基于小波变换的电力负载识别

1、欢送共阅基于小波分析的电力负载识别沈召源哈尔滨工业大学摘 要：本文分别从小波理论在负载识别中的应用研究出发,对基于小波分析的用于负 载识别的理论进行介绍.然后根据负载识别的具体特点,选择无限可导、双正交性和无 频谱混叠现象的Meyer小波对负载波形进行分析.通过 DSP5集负载电流波形,将不 同负载的电流波形用Dmeyer小波进行多层分解,通过比较粗略局部和细节局部的系数, 确定了用于负载识别的具体特征值.关键词：负载识别；Dmeyer小波；负载特征值目前用电平安问题日渐突出.近年来,我 国高校学生公寓频繁发生火灾,造成人员伤亡 和学校财产的巨大损失,引起了国家有关部门 和高校的高度重视.调查

2、说明,火灾事故发生 的主要原因是学生在公寓内使用违禁电器造成 的.为了防止类似事件频发,各个高校出台了 对应治理政策,并采取了一定举措.虽然火灾 事故频率较原来有所降低,但每年仍然发生恶 性火灾事故,没有从根本上解决火灾事故发生 的问题.于是,许多人开始研究宿舍智能平安 用电的相关产品.有人直接使用计量芯片来作 为自动限电系统的核心；有人综合考虑用电可 靠平安等各个方面,提出平安,智能用电的思 考并付诸实践.在这些设计与思考中,无一例 外地考虑到了电压,电流,功率,但只有很少 数考虑到了波形分析负载情况.基于以上原因, 本文拟应用小波理论进行负载识别,有效限制 违禁电器的应用.本文选用Demy

3、erd、波对采集的负载波形进 行分析,通过第五层特征量的比较得出负载识 别的特征值.相比于傅里叶变换的负载识别方 法,大大减小了计算量.2小波变换2.1 小波变换特点小波分析具有“自适应性质和“数学显 微镜性质,是近年来新兴起的信号的时频分 析方法,在信号分析方面具有 Fourier分析 无法比较的优势.Fourier变换无法对某一时间 段的信号进行分析,短时傅立叶变换的窗函数 时间间隔是固定的,不随时间和频率改变,与 此不同,小波变换在频率轴上的位置和形状都 可以改变,时间问隔是可调的,因此小波变换 在低频时时间分辨率较低,而频率分辨率较高； 在高频时时间分辨率高,而频率分辨率较低, 符合低

4、频信号变化缓慢而高频信号变化迅速的 特点,适于进行信号分析.小波变换的定义是把被称为母小波的函数 空t做位移b后在不同尺度a下与待分析的信 号xt做内积.等效的频域变换是a的作用是对窗口进行尺度伸缩,b的作用 是对窗口进行时间平移.因此小波变换有如下 特点：第一,具有多分辨率的特点,即多尺度的 特点,能够对信号进行缩放观察.第二,可以看成用根本频率特性为 中w的 带通滤波器在不同尺度 a下对信号做滤波.由 Fourier变换的尺度特性可知这组滤波器具有 品质因数恒定,即相对带宽恒定的特点.第三,适当地选择基小波,使 中tt在时 域上为有限支撑,中w在频域上也比较集中, 就可以使小波变换后的函数

5、在时、频域都具有 表征信号局部特征的水平,因此有利于检测信 号的瞬态和奇异点.2.2 小波基选择采用Meyer函数作为小波变换的小波基,其特点 有：正交性,使时域突变能量更集中；时域对称性, 保证时域突变时间和暂态存在时间计算的准确性和较 强的抗噪声性能；频域紧支性,Meyer小波的尺度与频域中的频带具有一一对应关系,保证了小波系数的频域意义.Meyer构造的小波函数和尺度函数定义在频域中, 定义如下：其中2.3 小波多分辨率分析对间采样电流信号信号进行多分辨率分析：其中：h、g分别称为低通滤波器和高通滤波器.当选定小波基之后,h和g也就确定下来；aj (n)为离散 近似信号,它描述了信号的低

6、频局部的信息；dj(n)为离散细节信号,它描述了信号的高频成分的信息.在分解过程中,低频aj(n)中失去的信息由高频d j (n)捕获.在下一层分解中,又将aj (n)分解成低频aj书(n)和高频dj书(n)两局部.如此类推,可以得 到信号越来越精细的时频描述.3基于DMEYER波的负载识别参数测试与确定负载识别,总的来讲,就是通过对负载的电流、 电压等信号的分析处理找出不同于类型负载的特征参 数,也就是说是属于信号处理的范畴,因此,对其应 用小波变换工具在理论上是很好的选择.3.1 信号采样根据奈奎斯特采样定理可知,只有当采样 频率fN大于两倍的信号最高频率fm几时,才能 防止频域混叠,这是

7、采样必须满足的根本条件, 即满足公式如果采样频率过低,会形成频谱失真,不能反 映原来的信号,使得进一步的数字处理失去意 义.因此,在工程应用中,一般把几取的高一 些,但也不宜过高,采样频率过高,一段时间 内的采样点数过多,对计算机存储要求过高, 而且计算时间过长,一般情况下,几取(4 一 10)露.本文采用霍尔电流传 感器感应电流的变化将电流信号转化为电压信 号然后用,DSP进行采样,设定采样频率为 6400Hz,即一个工频周期采样128个点.3.2 典型负载分析为了取材方便,选取了实验室采用的用电器,笔记本电脑,台式电脑,电烙铁和电风扇 及其混合负载进行分析.其中笔记本和台式机 为非线性整流

8、型负载,电烙铁和电风扇为电阻 性负载.为了简化分析,考虑负载较小,对电 网电压影响有限,认为电网电压为标准的正弦 信号,而只对电流信号进行分析.各个负载单独接入时电流波形如下：图1笔记本电流波形图2台式电脑电流波形图3电风扇电流波形UH I'a图4电风扇电流波形由以上采样电流可以看出含有计算机的负 载的电流波形明显不同于其他负载的电流波 形,它的波形有两个尖峰,已经完全不同于正 弦信号,而其他负载的波形还是具有正弦信号 的特点,只是它与电压的相差不相同.3.3 测试数据小波分析的处理直接从原始样本本来进行分类是无目的 的,这是由于对于分类来说,重要的不是一个 模式的完整描述,而是导致区

9、别不同类别模式 的那些“选择性信息的提取,也就是说,特 征提取的主要目的就是尽可能集中表现显着类 别差异的模式信息.另一个目的那么是尽可能缩 小数据集,以提升识别率,减少计算量.在小波变换中,选择不同的小波和进行不 同层次的分解,对识别结果会有较大的影响, 分解层次越高,滤掉的高频信号成分越多,对 原信号的信息影响相应的也就越大,目前无法 找到任何理论针对该问题的小波函数的选择和 分解层次有具体的阐述,根据一些常用小波的 特点,我认为选取Meyer小波较为适宜.经过大量 的仿真实验,通过对不同小波、基于 DMEYER 波的负载识别参数测试与确定不同分解层次的 比较,发现使用Dmeyer小波函数

10、进行5层分解 识别效果较好.在Matlab中运用Dmeyer小波对负载电流 信号进行一维离散小波分析,对其进行 5层分 解,结果如图5-8所示.图5笔记本电流Demyer小波分解图图6台式机电流Demyer小波分解图图7电风扇电流Demyer小波分解图图8电烙铁电流Demyer小波分解图图中分解后第一层组成为Approx.cfs levell 和 Detail.cfs level1,其中 Approx.cfs level1 是低频局部,即粗略分,Detail.cfslevel1为高频局部,即细节局部.第二层分解 是 将 Approx.cfs level1 分 解为低频局部 Approx.cfs

11、 level2 与高频局部 Detail.cfs level2 ,依此类推,直至分解到第 5层.通过对各种线性负载、非线性负载的波形 进行小波分解,见表1基于DMEYER波的负载 识别参数测试与确定,发现用以下参数作为识 别恶性负载的参数非常适宜.P为各负载电流的 平方和均值的220倍,Power, N为粗略局部第 5层能量与细节局部第5层能量之比.表1用DemyeM、波分解后各负载的特征 值序号负载类型功率PowerDp5N11笔记本110W124.9588.01.4921台式机185W213.72457.61.6331电风扇55W68.214.244.6641电烙铁50W74.724.93

12、0.8051笔记本+1台试机295W316.45794.11.3461笔记本+1电烙铁160W167.5687.54.9271台式机+1电烙铁235W313.53811.23.0181电风扇+1电烙铁105W118.734.763.6191笔记本+1台试机+1电烙铁345W352.85019.12.59101笔记本+1电风扇215W229.8372.522.341电烙铁111台式机+1电风扇1电烙铁290W328.72747.85.1112四个负载混合400W488.95752.65.68根据以上数据可得出以下结论：(1)类阻性负载的N>30,非线Tt负载N<2(2)对于类阻性负载

13、,可根据Power值,判断是 否为大功率负载. 对于非线性负载,单纯的计算机负载的 N值 较小在1-2之间；而混合负载的N值那么大于2. 在混合负载中,当包含计算机数目相同时,随 着非计算机成分的减少,N值减少.因此可通过以下方法识别：(1)N<2时,证实是纯计算机负载；11 ,(2)当N>30时,说明的阻性负载占绝大局部；(3)当2<N<30且dp5 <1000,证实是仅含1台笔 记本的混合负载；(5)当2<N<30且dp5>2500,证实是至少含有1 台台式机的混合负载.5结论本文给出了用Dmeyer小波检测电力负载类型的方 法,并通过DSP采样和Matlab分析验证了方法的可行 性.在不同的时间进行负载识别试验证实方法有很好 的效果.该方法通过特征量的阈值判断就能有效识别 负载类型,相比于傅里叶分析的方法计算量小很多. 但本文选用的负载数量太少,数据样本值有限,对于 感性负载和容性负载还有待进一步研究.负载功率也 偏小,