一种基于改进小波阈值函数的电能质量信号去噪方法与流程

本发明涉及电能质量信号去噪方法，特别是一种基于改进小波阈值函数的电能质量信号去噪方法。

背景技术

近年来，随着各种电力电子器件的广泛使用及非线性、冲击性、波动性负荷的不断增加，由此带来的电能质量问题越来越引起电力部门和电力用户的高度重视，那么如何准确、快速、有效地检测各种类型的电能质量事件显得尤为重要。

然而在实际应用中，利用监测与数据采集设备获取的电能质量信号会因设备运行内、外部条件变化等原因引入随机噪声；另外，在测量和信道传输数据时，电能质量信号也会被噪声污染。噪声的存在会恶化扰动检测和识别方法的有效性，有时甚至会使它们失效。因此近年来关于电能质量信号去噪的研究也引起高度重视。

电能质量信号去噪的难点是在有效去除噪声的同时，保留原始信号的局部特征信息。近年来，国内外对电能质量信号去噪问题已经展开广泛而深入的研究和探讨，涌现了大量的去噪方法，如线性滤波技术去噪、高斯滤波技术去噪、emd分解技术去噪、小波阈值技术去噪、似然比判决准则去噪、数学形态法、奇异值分解去噪、s变换去噪法等，这些方法各有利弊，但均无法克服电能质量信号去噪的难点。线性滤波技术只针对高斯噪声有明显的平滑去噪作用，而对于常见的突变的信号特征如异于高斯分布的信号和高频分量，却无法达到很好的去噪效果，甚至会对突变信息模糊化从而使有效的信号发生失真。高斯滤波技术需要进行多次迭代运算。emd分解技术主要用于处理非线性或非平稳信号，不适用于平稳信号的固定参数提取。似然比判决准则去噪，需要预先进行突变点判决找到突变点位置，然而在噪声强度较高的情况下，突变点位置的确定将十分困难，从而影响去噪效果。对于数学形态法，由于实际脉冲信号的宽度未知，其形态滤波器可能会将脉冲扰动误当成噪声滤掉。奇异值分解去噪法的平滑效果较差，重构信号中噪声含量偏大。

小波阈值去噪法是由d.l.donoho于1995年提出的一种基于小波变换去噪法的一种改进去噪方法，这种方法可以在有效去噪的同时，保留原始信号突变点信息，得到了许多学者的认可、关注及进一步的研究。针对传统小波软阈值、硬阈值函数去噪的不足，提出了许多的改进阈值函数，但均存在如下问题，如去噪后信号在高频处仍然存在信号模糊的现象、计算量较大等，均无法解决在有效去噪的同时最大程度保留原始信号的局部特征信息。

技术实现要素：

有鉴于此，本发明的目的是提出一种基于改进小波阈值函数的电能质量信号去噪方法，可以在有效去噪的同时最大程度保留原始信号的局部特征信息。

本发明采用以下方案实现：一种基于改进小波阈值函数的电能质量信号去噪方法，包括以下步骤：

步骤s1：采集原始电能质量信号；

步骤s2：对步骤s1采集的原始电能质量信号进行预处理，并加入高斯白噪声(由于电能质量信号中夹杂的噪声信号是符合高斯分布的高斯白噪声信号)，得到一维染噪电能质量模拟信号f(t)；

步骤s3：对步骤s2获得的一维染噪电能质量模拟信号f(t)进行3层小波分解，得到一组小波系数ωj,k；

步骤s4：采用统一阈值法计算出阈值，并利用该阈值与改进的小波阈值函数对步骤s3得到的一组小波系数ωjk进行阈值量化处理，得到估计小波系数

步骤s5：对阈值量化处理后的第1层到第3层的估计小波系数中的高频小波系数和第3层的估计小波系数中的低频小波系数实行小波逆变换，进行信号重构，得到重构信号

进一步地，步骤s1中，所述原始电能质量信号包括电压暂降的电能质量信号、电压暂升的电能质量信号、电压中断的电能质量信号。本发明利用利用监测与数据采集设备获取电能质量信号。

进一步地，步骤s2中，所述预处理包括对获得的原始电能质量信号进行时间段的截取与幅值处理。

进一步地，步骤s3中采用db3小波基函数对一维染噪电能质量模拟信号f(t)进行3层小波分解。

进一步地，步骤s4具体包括以下步骤：

步骤s41：采用统一阈值法对步骤s2得到的一维染噪电能质量模拟信号f(t)进行计算，得到相应的阈值t，具体采用下式：

式中，n为信号的采样长度，σ为噪声信号的标准差；

步骤s42：将步骤s3中得到的一组小波系数ωj,k带入到改进的小波阈值函数表达式中，对ωjk进行阈值量化处理，得到估计小波系数其中，改进的小波阈值函数表达式为：

式中，sgn为符号函数，ξ表示加权因子。

进一步地，步骤s42中，为了解决传统小波软阈值函数与硬阈值函数去噪后造成的小波系数偏差、“伪吉布斯”现象等问题，所述加权因子的取值为：

这样在去噪过程中随着原始信号频率的变化，小波变换后的系数也随之变化，改进的阈值函数始终介于软、硬阈值函数之间，可使去噪后的小波估计系数最大化地接近有效信号的小波系数。

较佳的，步骤s42还包括，使的值达到最小。

与现有技术相比，本发明有以下有益效果：本发明提出的改进后的小波阈值函数克服了传统小波阈值函数处理造成的“伪吉布斯”现象、小波系数偏差等问题，弥补了小波软、硬阈值去噪的缺点，其适应性更强。本发明可以在有效去噪的同时最大程度保留原始信号的局部特征信息。

附图说明

图1为本发明实施例的方法流程示意图。

图2为本发明实施例的改进阈值函数的去噪特性曲线图。

图3为本发明实施例的使用软阈值、硬阈值、折中阈值及改进阈值函数的电压暂降信号去噪对比图。

图4为本发明实施例的使用软阈值、硬阈值、折中阈值及改进阈值函数的电压暂升信号去噪对比图。

图5为本发明实施例的使用软阈值、硬阈值、折中阈值及改进阈值函数的电压中断信号去噪对比图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示，本实施例提供了一种基于改进小波阈值函数的电能质量信号去噪方法，包括以下步骤：

步骤s1：采集原始电能质量信号；

步骤s2：对步骤s1采集的原始电能质量信号进行预处理，并加入高斯白噪声(由于电能质量信号中夹杂的噪声信号是符合高斯分布的高斯白噪声信号)，得到一维染噪电能质量模拟信号f(t)；

步骤s3：对步骤s2获得的一维染噪电能质量模拟信号f(t)进行3层小波分解，得到一组小波系数ωj,k；

步骤s4：采用统一阈值法计算出阈值，并利用该阈值与改进的小波阈值函数对步骤s3得到的一组小波系数ωj,k进行阈值量化处理，得到估计小波系数

步骤s5：对阈值量化处理后的第1层到第3层的估计小波系数中的高频小波系数和第3层的估计小波系数中的低频小波系数实行小波逆变换，进行信号重构，得到重构信号

在本实施例中，步骤s1中，所述原始电能质量信号包括电压暂降的电能质量信号、电压暂升的电能质量信号、电压中断的电能质量信号。本发明利用利用监测与数据采集设备获取电能质量信号。

在本实施例中，步骤s2中，所述预处理包括对获得的原始电能质量信号进行时间段的截取与幅值处理。

在本实施例中，步骤s3中采用db3小波基函数对一维染噪电能质量模拟信号f(t)进行3层小波分解。

在本实施例中，步骤s4具体包括以下步骤：

步骤s41：采用统一阈值法对步骤s2得到的一维染噪电能质量模拟信号f(t)进行计算，得到相应的阈值t，具体采用下式：

式中，n为信号的采样长度，σ为噪声信号的标准差；

步骤s42：将步骤s3中得到的一组小波系数ωj,k带入到改进的小波阈值函数表达式中，对ωj,k进行阈值量化处理，得到估计小波系数其中，改进的小波阈值函数表达式为：

式中，sgn为符号函数，ξ表示加权因子。

在本实施例中，步骤s42中，为了解决传统小波软阈值函数与硬阈值函数去噪后造成的小波系数偏差、“伪吉布斯”现象等问题，所述加权因子的取值为：

这样在去噪过程中随着原始信号频率的变化，小波变换后的系数也随之变化，改进的阈值函数始终介于软、硬阈值函数之间，可使去噪后的小波估计系数最大化地接近有效信号的小波系数。

较佳的，在本实施例中，步骤s42还包括，使的值达到最小。

特别的，在本实施例中，如图2所示为改进阈值函数的去噪特性曲线图，如图3、4、5所示为三种典型电能质量信号(电压暂降、电压暂升，电压中断)分别采用软阈值、硬阈值、折中阈值及改进阈值函数的去噪结果对比图。由图2可以看出，在去噪过程中随着原始信号频率的变化，小波变换后的系数也随之变化，改进的阈值函数始终介于软、硬阈值函数之间，使去噪后的小波估计系数最大化地接近有效信号的小波系数。由图3、4、5可以看出，软阈值函数及硬阈值函数去噪法对含有高斯白噪声的电能质量信号去噪后无法完整地重构出原始信号，尤其是在幅值较大处，信号模糊更为明显；折中阈值函数较好地重构出了原始信号，但在信号波峰、波谷处出现了微小的畸变；改进的阈值函数对含有高斯白噪声的电能质量信号去噪后，重构信号较其他三种更为平滑，与原始信号相似度极高，较好地在有效去噪的同时保留了原始电能质量信号包含的信息。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。