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

背景技術(shù)：

電動(dòng)汽車充電過(guò)程中，諧波信號(hào)是實(shí)時(shí)變化，諧波的復(fù)雜性不斷增加，如出現(xiàn)瞬時(shí)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(hào)按照傅立葉級(jí)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(hào)進(jìn)行電能相關(guān)參數(shù)的計(jì)算，適合用來(lái)進(jìn)行穩(wěn)態(tài)諧波的檢測(cè)。FFT具有較好的頻域分辨率、較高的測(cè)量精度。但是，F(xiàn)FT算法不能在時(shí)域和頻域同時(shí)以任意精度逼近被測(cè)信號(hào)，不能精確獲取各次諧波信號(hào)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(hào)，對(duì)于諧波檢測(cè)存在很大的局限性。在FFT變換的基礎(chǔ)上，所提出的短時(shí)傅里葉變換，通過(guò)窗函數(shù)在時(shí)域上的滑動(dòng)，來(lái)得到對(duì)信號(hào)的時(shí)頻局部化分析，仍然在時(shí)頻分辨率方面存在不足，信號(hào)的時(shí)域波形和頻譜不能同時(shí)獲得高的分辨率，且其觀測(cè)窗固化，局部觀測(cè)特性不夠詳細(xì)。

技術(shù)實(shí)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(dòng)汽車充電諧波辨識(shí)方法，該方法首先對(duì)充電信號(hào)進(jìn)行小波特征分析、閾值函數(shù)建立、濾波，再根據(jù)電動(dòng)汽車充電運(yùn)行時(shí)電壓/電流信號(hào)的時(shí)間逼近參數(shù)、空間局部特征參數(shù)，在時(shí)域和頻域同時(shí)對(duì)電動(dòng)汽車充電運(yùn)行的信號(hào)波形進(jìn)行局部化分析，建立高分辨率的諧波辨識(shí)算法。本發(fā)明主要目的在于克服FFT方法會(huì)把電動(dòng)汽車充電過(guò)程中局部諧波信號(hào)濾波平滑掉的缺點(diǎn)，反映信號(hào)的細(xì)節(jié)特征，解決傅里葉變換在電動(dòng)汽車充電諧波辨識(shí)方面能力不足的問(wèn)題，提高電動(dòng)汽車充電電能質(zhì)量、電能計(jì)量的準(zhǔn)確度。

為達(dá)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(dòng)汽車充電諧波辨識(shí)方法，其特征在于，包括以下步驟：

步驟1，采集電動(dòng)汽車充電電壓/電流信號(hào)F(t)；

步驟2，選取電壓/電流信號(hào)F(t)小波濾波分解層參數(shù)；

步驟3，建立電壓/電流信號(hào)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(hào)f(t)；

步驟4：把待處理充電電壓/電流信號(hào)f(t)分解為小波子空間；

步驟5：對(duì)小波子空間進(jìn)行信息重構(gòu)，得到電動(dòng)汽車充電過(guò)程中諧波的電壓信號(hào)和諧波的電流信號(hào)。

步驟2中，對(duì)電動(dòng)汽車充電過(guò)程中采集的含噪電壓/電流信號(hào)進(jìn)行等間隔抽樣，然后對(duì)抽樣序列進(jìn)行離散小波變換：選擇分解層數(shù)J，對(duì)電壓/電流信號(hào)F(t)進(jìn)行正交小波變換，得到各層的尺度系數(shù)c_j,n和小波系數(shù)d_j,n。

得到的各層的尺度系數(shù)c_j,n和小波系數(shù)d_j,n如下：

其中，n＝0,1,...,N-1，N為信號(hào)采樣點(diǎn)數(shù)，j＝0,1,...,J，J為分解層數(shù)，c_j-1,i為j-1層尺度系數(shù)，h_i-2n和g_i-2n互為正交濾波器組合。

步驟3中，對(duì)各層小波系數(shù)d_j,n、尺度系數(shù)c_j,n進(jìn)行閾值量化處理，對(duì)充電電壓/電流信號(hào)F(t)進(jìn)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(duì)得到的待處理充電電壓/電流f(t)進(jìn)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(jì)J層的小波子空間；

對(duì)電動(dòng)汽車充電電壓/電流f(t)，進(jìn)行正交小波分解

P_j-1f(t)＝P_jf(t)+D_jf(t) (3)

其中j表示層數(shù)，P_j、P_j-1分別是f(t)為j層和j-1層尺度系數(shù)，D_j為f(t)為j層小波系數(shù)，k為諧波序號(hào)，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)，φ_j,k(t)為尺度函數(shù)，ψ_j,k(t)為小波基函數(shù)，h_0(n-2k)為小波包的低通濾波單元，h_1(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),g_0(l-2k)為小波包重構(gòu)的低通濾波單元，g_1(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(hào)，與k取值不一定相同。

電動(dòng)汽車充電過(guò)程中，諧波的電壓信號(hào)表示為

其中，k＝0,i＝0僅表示求和計(jì)算的初值為0。

電動(dòng)汽車充電過(guò)程中，諧波的電流信號(hào)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(hào)中刻度函數(shù)的系數(shù)；表示重構(gòu)電流信號(hào)中刻度函數(shù)的系數(shù)；表示重構(gòu)電壓信號(hào)中的小波包變換系數(shù)；表示重構(gòu)電流信號(hào)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(dòng)汽車充電諧波識(shí)別方法，該方法根據(jù)電動(dòng)汽車充電運(yùn)行時(shí)電壓、電流信號(hào)的時(shí)間逼近參數(shù)、空間局部特征參數(shù)，能夠在時(shí)域和頻域同時(shí)對(duì)電動(dòng)汽車充電運(yùn)行的信號(hào)波形進(jìn)行局部化分析，建立高分辨率的諧波識(shí)別方法。本專利能克服FFT方法會(huì)把局部諧波信號(hào)濾波平滑掉的缺點(diǎn)，能反映信號(hào)的細(xì)節(jié)特征，解決傅里葉變換在電動(dòng)汽車充電諧波辨識(shí)方面能力不足的問(wèn)題，提高電動(dòng)汽車充電電能質(zhì)量、電能計(jì)量的準(zhǔn)確度。

小波包分解實(shí)現(xiàn)了f(t)的頻帶分解，但分解尺度大的情況下，由于信號(hào)壓縮，波形存在臺(tái)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(guò)第2、第3步驟中的小波濾波，可以濾除極高頻信號(hào)以及白噪聲的影響，另一方，通過(guò)第5步驟中的信號(hào)的重構(gòu)，可以消除由于數(shù)據(jù)壓縮造成的臺(tái)階化效應(yīng)。經(jīng)過(guò)重構(gòu)，由小波包分解系數(shù)重構(gòu)出各子頻帶內(nèi)的時(shí)域信號(hào)，實(shí)現(xiàn)各個(gè)頻帶內(nèi)的電力諧波參數(shù)的測(cè)量，跟蹤、觀測(cè)各頻帶內(nèi)的諧波變化。

有益效果

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

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

小波變換設(shè)計(jì)自適應(yīng)變動(dòng)的時(shí)間-頻率窗，能夠在時(shí)域和頻域同時(shí)對(duì)信號(hào)進(jìn)行局部化分析。當(dāng)分析高頻信號(hào)時(shí)，時(shí)間窗會(huì)自動(dòng)變窄，當(dāng)觀察低頻信號(hào)時(shí)，時(shí)間窗會(huì)自動(dòng)變寬，具有局部時(shí)頻特性。小波變換還能表征信號(hào)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(hào)的畸變情況，而且，可以在多尺度下對(duì)信號(hào)進(jìn)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(dòng)汽車充電諧波辨識(shí)方法，首先對(duì)充電電壓/電流信號(hào)進(jìn)行小波特征分析、信號(hào)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(dòng)汽車充電運(yùn)行時(shí)電壓/電流信號(hào)的時(shí)間逼近參數(shù)、空間局部特征參數(shù)，在時(shí)域和頻域同時(shí)對(duì)電動(dòng)汽車充電運(yùn)行的信號(hào)波形進(jìn)行局部化分析，建立高分辨率的諧波辨識(shí)算法。本發(fā)明能克服FFT方法會(huì)把電動(dòng)汽車充電過(guò)程中局部諧波信號(hào)濾波平滑掉的缺點(diǎn)，反映信號(hào)的細(xì)節(jié)特征，解決傅里葉變換在電動(dòng)汽車充電諧波辨識(shí)方面能力不足的問(wèn)題，提高電動(dòng)汽車充電電能質(zhì)量、電能計(jì)量的準(zhǔn)確度。

附圖說(shuō)明

圖1是電動(dòng)汽車充電諧波辨識(shí)流程圖。

具體實(shí)施方式

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

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

步驟1，采集電動(dòng)汽車充電電壓/電流信號(hào)F(t)。

步驟2，選取信號(hào)F(t)小波濾波分解層參數(shù)。

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

其中，n＝0,1,...,N-1，N為信號(hào)采樣點(diǎn)數(shù)，j＝0,1,...,J，J為分解層數(shù)，c_j-1,i為j-1層尺度系數(shù)，h_i-2n和g_i-2n互為正交濾波器組合。

步驟3，建立信號(hào)F(t)小波濾波分解閾值和閾值函數(shù)。

對(duì)各層小波系數(shù)d_j,n、尺度系數(shù)c_j,n進(jìn)行閾值量化處理，對(duì)充電電壓/電流信號(hào)F(t)進(jìn)行高頻噪聲及白噪聲降噪，得到待處理充電電壓/電流信號(hào)f(t)。

對(duì)分解得到的f(t)進(jìn)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(duì)于濾除電動(dòng)汽車充電過(guò)程中采集的含噪電壓/電流信號(hào)起到?jīng)Q定性的作用，直接影響去噪效果。

步驟4：把信號(hào)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(jì)J層(J>4)的小波子空間。

對(duì)電動(dòng)汽車充電電壓/電流f(t)，進(jìn)行正交小波分解

P_j-1f(t)＝P_jf(t)+D_jf(t) (3)

其中j表示層數(shù)，P_j、P_j-1分別是f(t)為j層和j-1層尺度系數(shù)，D_j為f(t)為j層小波系數(shù)，k為諧波序號(hào)，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)，φ_j,k(t)為尺度函數(shù)，ψ_j,k(t)為小波基函數(shù)，h_0(n-2k)為小波包的低通濾波單元，h_1(n-2k)為小波包的高通濾波單元。

步驟5：對(duì)小波子空間進(jìn)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),g_0(l-2k)為小波包重構(gòu)的低通濾波單元，g_1(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(hào)。

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(shí)現(xiàn)了電動(dòng)汽車充電過(guò)程中電壓/電流信號(hào)諧波的辨識(shí)與分離。

電動(dòng)汽車充電過(guò)程中，諧波的電壓信號(hào)可以表示為

其中，i＝0僅表示求和計(jì)算的初值為0。

電動(dòng)汽車充電過(guò)程中，諧波的電流信號(hào)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(hào)中刻度函數(shù)的系數(shù)；表示重構(gòu)電流信號(hào)中刻度函數(shù)的系數(shù)；表示重構(gòu)電壓信號(hào)中的小波包變換系數(shù)；表示重構(gòu)電流信號(hào)中的小波包變換系數(shù)。

小波包分解實(shí)現(xiàn)了f(t)的頻帶分解，但分解尺度大的情況下，由于信號(hào)壓縮，波形存在臺(tái)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(guò)第2、第3步驟中的小波濾波，可以濾除極高頻信號(hào)以及白噪聲的影響，另一方，通過(guò)第5步驟中的信號(hào)的重構(gòu)，可以消除由于數(shù)據(jù)壓縮造成的臺(tái)階化效應(yīng)。經(jīng)過(guò)重構(gòu)，由小波包分解系數(shù)重構(gòu)出各子頻帶內(nèi)的時(shí)域信號(hào)，實(shí)現(xiàn)各個(gè)頻帶內(nèi)的電力諧波參數(shù)的測(cè)量，跟蹤、觀測(cè)各頻帶內(nèi)的諧波變化。