[發明專利]基于特征排序向量內積的單通道多電器疊加電流信號分離方法

在審

• 申請號: 201710472338.0
• 申請日: 2017-06-20
• 公開（公告）號: CN107290579A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 高翠云;陳杰;徐荃;宋楊;楊軍
• 申請（專利權）人: 安徽建筑大學
• 主分類號: G01R19/00
• 分類號: G01R19/00;G06F17/14
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 沈尚林

技術領域

本發明涉及一種基于特征排序向量內積的單通道多電器疊加電流信號分離方法。

背景技術

對家用電器狀態進行實時監測是實現遠程故障預測與健康管理(Prognostics and Health Management，PHM)的關鍵，但目前住宅基本是只配備一個總電流傳感器，無法直接采集各電器的獨立電流信號。因此，如果需要對任意一個電器負荷進行監測，首先必須對多電器疊加電流信號進行分離，即解決單通道的信號分離問題。

單通道盲源分離屬于極端的欠定問題，基于矩陣運算的常規盲源分離算法無法適用。為解決此問題，有學者使用隨機矩陣來構造多通道信號，并利用獨立分量分析(independent component analysis，ICA)方法對電力信號實現有效分離。此類方法中構造的隨機矩陣不符合實際物理信道模型，無法從仿真到實用。

也有學者采用不同的時頻變換方法構造虛擬多通道觀測信號，將單通道欠定轉化為多通道正定，再結合PCA或ICA盲源算法實現分離。如Chuan He等對觀測信號進行時延構造多通道觀測信號，利用主成分分析(principal component analysis，PCA)進行降維，最后通過ICA對諧波和間諧波實現分離。如毋文峰等利用EMD將單通道機械觀測信號與其分解得到的多層固有模態函數構成多維信號，再利用Fast-ICA方法對信號實現有效分離。此類方法由于缺乏對信源的統計特性，針對電器狀態分離時，效果并不理想.且采用EMD等方法進行多通道觀測信號重構的過程存在運算時間長、易出現模式混合、邊緣效應等一系列問題。

家用電器在有限的控制模式下工作電流有極強的統計重復性，可以采用適當的特征變換構造非“開-關”態的多元隱含狀態模型以及控制模式對應的狀態-時序模型。本發明在對各電器工作特性進行大量統計分析的基礎上，提出采用特征排序向量內積的主成分篩選法對疊加信號進行半盲分離。

發明內容

本發明要解決的技術問題是針對多個電器的疊加電流如何逐一分離各電器電流的問題。

為了解決上述技術問題，本發明采用的技術方案是，基于特征排序向量內積的單通道多電器疊加電流信號分離方法，

設家庭內部共有M個電器，每個電器包含N_k種工作狀態，N_k為正整數，不同電器Nk會存在差異，記為s_mi(t){m＝1，2，...，Mi＝1，2，...，I}；如果所有電器都處于工作狀態，則觀測信號x(t)應為M個電器中的每個電器的某種狀態的組合，其與源信號之間的關系如下：

式(1)中k_m表征電器m的開/關狀態，k_m＝{0，1}，由于家庭內部無中間傳感器，故權值系數a_m＝1；v(t)為噪聲信號；即可得到式(2)：

記各電器對應的工作狀態s_mi(t)的FFT變換為s_mi(k)，噪聲v(t)的FFT變換為V(k)，觀測信號x(t)的FFT變換為X(k)，下式中N為FFT點數；

將式(2)-(4)代入式(5)可得：

由式(6)的推導可知：觀測信號x(t)的頻譜X(k)的主成分必然來自于某一個或幾個信號源；

本方法利用此線性疊加性質進行單通道盲源分離，包括以下步驟：

步驟1：對電器工作電壓電流進行采樣，采用跟蹤電壓基頻的方式采樣，即保證一個工頻周期為128或256點；如果非跟蹤采樣，則采樣率選擇大于10KHz以上頻率，并對采樣數據進行降采樣，將采樣頻率降至6.4KHz；初始化，并置i＝1，m＝1；輸入電壓信號u＝[u₀，u₁，...，u_N-1]及M種電器的疊加電流信號x＝[x₀，x₁，...，x_N-1]，此處N代表工頻周期的點數；波形的截取以電壓信號為參考基準，即以最靠近采樣起始時刻的第一個正向過零點作為0時刻，以下的盲源分離步驟是針對單周期進行的；