一种智能化充电桩电能质量监测方法及系统与流程

本发明属于电能质量分析，具体是指一种智能化充电桩电能质量监测方法及系统。

背景技术：

1、充电桩电能质量监测方法是一种利用人工智能技术，通过实时采集充电桩运行信号，动态评估其电能质量状况的技术方案，为电网运营商、充电设施管理者及电力用户提供科学的数据决策依据，从而有效提升充电桩并网的电能质量水平，保障电网安全稳定运行。

2、但是现有的充电桩电能质量监测方法中存在谐波频谱随充电功率动态变化，难以匹配实际时频结构，导致特征提取有效性和一致性不足，使得电能质量测量精度受限，监测结果可信度下降的问题；现有的充电桩电能质量监测方法中存在各次谐波能量在频域呈非均匀分布且随充电状态迁移，能量微弱谐波易被噪声淹没或与相邻谐波混叠，导致幅值与相位提取偏差增大，电能质量监测精度不足的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种智能化充电桩电能质量监测方法及系统，针对现有的充电桩电能质量监测方法中存在谐波频谱随充电功率动态变化，难以匹配实际时频结构，导致特征提取有效性和一致性不足，使得电能质量测量精度受限，监测结果可信度下降的问题，本方案从充电桩监测数据集中提取电压数字序列，基于每一组小波基参数进行小波包分解，计算每个目标谐波对应叶子节点子带的能量密度，得到小波基参数的综合评分，选取最优小波基参数，确保所选参数同时兼顾基波及各次特征谐波的提取需求，实现小波基参数的逐周期自适应寻优，使分解结构始终紧贴当前频谱分布，提升电能质量测量精度与监测结果可信度；针对现有的充电桩电能质量监测方法中存在各次谐波能量在频域呈非均匀分布且随充电状态迁移，能量微弱谐波易被噪声淹没或与相邻谐波混叠，导致幅值与相位提取偏差增大，电能质量监测精度不足的问题，本方案基于最优小波基参数进行小波包分解，依据能量密度标记终止子带和候选细分节点，构建最优分解树，获取全部终止子带的频率区间列表，记录目标谐波的归属子带，基于小波包逆变换重构得到离散时域采样序列，得到电压和电流各目标谐波的幅值和初相角，支撑后续电能质量指标的准确计算，提升充电桩电能质量监测结果的可靠性。

2、本发明采取的技术方案如下：本发明提供的一种智能化充电桩电能质量监测方法，该方法包括以下步骤：

3、步骤s1：充电桩监测数据采集；

4、步骤s2：最优小波基动态寻优；

5、步骤s3：自适应谐波参数提取；

6、步骤s4：电能质量指标计算；

7、步骤s5：充电桩电能质量监测。

8、进一步地，在步骤s1中，所述充电桩监测数据采集是在充电桩输出端，通过电压霍尔传感器和电流霍尔传感器分别拾取电压与电流模拟信号，将信号统一接入双通道同步模数转换器，所有通道共用同一触发信号启动同步采样，将模拟信号转换为数字序列，得到电压数字序列和电流数字序列；获得的数字序列按工频周期为单元组织存储，构建充电桩监测数据集。

9、进一步地，在步骤s2中，所述最优小波基动态寻优是从充电桩监测数据集中，逐周期提取当前工频周期的电压数字序列，将当前周期数据分别送入候选小波基参数库中的12组复morlet小波基进行评价；对于每一组小波基参数，对当前周期数据执行固定5层小波包分解，定位每个目标谐波各自落入的叶子节点子带，对每个叶子节点子带，计算能量密度，得到该组小波基参数的综合评分，选取综合评分最高者对应的参数作为当前周期的最优小波基参数。

10、进一步地，在步骤s3中，所述自适应谐波参数提取具体包括以下步骤：

11、步骤s31：最优分解树构建；基于最优小波基参数，对当前工频周期的电压数字序列逐层实施5层小波包分解；每完成一层分解后，计算当前所有叶子节点子带的能量密度，并统计其算术平均值；将能量密度低于算术平均值的子带标记为终止子带；将能量密度不低于算术平均值的子带标记为候选细分节点，得到候选细分节点集合；若分解层数达到最大分解层数或候选细分节点集合为空，则停止分解；否则进入下一层分解，仅对候选细分节点进行进一步分解；分解完成后，所有终止子带的集合构成当前电压数字序列的最优分解树；

12、步骤s32：目标谐波频带归属；最优分解树构建完成后，获取全部终止子带的频率区间列表，对每一个目标谐波，计算其频率fk，在频率区间列表中查找满足下限频率≤频率fk<上限频率的子带编号，记录为目标谐波的归属子带；

13、步骤s33：双通道谐波参数重构；将步骤s31构建的最优分解树结构作为标准模板，从充电桩监测数据集中，读取当前工频周期的电压数字序列和电流数字序列，两个通道均采用相同的分解树模板进行小波包分解，分解完成后，对每一个数字序列，依据步骤s32中确定的归属子带，从分解结果中提取对应子带的小波包系数序列，对各提取出的系数序列分别执行小波包逆变换，重构出每一个目标谐波的离散时域采样序列，对每个重构分量进行幅值检测和过零相位检测，得到当前周期各目标谐波的幅值和初相角；将电压和电流在每个目标谐波上的幅值与初相角汇总，形成完整的谐波参数集合。

14、进一步地，在步骤s4中，所述电能质量指标计算是依据电压和电流在各目标谐波上的幅值和初相角，按频率顺序将各次目标谐波分量叠加，重构出去噪后的离散时域波形序列，计算当前工频周期的各项电能质量指标。

15、进一步地，在步骤s5中，所述充电桩电能质量监测是依据当前工频周期各项电能质量指标，将其与对应国标限值进行逐项比对，并根据比对结果及变化趋势发出相应监测信号，完成对充电桩的电能质量监测。

16、本发明提供的一种智能化充电桩电能质量监测系统，包括充电桩监测数据采集模块、最优小波基动态寻优模块、自适应谐波参数提取模块、电能质量指标计算模块和充电桩电能质量监测模块；

17、所述充电桩监测数据采集模块采集电压与电流模拟信号，转换为数字序列，得到电压数字序列和电流数字序列，构建充电桩监测数据集，并将数据发送至最优小波基动态寻优模块；

18、所述最优小波基动态寻优模块从充电桩监测数据集中提取电压数字序列，基于每一组小波基参数进行小波包分解，计算每个目标谐波对应叶子节点子带的能量密度，得到小波基参数的综合评分，选取最优小波基参数，并将数据发送至自适应谐波参数提取模块；

19、所述自适应谐波参数提取模块基于最优小波基参数进行小波包分解，依据能量密度标记终止子带和候选细分节点，构建最优分解树，获取全部终止子带的频率区间列表，记录目标谐波的归属子带，基于小波包逆变换重构得到离散时域采样序列，得到电压和电流各目标谐波的幅值和初相角，并将数据发送至电能质量指标计算模块；

20、所述电能质量指标计算模块依据电压和电流在各目标谐波上的幅值和初相角，重构出去噪后的离散时域波形序列，计算各项电能质量指标，并将数据发送至充电桩电能质量监测模块；

21、所述充电桩电能质量监测模块基于各项电能质量指标发出相应监测信号，完成对充电桩的电能质量监测。

22、采用上述方案本发明取得的有益效果如下：

23、（1）针对现有的充电桩电能质量监测方法中存在谐波频谱随充电功率动态变化，难以匹配实际时频结构，导致特征提取有效性和一致性不足，使得电能质量测量精度受限，监测结果可信度下降的问题，本方案从充电桩监测数据集中提取电压数字序列，基于每一组小波基参数进行小波包分解，全面评估候选参数对当前周期时频特征的适应性；计算每个目标谐波对应叶子节点子带的能量密度，将谐波提取的有效性量化为可计算的评价指标；得到小波基参数的综合评分，选取最优小波基参数，确保所选参数同时兼顾基波及各次特征谐波的提取需求，实现小波基参数的逐周期自适应寻优，使分解结构始终紧贴当前频谱分布，提升电能质量测量精度与监测结果可信度。

24、（2）针对现有的充电桩电能质量监测方法中存在各次谐波能量在频域呈非均匀分布且随充电状态迁移，能量微弱谐波易被噪声淹没或与相邻谐波混叠，导致幅值与相位提取偏差增大，电能质量监测精度不足的问题，本方案基于最优小波基参数进行小波包分解，依据能量密度标记终止子带和候选细分节点，构建最优分解树，将分解粒度集中于谐波能量聚集的频带，提升弱谐波信号的可分辨性；获取全部终止子带的频率区间列表，记录目标谐波的归属子带，避免相邻谐波或噪声分量混入重构结果，减小幅相提取的频带串扰误差；基于小波包逆变换重构得到离散时域采样序列，得到电压和电流各目标谐波的幅值和初相角，支撑后续电能质量指标的准确计算，提升充电桩电能质量监测结果的可靠性。