[发明专利]基于参数优化形态学滤波的电压暂降信号去噪方法、特征提取方法、系统及可读存储介质

说明书

本发明公开了一种基于参数优化形态学滤波的电压暂降信号去噪方法、特征提取方法，系统及可读存储介质，所述去噪方法包括如下步骤：S1：获取待处理的电压暂降信号，所述电压暂降信号包含噪声；S2：基于形态学滤波器采用粒子群算法优化所述形态学滤波器的参数，再利用参数优化后的形态学滤波器对电压暂降信号进行滤波去噪。其中，特征提取方法包括：基于去噪方法得到的电压信号获取电压暂降信号对应的直流分量，并基于直流分量计算暂降深度U和/或相位跳变本发明利用粒子群算法优化形态学滤波器的参数，有效地解决了现有人为选择参数的缺陷问题，更进一步提高电压暂降信号的去噪效果，进而实现准确、可靠的提取特征。

技术领域

本发明属于电能质量检测领域，具体涉及一种基于参数优化形态学滤波的电压暂降信号去噪方法、特征提取方法、系统及可读存储介质。

背景技术

随着科学技术的发展，社会各行各业对供电质量的要求逐渐提高。电压暂降是最常见的一种电能质量问题，对用户造成很严重的影响。据相关研究表明，用户对电压暂降的投诉占电能质量投诉总量的80％以上。在电压暂降的检测、识别和源定位等领域，电压暂降的特征提取一直是研究的难点和重点。由于电网复杂庞大，实际上采集到的电压暂降信号往往含有大量的噪声和谐波，从而影响电压暂降的准确识别、定位等在线和离线分析。因此必须通过有效的特征提取方法来尽可能滤除噪声和谐波，提取真实准确的电压暂降信号特征。

现有的电压暂降信号去噪的方法中，主要包括传统巴特沃斯低通滤波器去噪、小波去噪、经验模态分解去噪等等。传统巴特沃斯滤波器计算量大，并且存在一定的延时。小波去噪和经验模态分解去噪是分析非平稳非线性信号的有力工具。然而，小波分析计算量较大，小波函数往往依靠经验选取，目前没有一种系统可行的适用于电压暂降的选取方案。经验模态分解去噪在分解电压暂降信号时，存在模态混叠的现象，影响电压暂降特征的准确性。形态学滤波与传统去噪方法相比，具有计算量小，去噪效果好等优点，近年来在图像处理、心电图分析、电力信号分析等领域具有广泛的应用。但实际工程应用中，形态学滤波器参数的选取比较依赖人工经验，存在盲目性和局限性，目前还没有一套系统完整的参数选取方法。因此，有必要对形态学滤波器的参数进行优化选取，进而提高电压暂降信号的去噪效果，为后续特征准确提取奠定基础。

发明内容

本发明的目的是为了解决现有电压暂降信号领域所使用的形态学滤波器的参数是人为选取的问题，进而提高电压暂降信号的去噪效果，尤其是在特征提取领域，利用本发明的去噪方法还可以提高特征提取的可靠性，克服现有电压暂降信号特征提取方法中形态学滤波器参数选取所带来的问题。本发明所述方法根据待处理电压暂降信号特点和形态学滤波器的特性，对形态学滤波运算中的重要参数，采用具有全局优化性能的粒子群算法进行寻优，从而达到消除系统噪声和谐波的目的。

一方面，本发明提供一种基于参数优化形态学滤波的电压暂降信号去噪方法，包括如下步骤：

S1：获取待处理的电压暂降信号，所述电压暂降信号包含噪声；

S2：基于形态学滤波器采用粒子群算法优化所述形态学滤波器的参数，再利用参数优化后的形态学滤波器对电压暂降信号进行去噪，其中，优选将待优化参数作为粒子群算法中的粒子位置，并以去噪后的电压信号构建粒子群算法的适应度函数。

本发明提供的所述去噪方法，其利用粒子群算法优化形态学滤波器的参数，有效地规避解决了现有人为选择参数的缺陷问题，使得优化后的形态学滤波器可以更进一步提高电压暂降信号的去噪效果，为后续电压暂降信号的特征的准确，可靠提取奠定了基础。