提高谐波检测精度的自适应VMD检测方法、装置及存储介质与流程

提高谐波检测精度的自适应vmd检测方法、装置及存储介质
技术领域
1.本发明涉及电网领域，尤其涉及一种提高谐波检测精度的自适应vmd检测方法、装置及存储介质。


背景技术：

2.近年来，风能和光伏系统等可再生能源的发展，电力电子装置的普遍使用、变压器充电、电容器组和非线性负载的瞬时切换等以及环境因素变化都会导致电网谐波问题。谐波问题不仅会导致设备不稳定和故障，还容易造成用户用电不安全，导致事故发生。因此为了保证供电的可靠性、安全性和高质量，对电网谐波信号的连续准确的监测显得尤为重要。此外，近年来电网运行管理模式逐渐由传统到智能化转变，世界范围内智能电网的全面启动，这对电网谐波信号的准确检测提出了更高的要求。
3.谐波信号的异常检测与特征提取的方法常用的有：快速傅里叶变换、短时傅里叶变换、小波变换、经验模态分解、s变换以及变分模态分解等。
4.快速傅立叶变换的检测精度取决于窗函数的选择，且因为信号的非整周期截断和非同步采样，容易导致检测延迟和检测信息丢失的问题。短时傅里叶变换频率和时间分辨率不能随信号的频率变化而变化，会造成信号检测误差较大。小波变换方法检测谐波信号取决于母小波、分解层数的选择。尽管目前已有大量算法对上述问题进行了改进，但改进的小波变换(如小波包变换和离散小波包变换)的仍存在不同程度的频谱泄漏问题。经验模态分解分解信号得到的各本征模态分量容易出现模态混叠现象和端点效应。基于s变换的检测算法得到的幅值频谱结果需对其进行系数修正，且算法计算量大。
5.变分模态分解(vmd)是一种用于自适应和准正交信号分解的非递归分解技术，能够将多分量信号分解为k个本征模态函数(imf)。其中分解尺度k的取值会直接影响信号的检测效果，k取值较小会使模态函数的带宽较大，导致扰动信息提取不完全。相反，k取值较大模态函数带宽小使模态分量的中心频率重叠，产生虚假分量。目前关于vmd算法与电网谐波检测结合的相关研究较少，且大多数研究均采用人为预设分解层数k的值以及对hilbert变换得到的瞬时幅值和频率未做任何处理，存在主观性较强，缺乏科学依据、参数检测精度较低等缺点。


技术实现要素：

6.本发明的目的在于提供一种提高谐波检测精度的自适应vmd检测方法、装置及存储介质，旨在用于提高电网谐波信号的检测精度。
7.本发明是这样实现的：
8.第一方面，本发明提供一种提高谐波检测精度的自适应vmd检测方法，包括以下步骤：
9.对谐波信号p(t)进行归一化处理；
10.将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取最优分解层数k
best
；
11.利用最优分解层数k
best
对信号p(t)进行分解，得到k
best
个本征模态分量c
i
(t)，i＝1,2
…
k
best
；
12.对本征模态分量c
i
(t)进行hilbert变换，得到瞬时幅值a
i
(t)和瞬时频率f
i
(t)；
13.从瞬时幅值a
i
(t)和瞬时频率f
i
(t)中找出最符合信号趋势的波形，对其两端进行处理，端点处理后得到的信号为a
i
(t)'和f
i
(t)'；
14.求取a
i
(t)'和f
i
(t)'的均值，得到各谐波分量的幅值及频率。
15.进一步地，所述将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取最优分解层数k
best
具体包括：
16.将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取不同分解层数各个本征模态函数imf的形状因数求取信号p(t)的形状因数sfr
p(t)
，定义形状因数mevar＝mean(sfr)/var(sfr)，mevar最小值mevar
min
时的分解层数为谐波信号的最优分解层数k
best
。
17.进一步地，所述将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取最优分解层数k
best
的具体过程如下：
18.a)初始化分解层数k＝2，定义最大分解层数k
max
，初始化参数
19.b)根据式更新u
k
；
20.c)根据式更新
21.d)依据更新λ；
22.e)若满足，则停止迭代，若不满则，则返回步骤b)；
23.f)计算k层本征模态函数imf的形状因数以及mevar，其中
24.g)判断k是否等于k
max
，若等于则程序终止，若不等于则k＝k 1，返回步骤b)，最终得到mevar最小值mevar
min
时的分解层数为最优分解层数k
best
。
25.进一步地，所述对本征模态分量c
i
(t)进行hilbert变换，得到瞬时幅值a
i
(t)和瞬时频率f
i
(t)具体包括：
26.对本征模态分量c
i
(t)进行hilbert变换，构造解析信号：
27.28.其中，表示第i个c
i
(t)分量的hilbert变换，τ表示为时间，表示为c
i
(t)分量的瞬时幅值函数，表示为c
i
(t)的瞬时频率。
29.进一步地，所述从瞬时幅值a
i
(t)和瞬时频率f
i
(t)中找出最符合信号趋势的波形，对其两端进行处理中，对瞬时幅值a
i
(t)左端进行处理的具体过程如下：
30.a)寻找出除特征波形外所有三角波形的起始点值a
i
(i)，其对应的时间点为：
[0031][0032]
其中m
′
i
和n
′
i
分别为信号a
i
(t)的极大值和极小值，分别对应的时间为和a
i
(t)的左端点为a
i
(1)，a
i
(1)
‑
m
′1‑
n
′1为特征波形，a
i
(i)
‑
m
′
i
‑
n
′
i
为最匹配波形，当t
a(i)
不在取样点时，采用三次样条插值对其进行处理；
[0033]
b)求取所有特征波形与三角波形的匹配误差，其误差公式为：
[0034]
e(i)＝|m
′
i
‑
m
′1| |n
′
i
‑
n
′1| |a
i
(i)
‑
a
i
(1)|
[0035]
c)得到最小匹配误差mine(i)，将mine(i)所对应的三角波形作为匹配波形，延拓至a
i
(t)的左侧，同理得到a
i
(t)信号右侧的匹配波形，端点处理后得到的信号为a
i
(t)'和f
i
(t)'。
[0036]
第二方面，本发明还提供一种提高谐波检测精度的自适应vmd检测装置，包括：
[0037]
归一化处理模块，用于对谐波信号p(t)进行归一化处理；
[0038]
最优分解层数求取模块，用于将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取最优分解层数k
best
；
[0039]
变分模态分解模块，用于利用最优分解层数k
best
对信号p(t)进行分解，得到k
best
个本征模态分量c
i
(t)，i＝1,2
…
k
best
；
[0040]
hilbert变换模块，用于对本征模态分量c
i
(t)进行hilbert变换，得到瞬时幅值a
i
(t)和瞬时频率f
i
(t)；
[0041]
端点处理模块，用于从瞬时幅值a
i
(t)和瞬时频率f
i
(t)中找出最符合信号趋势的波形，对其两端进行处理，端点处理后得到的信号为a
i
(t)'和f
i
(t)'；
[0042]
幅值及频率获取模块，用于求取a
i
(t)'和f
i
(t)'的均值，得到各谐波分量的幅值及频率。
[0043]
第三方面，本发明还提供一种提高谐波检测精度的自适应vmd检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
[0044]
第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
[0045]
与现有技术相比，本发明具有以下有益效果：
[0046]
本发明提供的这种提高谐波检测精度的自适应vmd检测方法、装置及存储介质，基
于形状参数均值与方差的比值对vmd进行自适应参数优化选择，选取最优分解层数k，利用自适应波形匹配对谐波信号的幅值、频率信息进行端点处理。通过本发明所做的仿真对比实验表明，其谐波分量幅值误差最低能达到0％，频率误差最低能达到0.49％，比未经处理的所得到的谐波分量幅值精度最大提高了6.67％，频率精度最大提高了1.02％。因此本发明具有良好的噪声鲁棒性，能够自适应选取最优分解层数，还能有效抑制瞬时幅值和频率的端点结果失真的问题，能够准确检测电网谐波信号。
附图说明
[0047]
图1为本发明实施例提供的一种提高谐波检测精度的自适应vmd检测方法的流程图；
[0048]
图2为本发明实施例提供的仿真信号、最佳分解层数确定以及vdm分解分量的示意图；
[0049]
图3为本发明实施例提供的瞬时幅值及瞬时频率的示意图；
[0050]
图4为本发明实施例提供的一种提高谐波检测精度的自适应vmd检测装置的方框图。
具体实施方式
[0051]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0052]
如图1所示，本发明实施例提供一种提高谐波检测精度的自适应vmd检测方法，包括以下步骤：
[0053]
1)对谐波信号p(t)进行归一化处理，具体如下：
[0054][0055]
式中，k为采样点，n为采样点总数。
[0056]
2)将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取最优分解层数k
best
；具体包括：
[0057]
将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取不同分解层数各个本征模态函数imf的形状因数求取信号p(t)的形状因数sfr
p(t)
，定义形状因数mevar＝mean(sfr)/var(sfr)，var(sfr)越大，mean(sfr)越小，则mevar越小，表征着imf形状规则，且各个imf之间相关性较小，imf得到了有效分离。mevar最小值mevar
min
时的分解层数为谐波信号的最优分解层数k
best
。其分解过程以及求解公式如下：
[0058]
a)初始化分解层数k＝2，定义最大分解层数k
max
，初始化参数
[0059]
b)根据式更新u
k
；
[0060]
c)根据式更新
[0061]
d)依据更新λ；
[0062]
e)若满足，则停止迭代，若不满则，则返回步骤b)；
[0063]
f)计算k层本征模态函数imf的形状因数以及mevar
min
，其中
[0064]
g)判断k是否等于k
max
，若等于则程序终止，若不等于则k＝k 1，返回步骤b)，最终得到mevar最小值mevar
min
时的分解层数为最优分解层数k
best
。
[0065]
3)利用最优分解层数k
best
对信号p(t)进行分解，得到k
best
个本征模态分量c
i
(t)，i＝1,2
…
k
best
；具体分解如下：
[0066][0067]
4)对本征模态分量c
i
(t)进行hilbert变换，得到瞬时幅值a
i
(t)和瞬时频率f
i
(t)；具体包括：
[0068]
对本征模态分量c
i
(t)进行hilbert变换，构造解析信号：
[0069][0070]
其中，表示第i个c
i
(t)分量的hilbert变换，τ表示为时间，表示为c
i
(t)分量的瞬时幅值函数，表示为c
i
(t)的瞬时频率。
[0071]
5)从瞬时幅值a
i
(t)和瞬时频率f
i
(t)中找出最符合信号趋势的波形，对其两端进行处理，端点处理后得到的信号为a
i
(t)'和f
i
(t)'；本实施例以对瞬时幅值a
i
(t)左端进行处理为例对自适应波形匹配算法进行详细阐述，其具体过程如下：
[0072]
a)寻找出除特征波形外所有三角波形的起始点值a
i
(i)，其对应的时间点为：
[0073][0074]
其中m
′
i
和n
′
i
分别为信号a
i
(t)的极大值和极小值，分别对应的时间为和a
i
(t)的左端点为a
i
(1)，a
i
(1)
‑
m
′1‑
n
′1为特征波形，a
i
(i)
‑
m
′
i
‑
n
′
i
为最匹配波形，当t
a(i)
不在
取样点时，采用三次样条插值对其进行处理；
[0075]
b)求取所有特征波形与三角波形的匹配误差，其误差公式为：
[0076]
e(i)＝|m
′
i
‑
m
′1| |n
′
i
‑
n
′1| |a
i
(i)
‑
a
i
(1)|
[0077]
c)得到最小匹配误差mine(i)，将mine(i)所对应的三角波形作为匹配波形，延拓至a
i
(t)的左侧，同理得到a
i
(t)信号右侧的匹配波形，端点处理后得到的信号为a
i
(t)'和f
i
(t)'。
[0078]
6)求取a
i
(t)'和f
i
(t)'的均值，得到各谐波分量的幅值及频率等特征量。
[0079]
下面以一个具体实施例对本发明的方法进行详细阐述：
[0080]
1)首先构建电网谐波信号的信号模型
[0081]
p(t)＝sin(ωt) a
k1
sin(3ωt) a
k2
sin(5ωt) a
k3
sin(7ωt)
[0082]
式中，ω＝2πf0，f0＝50hz，t为采样时长为0.2s，采样频率f
s
＝3200hz，共采样640点，a
k1
＝0.3，a
k2
＝0.2，a
k2
＝0.15，为了更好的模拟实际电网信号以及检验本算法的抗干扰性，在上述信号模型中加入了35db的白噪声。
[0083]
2)将信号p(t)进行归一化处理得到信号p
g
(t)，对p
g
(t)进行vmd分解，其中α＝1500，τ＝0，ε＝1
×
10
‑6，k
max
＝15,得到mevar
min
。如图2所示，mevar
min
最小时的分解层数为4，其值为2476.9911，图2c)为在最佳分解层数kbest＝4时vmd分解得到的第一个分量(imf1)，imf1为基频分量,第二个分量imf2为5倍频分量，第三个分量imf3为3倍频分量，第四个分量imf4为7倍频分量，由图可知，本发明所提算法自适应选取最优分解层数k，能够有效抑制噪声的干扰，准确提取出各谐波分量。
[0084]
3)利用hilbert变换对各个模态分量求取瞬时幅值和瞬时频率，图3a)和图3c)为未经处理的频率和幅值，由图可知，端点数据出现严重失真，对检测效果影响较大。图3b)和图3d)为利用自适应波形匹配算法对端点经过处理后得到的瞬时幅值和频率，由图可知，处理后的信号波形与原信号的自然趋势相符且连接光滑。
[0085]
4)求取瞬时幅值以及频率的均值，得到谐波分量的幅值及频率信息。由表1可知，自适应波形匹配算法较好的抑制了谐波频率和幅值端点失真的问题，提高谐波分量检测的精确度。
[0086][0087][0088]
表1
[0089]
基于同一发明构思，本发明实施例还提供了一种提高谐波检测精度的自适应vmd检测装置，由于该装置所解决问题的原理与前述实施例的方法相似，因此该装置的实施可
以参见前述方法的实施，重复之处不再赘述。
[0090]
如图4所示，为本发明实施例提供的一种提高谐波检测精度的自适应vmd检测装置，可以用于执行上述方法实施例，该装置包括：
[0091]
归一化处理模块，用于对谐波信号p(t)进行归一化处理；
[0092]
最优分解层数求取模块，用于将信号p(t)进行k层变分模态分解，k＝2,3
…
n 1，求取最优分解层数k
best
；
[0093]
变分模态分解模块，用于利用最优分解层数k
best
对信号p(t)进行分解，得到k
best
个本征模态分量c
i
(t)，i＝1,2
…
k
best
；
[0094]
hilbert变换模块，用于对本征模态分量c
i
(t)进行hilbert变换，得到瞬时幅值a
i
(t)和瞬时频率f
i
(t)；
[0095]
端点处理模块，用于从瞬时幅值a
i
(t)和瞬时频率f
i
(t)中找出最符合信号趋势的波形，对其两端进行处理，端点处理后得到的信号为a
i
(t)'和f
i
(t)'；
[0096]
幅值及频率获取模块，用于求取a
i
(t)'和f
i
(t)'的均值，得到各谐波分量的幅值及频率。
[0097]
本发明实施例还提供一种提高谐波检测精度的自适应vmd检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
[0098]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
[0099]
综上所述，本发明提供的这种提高谐波检测精度的自适应vmd检测方法、装置及存储介质，基于形状参数均值与方差的比值对vmd进行自适应参数优化选择，选取最优分解层数k，利用自适应波形匹配对谐波信号的幅值、频率信息进行端点处理。通过本发明所做的仿真对比实验表明，其谐波分量幅值误差最低能达到0％，频率误差最低能达到0.49％，比未经处理的所得到的谐波分量幅值精度最大提高了6.67％，频率精度最大提高了1.02％。因此本发明具有良好的噪声鲁棒性，能够自适应选取最优分解层数，还能有效抑制瞬时幅值和频率的端点结果失真的问题，能够准确检测电网谐波信号。
[0100]
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
[0101]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。