基于局部均值分解和排列熵的电能质量信号去噪方法与流程

1.本发明涉及一种基于局部均值分解和排列熵的电能质量信号去噪方法，属于电能信号处理技术领域。


背景技术：

2.随着清洁能源广泛地接入电网，其渗透率不断提高，使原有的电能质量问题日益严重。由于电气设备运行时自身内部和外部环境的影响，造成采集的电能质量信号混有不同程度的噪声干扰，导致需要分析的扰动特征被噪声淹没。对噪声信号的识别，不仅有利于提高监测装置的工作效率，还利于后续的电能质量扰动识别。
3.目前关于去噪的方法主要有傅里叶变换法、小波变换法、经验模态分解法等。这些方法有一定的去除噪声的效果，但是也存在一定的缺点。如傅里叶变换法无法精细地描述信号的时频特性，小波变化法在小波基函数和阈值地选取上对去噪效果有很大的影响。经验模态分解将非平稳信号分解为若干本征模态信号，可以求得完整的时频谱。但是其在求取信号上下包络时容易形成过包络和欠包络，破坏信号细节的构建。局部均值分解在分解迭代时采用局部均值函数和局部包络函数避免该类误差，但是仍存在端点效应等问题。这些单一方法都难以精确去噪以重构电能质量原始信号。


技术实现要素：

4.为了克服上述问题，本发明提供一种基于局部均值分解和排列熵的电能质量信号去噪方法、系统及存储介质，该方法基于动态时间规整距离来匹配电能质量信号段之间的相似度，从原始信号内部找出最符合信号趋势的波形对电能质量端点信号进行延拓，最大限度地维护信号的内在趋势；基于局部均值分解，对延拓后的电能质量信号进行分解，得到多个分解的乘积函数信号，由于这些信号中包含噪声，且噪声的随机性和波动性强，利用排列熵计算这些信号的复杂程度，根据排列熵的大小提取出噪声含量大的乘积函数信号；对这些信号进行小波分解，采用改进后的阈值函数滤除噪声的小波分解系数，并进行小波重构得到滤波后的乘积函数信号，再将乘积函数信号重构得到去噪后的电能质量信号。
5.本发明的技术方案如下：
6.第一方面
7.一种基于局部均值分解和排列熵的电能质量信号去噪方法，包括：
8.基于动态时间规整距离匹配电能质量信号段之间的相似度，从原始信号内部找到最符合信号趋势的波形对电能质量端点信号进行延拓；
9.对延拓后的电能质量信号进行分解，得到多个分解的乘积函数信号；
10.计算所述乘积函数信号的排列熵，根据排列熵的大小提取出噪声含量大的乘积函数信号；
11.对噪声含量大的乘积函数信号进行小波分解，滤除噪声的小波分解系数，并进行小波重构，得到滤波后的乘积函数信号；
12.将经过小波变换滤波后的乘积函数信号重构，得到去噪后的电能质量信号。
13.进一步的，所述基于动态时间规整距离匹配电能质量信号段之间的相似度，从原始信号内部找到最符合信号趋势的波形对电能质量端点信号进行延拓，最大限度地维护信号的内在趋势，具体为：
14.采用最值归一化方法对实测得到的电能质量信号进行归一化处理，得到电能质量信号g(t)；
15.将电能质量信号的极大值记为m
ii
，其中，i＝1，2，3，
…
；
16.将极大值mi左侧的极小值记为n
i-1
，极大值mi右侧的极小值记为ni，将极小值n
i-1
到极小值ni之间的波形记为供匹配波形，得到供匹配波形集{li}，其中，}，其中，为第i段供匹配波形集的电能质量信号数据，m为第i段共匹配波形集包含的电能质量信号个数；
17.将最接近信号右侧端点的一段供匹配波形记为待匹配波形将所述待匹配波形从所述供匹配波形集中删除；
18.利用动态时间规整距离算法计算所述待匹配波形和所述供匹配波形集中的各个波形的相似度，取原始信号内最符合信号趋势的波形对电能质量端点信号进行延拓。
19.进一步的，所述利用动态时间规整距离算法计算所述待匹配波形和所述供匹配波形集中的各个波形的相似度，将原始信号内最符合信号趋势的波形对电能质量端点信号进行延拓，具体为：
20.记距离矩阵am×n＝(a
kp
)m×n，其中，矩阵元素采用欧氏距离得到：
[0021][0022]
令w＝{w1,w2,
…
,w
t
,
…
,wc}为待匹配波形l
l
和供匹配波形li的动态时间弯曲路径，其中，w
t
＝(a
ij
)
t
，为所述动态时间弯曲路径上的第t个元素；
[0023]
所述距离矩阵满足：
[0024]
max(m,n)≤c≤m n-1；
[0025]
w1＝a
11
，wc＝a
mn
；
[0026]
若w
t
＝a
ij
，w
t 1
＝a
i’j’，则需满足：
[0027][0028]
其中c为弯曲路径向量w的维数；
[0029]
在所有的动态时间弯曲路径中，根据以下公式确定待匹配波形和供匹配波形的动态时间弯曲距离di(l
l
，li)：
[0030][0031]
将最小的动态时间弯曲距离di对应的供匹配波形作为电能质量端点信号右侧波形的延拓。
[0032]
进一步的，所述对延拓后的电能质量信号进行分解，得到多个分解的乘积函数信号，具体为：
[0033]
s1、根据经过延拓的电能质量信号g
′
(t)，得到电能质量信号g
′
(t)的所有局部极
值点ri；
[0034]
计算相邻极值点之间的局部平均值zi及其对应的时刻
[0035][0036]
s2、计算相邻极值点的局部包络值bi及其对应的时刻
[0037][0038]
s3、根据局部平均值zi及其对应的时刻得到局部平均值点；
[0039]
将所述局部平均值点连接后进行平滑处理，得到局部均值函数h
11
(t)；
[0040]
根据局部包络值bi及其对应的时刻得到局部包络点；
[0041]
将所述局部包络点连接后进行平滑处理，得到局部包络估计函数s
11
(t)；
[0042]
s4、从所述电能质量信号g
′
(t)中分离出局部均值函数h
11
(t)，得到零均值信号x
11
(t)；
[0043]
对所述零均值信号x
11
(t)按照下式进行解调：
[0044]
x
11
()＝g
′
(t)-11
(t)；
[0045][0046]
s5、判断v
11
(t)是否为纯调频函数，若是，则按照下式输出电能质量信号的乘积函数分量pf1：
[0047]
pf1＝s
11
(t)v
11
(t)；
[0048]
若否，则反复迭代步骤s1～s4，直到得到纯调频信号v
1n
(t)，在迭代过程中，生成的零均值信号如下式：
[0049][0050]
将整个迭代过程中产生的局部包络估计函数相乘，得到包络信号s1(t)：
[0051]
s1(t)＝s
11
(t)s
12
(t)
…s1n
(t)；
[0052]
电能质量信号的乘积函数分量pf1为：
[0053]
pf1(t)＝s1(t)v
1n
(t)；
[0054]
s6、从电能质量信号中分离出乘积函数分量pf1，得到信号g
′1(t)；
[0055]
s7、将信号g
′1(t)作为电能质量信号，并重复迭代步骤s1～s6，直到得到的信号g
′y(t)为单调函数，其中y为迭代次数；
[0056]
在迭代过程中，生成的信号如下：
[0057][0058]
s8、根据步骤s1～s7，将电能质量信号g
′
(t)分解为y个乘积函数信号和一个误差信号g
′y(t)，如下式：；
[0059][0060]
进一步的，计算所述乘积函数信号的排列熵，根据排列熵的大小提取出噪声含量大的乘积函数信号，具体为：
[0061]
对第p个乘积函数信号进行相空间重构，得到第p个乘积函数信号的重构时间序列矩阵：
[0062][0063]
其中，ω为截取序列片段的长度，δτ为序列点之间的采样间隔，tk为乘积信号函数的时间长度；
[0064]
对重构时间序列矩阵的各行按照递增重新排列，得到新的序列，对应排序的索引值构成k组符号向量，其中不重复的符号向量有d组；
[0065]
计算不重复的符号向量出现的次数与对应的全排列符号向量的比值，得到不重复的符号向量出现的概率pz，其中z＝1,2,3，
…
，d；
[0066]
计算乘积函数pf
p
(t)的排列熵
[0067][0068]
对各乘积函数信号的排列熵进行归一化：
[0069][0070]
根据以上的过程，计算所有的乘积函数信号的排列熵，并提取大于常数β所对应的乘积函数信号。
[0071]
进一步的，对噪声含量大的乘积函数信号进行小波分解，滤除噪声的小波分解系数，并进行小波重构，得到滤波后的乘积函数信号中，采用基于改进函数的小波变换去噪，具体为：
[0072]
将所述乘积函数信号pf
p
(t)进行小波变换，得到一组小波系数：
[0073][0074]
其中，为小波函数，λ为小波伸缩变量，τ为小波位移变量；
[0075]
对小波系数w
λ,τ
进行阈值处理，得到小波系数w
′
λ,τ
，阈值函数公式如下：
[0076][0077]
其中，ψ为阈值，a0、a1、a2、q和ξ为常数；
[0078]
进行小波反变换，得到滤波后的乘积函数信号pf
′
p
(t)：
[0079][0080]
其中，l为常数。
[0081]
进一步的，将经过小波变换滤波后的乘积函数信号重构，得到去噪后的电能质量信号g
″
(t)，按照下式进行：
[0082][0083]
第二方面
[0084]
一种基于局部均值分解和排列熵的电能质量信号去噪系统，包括数据获取单元，数据处理单元和数据输出单元；
[0085]
所述数据获取单元获取待去噪的电能质量信号；
[0086]
所述数据处理单元按照第一方面中所述基于局部均值分解和排列熵的电能质量信号去噪方法对待去噪的电能质量信号进行去噪；
[0087]
所述数据输出单元输出去噪后的电能质量信号。
[0088]
进一步的，还包括数据存储单元，所述数据存储单元用于存储待去噪的电能质量信号及其对应的去噪后的电能质量信号。
[0089]
第三方面
[0090]
一种存储介质，存储的计算机程序在执行时实现如第一方面中所述基于局部均值分解和排列熵的电能质量信号去噪方法，对电能质量信号进行去噪。
[0091]
本发明具有如下有益效果：
[0092]
本发明采用动态时间规整距离方法来匹配波形和波形延拓，能很好地适应待匹配波形之间的长度不一致情况。通过波形延拓后的信号作为输入，采用局部均值分解算法有效地避免了处理信号上下包络时过包络或欠包络带来的误差和端点效应问题。同时，由于噪声的随机性较大，对应的排列熵更大，计算乘积信号函数的排列熵，提取排列熵大的信号进行去噪，减轻对有效信号的破坏。采用改进的小波变换对乘积信号函数进行去噪，阈值结合了传统的软、硬阈值的优势，减小去噪过程中的误差，保证最大程度地还原原始信号。
附图说明
[0093]
图1为本发明方法的流程图。
具体实施方式
[0094]
下面结合附图和具体实施例来对本发明进行详细的说明。
[0095]
第一方面
[0096]
参考图1，一种基于局部均值分解和排列熵的电能质量信号去噪方法，包括：
[0097]
基于动态时间规整距离匹配电能质量信号段之间的相似度，从原始信号内部找到
最符合信号趋势的波形对电能质量端点信号进行延拓，从而最大限度的维护信号的内在趋势；
[0098]
对延拓后的电能质量信号进行分解，得到多个分解的乘积函数信号；
[0099]
由于此时信号中包含噪声，且噪声的随机性和波动性强，所述需要计算所述乘积函数信号的排列熵，根据排列熵的大小提取出噪声含量大的乘积函数信号；
[0100]
对噪声含量大的乘积函数信号进行小波分解，滤除噪声的小波分解系数，并进行小波重构，得到滤波后的乘积函数信号；
[0101]
将所述乘积函数信号重构，得到去噪后的电能质量信号。
[0102]
实施例一
[0103]
一种基于局部均值分解和排列熵的电能质量信号去噪方法，在实施例一的基础上，所述基于动态时间规整距离匹配电能质量信号段之间的相似度，从原始信号内部找到最符合信号趋势的波形对电能质量端点信号进行延拓，最大限度地维护信号的内在趋势，具体为：
[0104]
采用最值归一化方法对实测得到的电能质量信号进行归一化处理，得到电能质量信号g(t)；
[0105]
将电能质量信号的极大值记为mi，其中，i＝1，2，3，
…
；
[0106]
将极大值mi左侧的极小值记为n
i-1
，极大值mi右侧的极小值记为ni，将极小值n
i-1
到极小值ni之间的波形记为供匹配波形，得到供匹配波形集{li}，其中，}，其中，为第i段供匹配波形集的电能质量信号数据，m为第i段共匹配波形集包含的电能质量信号个数；
[0107]
将最接近信号右侧端点的一段供匹配波形记为待匹配波形将所述待匹配波形从所述供匹配波形集中删除；
[0108]
利用动态时间规整距离算法计算所述待匹配波形和所述供匹配波形集中的各个波形的相似度，取原始信号内最符合信号趋势的波形对电能质量端点信号进行延拓。
[0109]
通过波形延拓后的信号作为输入，能有效避免端点效应问题。
[0110]
在本发明的一种实施方式中，所述利用动态时间规整距离算法计算所述待匹配波形和所述供匹配波形集中的各个波形的相似度，将原始信号内最符合信号趋势的波形对电能质量端点信号进行延拓，具体为：
[0111]
记距离矩阵am×n＝(a
kp
)m×n，其中，矩阵元素采用欧氏距离得到：
[0112][0113]
令w＝{w1,w2,
…
,w
t
,
…
,wc}为待匹配波形l
l
和供匹配波形li的动态时间弯曲路径，其中，w
t
＝(a
ij
)
t
，为所述动态时间弯曲路径上的第t个元素；
[0114]
所述距离矩阵满足：
[0115]
max(m,n)≤c≤m n-1；
[0116]
w1＝a
11
，wc＝a
mn
；
[0117]
若w
t
＝a
ij
，w
t 1
＝a
i’j’，则需满足：
[0118]
[0119]
其中c为弯曲路径向量w的维数；
[0120]
在所有的动态时间弯曲路径中，根据以下公式确定待匹配波形和供匹配波形的动态时间弯曲距离di(l
l
，li)：
[0121][0122]
将最小的动态时间弯曲距离di对应的供匹配波形作为电能质量端点信号右侧波形的延拓。
[0123]
采用动态时间规整距离方法来匹配波形和波形延拓，能很好地适应待匹配波形之间的长度不一致情况。
[0124]
实施例二
[0125]
一种基于局部均值分解和排列熵的电能质量信号去噪方法，在实施例一的基础上，所述对延拓后的电能质量信号进行分解，得到多个分解的乘积函数信号，具体为：
[0126]
s1、根据经过延拓的电能质量信号g
′
(t)，得到电能质量信号g
′
(t)的所有局部极值点ri；
[0127]
计算相邻极值点之间的局部平均值zi及其对应的时刻
[0128][0129]
s2、计算相邻极值点的局部包络值bi及其对应的时刻
[0130][0131]
s3、根据局部平均值zi及其对应的时刻得到局部平均值点；
[0132]
将所述局部平均值点连接后进行平滑处理，得到局部均值函数h
11
(t)；
[0133]
根据局部包络值bi及其对应的时刻得到局部包络点；
[0134]
将所述局部包络点连接后进行平滑处理，得到局部包络估计函数s
11
(t)；
[0135]
s4、从所述电能质量信号g
′
(t)中分离出局部均值函数h
11
(t)，得到零均值信号x
11
(t)；
[0136]
对所述零均值信号x
11
(t)按照下式进行解调：
[0137]
x
11
(t)＝g
′
(t)-11
(t)；
[0138][0139]
s5、判断v
11
(t)是否为纯调频函数，若是，则按照下式输出电能质量信号的乘积函数分量pf1：
[0140]
pf1＝s
11
(t)v
11
(t)；
[0141]
若否，则反复迭代步骤s1～s4，直到得到纯调频信号v
1n
(t)，在迭代过程中，生成的零均值信号如下式：
[0142][0143]
将整个迭代过程中产生的局部包络估计函数相乘，得到包络信号s1(t)：
[0144]
s1(t)＝s
11
(t)s
12
(t)
…s1n
(t)；
[0145]
电能质量信号的乘积函数分量pf1为：
[0146]
pf1(t)＝s1(t)v
1n
(t)；
[0147]
s6、从电能质量信号中分离出乘积函数分量pf1，得到信号g
′1(t)；
[0148]
s7、将信号g
′1(t)作为电能质量信号，并重复迭代步骤s1～s6，直到得到的信号g
′y(t)为单调函数，其中y为迭代次数；
[0149]
在迭代过程中，生成的信号如下：
[0150][0151]
s8、根据步骤s1～s7，将电能质量信号g
′
(t)分解为y个乘积函数信号和一个误差信号g
′y(t)，如下式：；
[0152][0153]
局部均值分解方法是一种基于经验模态分解方法发展而来的时频分解方法，能够从原信号中更加合理地自适应分解出符合信号固有时频属性的稳态子波成分，对避免处理信号时过包络、欠包络等带来的误差，减少了迭代次数，提高了运算效率。
[0154]
在本发明的一种实施方式中，计算所述乘积函数信号的排列熵，根据排列熵的大小提取出噪声含量大的乘积函数信号，具体为：
[0155]
对第p个乘积函数信号进行相空间重构，得到第p个乘积函数信号的重构时间序列矩阵：
[0156][0157]
其中，ω为截取序列片段的长度，即嵌入维数，δτ为序列点之间的采样间隔，即延迟时间，tk为乘积信号函数的时间长度；
[0158]
对重构时间序列矩阵的各行按照递增重新排列，得到新的序列，对应排序的索引值构成k组符号向量，其中不重复的符号向量有d组；
[0159]
计算不重复的符号向量出现的次数与对应的全排列符号向量的比值，得到不重复的符号向量出现的概率pz，其中z＝1,2,3，
…
，d；
[0160]
计算乘积函数pf
p
(t)的排列熵
[0161][0162]
对各乘积函数信号的排列熵进行归一化：
[0163][0164]
根据以上的过程，计算所有的乘积函数信号的排列熵，并提取大于常数β所对应的乘积函数信号。
[0165]
排列熵作为衡量时间序列复杂程度的指标，越规则的时间序列，对应的排列熵越小；越复杂的时间序列，对应的排列熵越大。噪声的随机性较大，对应的排列熵更大，计算乘积信号函数的排列熵，提取排列熵大的信号进行去噪，减轻对有效信号的破坏。
[0166]
在本发明的一种实施方式中，对噪声含量大的乘积函数信号进行小波分解，滤除噪声的小波分解系数，并进行小波重构，得到滤波后的乘积函数信号中，采用基于改进函数的小波变换去噪，具体为：
[0167]
将所述乘积函数信号pf
p
(t)进行小波变换，得到一组小波系数：
[0168][0169]
其中，为小波函数，λ为小波伸缩变量，τ为小波位移变量；
[0170]
对小波系数w
λ,τ
进行阈值处理，得到小波系数w
′
λ,τ
，阈值函数公式如下：
[0171][0172]
其中，ψ为阈值，a0、a1、a2、q和ξ为常数；
[0173]
进行小波反变换，得到滤波后的乘积函数信号pf
′
p
(t)：
[0174][0175]
其中，l为常数。
[0176]
采用改进的小波变换对乘积信号函数进行去噪，阈值结合了传统的软、硬阈值的优势，减小去噪过程中的误差，保证最大程度地还原原始信号。
[0177]
在本发明的一种实施方式中，将所述乘积函数信号重构，得到去噪后的电能质量信号g
″
(t)，按照下式进行：
[0178][0179]
第二方面
[0180]
一种基于局部均值分解和排列熵的电能质量信号去噪系统，包括数据获取单元，数据处理单元和数据输出单元；
[0181]
所述数据获取单元获取待去噪的电能质量信号；
[0182]
所述数据处理单元按照第一方面中所述基于局部均值分解和排列熵的电能质量信号去噪方法对待去噪的电能质量信号进行去噪；
[0183]
所述数据输出单元输出去噪后的电能质量信号。
[0184]
在本发明的一种实施方式中，还包括数据存储单元，所述数据存储单元用于存储
待去噪的电能质量信号及其对应的去噪后的电能质量信号。
[0185]
第三方面
[0186]
一种存储介质，存储的计算机程序在执行时实现如第一方面所述基于局部均值分解和排列熵的电能质量信号去噪方法，对电能质量信号进行去噪。
[0187]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。