基于最优小波基和改进小波阈值函数的电能数据降噪方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115618204A(43)申请公布日2023.01.17(21)申请号202211299583.3(22)申请日2022.10.21(71)申请人浙江工业大学地址310000浙江省杭州市拱墅区潮王路18号(72)发明人南余荣徐勇王满意潘聪南方瑶赵士超(74)专利代理机构浙江千克知识产权代理有限公司33246专利代理师周帅(51)Int.Cl.G06F18/10(2023.01)G06F18/2131(2023.01)权利要求书2页说明书10页附图6页(54)发明名称基于最优小波基和改进小波阈值函数的电能数据降噪方法(57)摘要本发明提出一种基于最优小波基和改进小波阈值函数的直流电能数据降噪方法。首先依据噪声功率和噪声功率差确定采样信号在不同小波基下的最佳分解层数，在此基础上利用信噪比、均方根误差、互相关性作为评判指标，确定最优小波基。然后，选择最优小波基对采样信号进行最佳层数分解，获得一组小波系数。利用本发明中的改进阈值函数和阈值选取准则对各层细节系数和最后一层近似系数进行阈值量化处理。最后将剩余系数进行逆小波变换，获得降噪信号。实验证明，最优小波基和分解层数选取方法具有可行性，并且本发明相较于传统阈值函数降噪效果更佳，更有利于保留信号特征，可以较好的滤除直流电能信号中的噪声分量，提高电能计量精确度。CN115618204ACN115618204A权利要求书1/2页1.基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，包括步骤：步骤1:以采样频率fs对电能数据采样，记为源信号s(n)，源信号s(n)＝x(n)+noise(n)，其中x(n)为纯净信号，noise(n)为噪声信号；步骤2：根据评判指标计算多个小波基的最优分解层数；步骤3：计算在最优分解层数下的多个小波基的去噪性能，获得最佳去噪性能的最优小波基；步骤4：选取按最优分解层分层的最优小波基对源信号进行分解，获得每个分解层的细节系数cDj和最大分解层的近似系数cAj；步骤5：计算各分解层的细节系数的局部阈值thrj，并估计最大分解层的近似系数阈值；步骤6：根据局部阈值和近似系数阈值生成小波阈值函数，根据生成的小波阈值函数压缩源信号的小波系数；步骤7：对经过小波阈值函数处理过的源信号经小波逆变换后获得重构源信号，电能数据降噪处理完成。2.根据权利要求1所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，所述步骤2中，所述评判指标包括噪声功率Pnoise和噪声功率差ΔPi，所述噪声功率Pnoise和噪声功率差ΔPi的公式分别表示为：其中N为信号采样点长度，yi(n)为降噪后信号，i为小波基编号，x(n)＝y0(n)为纯净信号。3.根据权利要求2所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，所述步骤2中，包括步骤；步骤21：计算同一个小波基在多个分解层数下的噪声功率；步骤22：对噪声功率排序后计算相邻噪声功率的噪声功率差；步骤23：选取最小噪声功率差min(Δpi)以及涉及相应计算中的较小的噪声功率；步骤24：将较小噪声功率所在分解层作为最优分解层；步骤25：重复步骤21至步骤24确定其余小波基的最优分解层。4.根据权利要求1所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，所述步骤3包括步骤：步骤31：对最优分解层数下的多个小波基评价性能评判指标，获得性能指标数据；步骤32：对性能指标数据进行正向化和标准化处理，获得调整后的性能指标数据；步骤33：计算调整后的性能指标数据的信息熵；步骤34：依据信息熵计算各性能评判指标的权重；步骤35：根据权重评价去噪性能，确定最优小波基。5.根据权利要求4所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，所述性能评判指标包括降噪过程中的降噪数据的均方根误差和信噪比，以及2CN115618204A权利要求书2/2页降噪数据与原始数据的互相关性。6.根据权利要求1所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，步骤5所述的局部阈值函数表示thrj为：式中，j∈Z，Nj为各分解层系数的数据长度，m为阈值调节系数，为噪声方差，其中wj,k＝{cD1,kcD2,k…cDj,kcAj,k}为第j层中最大小波熵子带的第k个小波系数。7.根据权利要求6所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，阈值调节系数m的公式分别为：其中，wj,k为第j层中最大小波熵子带的第k个小波系数。8.根据权利要求7所述的基于最优小波基和改进小波阈值函数的电能数据降噪方法，其特征在于，在步骤5中，计算最大分解层的近似系数的峰和比，确定所述近似系数的峰和比最为接近的细节系