本发明涉及电采集系统故障诊断领域，具体地说是一种基于小波包奇异熵的费控故障智能诊断方法。
背景技术：
实时费控是国网公司主推的一项营业电力业务，涉及面广，时效性强，提高实时费控业务的成功率、及时率，对提高和改进客户服务质量具有重大的意义。
用电信息采集系统是一个异构的广域网络，具有很高的复杂性。在用电信息采集系统上执行的费控指令有可能由于多种原因导致执行失败，目前对于费控失败的用户尚没有好的故障定位方法和技术支撑手段，但随着用电采集系统建设规模的不断扩大和业务应用的不断深化，实时费控已成为提升用户用电质量，排除人工抄表误差，增强用电管控效率的重点工作。而目前采用的现场PDA停复电的方式虽然可以实现表计的费控停复电，但并未分析系统费控失败的具体原因，无法从根源上定位故障节点，排查故障原因，只能实现用电数据的简单分析，分析角度单一，缺乏整体性、关联性，无法对采集设备的运行状态进行在线实时分析及推理，对实时费控的支撑力度有限这种治标不治本的方式导致失败的用户可能每次都要运维人员现场停复电，这大大加重了现场运维人员的工作负担。
技术实现要素：
本发明是为了解决目前现场PDA停复电的方式实现表计的费控无法从根源上定位故障节点，排查故障原因的问题。
当用电信息系统发生故障时，首先是故障元件的电气量信息发生变化，采用电气量信息可以最快实现系统故障诊断。将用电信息采集数据进行小波变换，通过相关系数滤噪处理，以此来重构信号，采用奇异熵算法对重构的信号进行奇异熵分析。与传统的小波分析方法对比，该方法具有算法简单，编程易实现，不存在小波基选取困难问题，能够满足在线故障诊断的要求，这为费控故障信号分析提供了新的思路。
本发明采用的技术方案是：一种基于小波包奇异熵的费控故障智能诊断方法，包括含噪数据信号降噪处理以及通过信号的奇异熵算法得出熵值判断费控系统的故障；其特征在于包括如下步骤：
步骤一：采集用电信息系统实时数据；
步骤二：将含噪数据信号进行小波分解；
步骤三：相关系数法滤波；
步骤四：小波分解重构；
步骤五：通过信号的奇异熵算法得出熵值判断费控系统的故障。
进一步的，，所述步骤二中的小波分解同时在低频和高频部分进行分解，自适应地确定信号在不同频段的分辨率，使之与信号频谱相匹配，从而提高时频分辨率，小波包分解算法为：
f(t)为时间信号，表示第j层上的第i个小波包。H、G为小波分解滤波器。H是与尺度有关的函数，G是与小波有关的函数，t为时间，k为取样序列。
进一步的，所述小波系数重构的算法为：
式中，j＝0,1....n,为分解层数，i＝1,2,....,2j-1,2j，h，g为小波重构滤波器，H是与尺度有关的函数，G是与小波有关的函数，t为时间，k为取样序列。
进一步的，所述相关系数法滤波中，相关系数定义为：
式中，E[·]表示数学期望，μx和μy分别为原始信号x和y的均值，σx和σy分别为原始信号x和y的标准差。
进一步的，所述步骤5的具体方法如下：
(1)设Dj(n)为原信号f(t)在不同频段下的分量，将原信号在m个不同尺度的分解结果Dj(n)构成一个(m+1)×n的矩阵D(m+1)×n，根据信号的奇异分解理论，D(m+1)×n可分解为形式为：
对角阵Λ的主对角元素λj(j＝1,2...,l)即所求的奇异值；
(2)小波奇异熵为
其中
Δpi为第j阶增量的小波奇异熵，K为λj中非零元素个数；
(3)根据奇异熵和设定的阈值进行费控系统故障诊断；ε为根据样本训练得到的系统故障阈值；
当奇异熵WSEK＞ε,费控系统出现故障。
本发明的有益效果和特点是：该方法具有算法简单，编程易实现，不存在小波基选取困难问题，能够满足在线故障诊断的要求。
附图说明
图1为本发明较佳实施例的整体流程图；
具体实施方式
下面结合附图对本发明进行进一步说明：
请参照图1，一种基于小波包奇异熵的费控故障智能诊断方法，包括含噪数据信号降噪处理以及通过信号的奇异熵算法得出熵值判断费控系统的故障；包括如下步骤：
步骤一：采集用电信息系统实时数据；
步骤二：将含噪数据信号进行小波分解；
步骤三：相关系数法滤波；
步骤四：小波系数重构；
步骤五：通过信号的奇异熵算法得出熵值判断费控系统的故障。
所述步骤二中的小波分解同时在低频和高频部分进行分解，自适应地确定信号在不同频段的分辨率，使之与信号频谱相匹配，从而提高时频分辨率，小波包分解算法为：
f(t)为时间信号，表示第j层上的第i个小波包。H、G为小波分解滤波器。H是与尺度有关的函数，G是与小波有关的函数，t为时间，k为取样序列。
所述小波系数重构的算法为：
式中，j＝0,1....n,为分解层数，i＝1,2,....,2j-1,2j，h，g为小波重构滤波器，H是与尺度有关的函数，G是与小波有关的函数，t为时间，k为取样序列。
所述相关系数法滤波中(噪声信号与原信号的相关性很小，因此可以通过相关系数来辨别噪声信号分量)相关系数定义为：
式中，E[·]表示数学期望，μx和μy分别为原始信号x和y的均值，σx和σy分别为原始信号x和y的标准差。
所述步骤5的具体方法如下：
(1)设Dj(n)为原信号f(t)在不同频段下的分量，将原信号在m个不同尺度的分解结果Dj(n)构成一个(m+1)×n的矩阵D(m+1)×n，根据信号的奇异分解理论，D(m+1)×n可分解为形式为：
对角阵Λ的主对角元素λj(j＝1,2...,l)即所求的奇异值；
(2)小波奇异熵为
其中
Δpi为第j阶增量的小波奇异熵，K为λj中非零元素个数；
(3)根据奇异熵和设定的阈值进行费控系统故障诊断；ε为根据样本训练得到的系统故障阈值；
当奇异熵WSEK＞ε,费控系统出现故障。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的结构关系及原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。