小波基函數(shù),h0(n-2k)為小波包的低通濾波單元,h1(n-2k)為小波包的高通濾波單元。

步驟5中,小波包系數(shù)的重構(gòu)是由和的組合信息獲取得到即

其中,和為小波分解系數(shù)、為小波重構(gòu)系數(shù),g0(l-2k)為小波包重構(gòu)的低通濾波單元,g1(l-2k)為小波包重構(gòu)的高通濾波單元,l為重構(gòu)后的諧波序號,與k取值不一定相同。

電動汽車充電過程中,諧波的電壓信號表示為

其中,k=0,i=0僅表示求和計算的初值為0。

電動汽車充電過程中,諧波的電流信號表示為

其中,為尺度空間函數(shù);為小波母函數(shù);表示重構(gòu)電壓信號中刻度函數(shù)的系數(shù);表示重構(gòu)電流信號中刻度函數(shù)的系數(shù);表示重構(gòu)電壓信號中的小波包變換系數(shù);表示重構(gòu)電流信號中的小波包變換系數(shù)。

本發(fā)明所述的一種基于小波變換的電動汽車充電諧波識別方法,該方法根據(jù)電動汽車充電運行時電壓、電流信號的時間逼近參數(shù)、空間局部特征參數(shù),能夠在時域和頻域同時對電動汽車充電運行的信號波形進行局部化分析,建立高分辨率的諧波識別方法。本專利能克服FFT方法會把局部諧波信號濾波平滑掉的缺點,能反映信號的細節(jié)特征,解決傅里葉變換在電動汽車充電諧波辨識方面能力不足的問題,提高電動汽車充電電能質(zhì)量、電能計量的準確度。

小波包分解實現(xiàn)了f(t)的頻帶分解,但分解尺度大的情況下,由于信號壓縮,波形存在臺階化傾向,導(dǎo)致在頻域內(nèi)體現(xiàn)為更高次諧波誤差。該專利,一方面通過第2、第3步驟中的小波濾波,可以濾除極高頻信號以及白噪聲的影響,另一方,通過第5步驟中的信號的重構(gòu),可以消除由于數(shù)據(jù)壓縮造成的臺階化效應(yīng)。經(jīng)過重構(gòu),由小波包分解系數(shù)重構(gòu)出各子頻帶內(nèi)的時域信號,實現(xiàn)各個頻帶內(nèi)的電力諧波參數(shù)的測量,跟蹤、觀測各頻帶內(nèi)的諧波變化。

有益效果

小波變換采用時間尺度分析方法,具有時域和頻域局部化、方向選擇性、可變的時頻域分辨率的特點,克服了FFT方法會把局部信號在整個域里平滑掉的缺點,能反映信號的細節(jié)特征。

所提出的適用于電動汽車諧波分析的小波變換算法,其時窗和頻窗的寬度可以調(diào)節(jié),依據(jù)信號的頻率成分,自動調(diào)節(jié)采樣密度來處理突變信號,可以精確檢測波動諧波和快速變化諧波等非平穩(wěn)信號的特性,適合反映信號的突發(fā)變化和時變跟蹤,能實現(xiàn)波動諧波、快速變化諧波、突變信號和非平穩(wěn)信號的分析,適用于電動汽車充電過程中電能計量、電能質(zhì)量監(jiān)測。

小波變換設(shè)計自適應(yīng)變動的時間-頻率窗,能夠在時域和頻域同時對信號進行局部化分析。當分析高頻信號時,時間窗會自動變窄,當觀察低頻信號時,時間窗會自動變寬,具有局部時頻特性。小波變換還能表征信號的奇異性,在不同的尺度上模極大值能很好的分辨諧波信號的畸變情況,而且,可以在多尺度下對信號進行觀察分析,即具有高分辨分析能力。

本發(fā)明公開了一種基于小波變換的電動汽車充電諧波辨識方法,首先對充電電壓/電流信號進行小波特征分析、信號分層,由閾值特征函數(shù)求取閾值參數(shù),噪聲濾波,在此基礎(chǔ)上,根據(jù)電動汽車充電運行時電壓/電流信號的時間逼近參數(shù)、空間局部特征參數(shù),在時域和頻域同時對電動汽車充電運行的信號波形進行局部化分析,建立高分辨率的諧波辨識算法。本發(fā)明能克服FFT方法會把電動汽車充電過程中局部諧波信號濾波平滑掉的缺點,反映信號的細節(jié)特征,解決傅里葉變換在電動汽車充電諧波辨識方面能力不足的問題,提高電動汽車充電電能質(zhì)量、電能計量的準確度。

附圖說明

圖1是電動汽車充電諧波辨識流程圖。

具體實施方式

下面結(jié)合具體實施方式對本發(fā)明的技術(shù)方案作進一步的介紹。

如圖1所示,本發(fā)明根據(jù)電動汽車充電電能計量、電能質(zhì)量監(jiān)測技術(shù)發(fā)展要求,公開了一種基于小波變換的電動汽車充電諧波辨識方法,包括以下步驟:

步驟1,采集電動汽車充電電壓/電流信號F(t)。

步驟2,選取信號F(t)小波濾波分解層參數(shù)。

對電動汽車充電過程中采集的含噪電壓/電流信號進行等間隔抽樣,然后對抽樣序列進行離散小波變換:選擇合適的分解層數(shù)J,對F(t)信號進行正交小波變換,得到各層的尺度系數(shù)cj,n和小波系數(shù)dj,n。

其中,n=0,1,...,N-1,N為信號采樣點數(shù),j=0,1,...,J,J為分解層數(shù),cj-1,i為j-1層尺度系數(shù),hi-2n和gi-2n互為正交濾波器組合。

步驟3,建立信號F(t)小波濾波分解閾值和閾值函數(shù)。

對各層小波系數(shù)dj,n、尺度系數(shù)cj,n進行閾值量化處理,對充電電壓/電流信號F(t)進行高頻噪聲及白噪聲降噪,得到待處理充電電壓/電流信號f(t)。

對分解得到的f(t)進行小波系數(shù)閾值處理,

其中,th為閾值,c為放縮系數(shù)。

小波閾值對于濾除電動汽車充電過程中采集的含噪電壓/電流信號起到?jīng)Q定性的作用,直接影響去噪效果。

步驟4:把信號f(t)分解為小波子空間。

建立小波基db小波基函數(shù),并設(shè)計J層(J>4)的小波子空間。

對電動汽車充電電壓/電流f(t),進行正交小波分解

Pj-1f(t)=Pjf(t)+Djf(t) (3)

其中j表示層數(shù),Pj、Pj-1分別是f(t)為j層和j-1層尺度系數(shù),Dj為f(t)為j層小波系數(shù),k為諧波序號,為j層和j-1層尺度分解系數(shù),為j層和j-1層小波分解系數(shù),φj,k(t)為尺度函數(shù),ψj,k(t)為小波基函數(shù),h0(n-2k)為小波包的低通濾波單元,h1(n-2k)為小波包的高通濾波單元。

步驟5:對小波子空間進行信息重構(gòu)。

小波包系數(shù)的重構(gòu)是由和的組合信息獲取得到即

其中,和為小波分解系數(shù)、為小波重構(gòu)系數(shù),g0(l-2k)為小波包重構(gòu)的低通濾波單元,g1(l-2k)為小波包重構(gòu)的高通濾波單元,l為重構(gòu)后的諧波序號。

小波包重構(gòu)后,在不同的頻帶內(nèi),包含了多次諧波量值,實現(xiàn)了電動汽車充電過程中電壓/電流信號諧波的辨識與分離。

電動汽車充電過程中,諧波的電壓信號可以表示為

其中,i=0僅表示求和計算的初值為0。

電動汽車充電過程中,諧波的電流信號可以表示為

其中,為尺度空間函數(shù);為小波母函數(shù);表示重構(gòu)電壓信號中刻度函數(shù)的系數(shù);表示重構(gòu)電流信號中刻度函數(shù)的系數(shù);表示重構(gòu)電壓信號中的小波包變換系數(shù);表示重構(gòu)電流信號中的小波包變換系數(shù)。

小波包分解實現(xiàn)了f(t)的頻帶分解,但分解尺度大的情況下,由于信號壓縮,波形存在臺階化傾向,導(dǎo)致在頻域內(nèi)體現(xiàn)為更高次諧波誤差。該專利,一方面通過第2、第3步驟中的小波濾波,可以濾除極高頻信號以及白噪聲的影響,另一方,通過第5步驟中的信號的重構(gòu),可以消除由于數(shù)據(jù)壓縮造成的臺階化效應(yīng)。經(jīng)過重構(gòu),由小波包分解系數(shù)重構(gòu)出各子頻帶內(nèi)的時域信號,實現(xiàn)各個頻帶內(nèi)的電力諧波參數(shù)的測量,跟蹤、觀測各頻帶內(nèi)的諧波變化。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1