[发明专利]基于特征排序向量内积的单通道多电器叠加电流信号分离方法

说明书

技术领域

本发明涉及一种基于特征排序向量内积的单通道多电器叠加电流信号分离方法。

背景技术

对家用电器状态进行实时监测是实现远程故障预测与健康管理(Prognostics and Health Management，PHM)的关键，但目前住宅基本是只配备一个总电流传感器，无法直接采集各电器的独立电流信号。因此，如果需要对任意一个电器负荷进行监测，首先必须对多电器叠加电流信号进行分离，即解决单通道的信号分离问题。

单通道盲源分离属于极端的欠定问题，基于矩阵运算的常规盲源分离算法无法适用。为解决此问题，有学者使用随机矩阵来构造多通道信号，并利用独立分量分析(independent component analysis，ICA)方法对电力信号实现有效分离。此类方法中构造的随机矩阵不符合实际物理信道模型，无法从仿真到实用。

也有学者采用不同的时频变换方法构造虚拟多通道观测信号，将单通道欠定转化为多通道正定，再结合PCA或ICA盲源算法实现分离。如Chuan He等对观测信号进行时延构造多通道观测信号，利用主成分分析(principal component analysis，PCA)进行降维，最后通过ICA对谐波和间谐波实现分离。如毋文峰等利用EMD将单通道机械观测信号与其分解得到的多层固有模态函数构成多维信号，再利用Fast-ICA方法对信号实现有效分离。此类方法由于缺乏对信源的统计特性，针对电器状态分离时，效果并不理想.且采用EMD等方法进行多通道观测信号重构的过程存在运算时间长、易出现模式混合、边缘效应等一系列问题。

家用电器在有限的控制模式下工作电流有极强的统计重复性，可以采用适当的特征变换构造非“开-关”态的多元隐含状态模型以及控制模式对应的状态-时序模型。本发明在对各电器工作特性进行大量统计分析的基础上，提出采用特征排序向量内积的主成分筛选法对叠加信号进行半盲分离。

发明内容

本发明要解决的技术问题是针对多个电器的叠加电流如何逐一分离各电器电流的问题。

为了解决上述技术问题，本发明采用的技术方案是，基于特征排序向量内积的单通道多电器叠加电流信号分离方法，

设家庭内部共有M个电器，每个电器包含N_k种工作状态，N_k为正整数，不同电器Nk会存在差异，记为s_mi(t){m＝1，2，...，Mi＝1，2，...，I}；如果所有电器都处于工作状态，则观测信号x(t)应为M个电器中的每个电器的某种状态的组合，其与源信号之间的关系如下：

式(1)中k_m表征电器m的开/关状态，k_m＝{0，1}，由于家庭内部无中间传感器，故权值系数a_m＝1；v(t)为噪声信号；即可得到式(2)：

记各电器对应的工作状态s_mi(t)的FFT变换为s_mi(k)，噪声v(t)的FFT变换为V(k)，观测信号x(t)的FFT变换为X(k)，下式中N为FFT点数；

将式(2)-(4)代入式(5)可得：

由式(6)的推导可知：观测信号x(t)的频谱X(k)的主成分必然来自于某一个或几个信号源；

本方法利用此线性叠加性质进行单通道盲源分离，包括以下步骤：

步骤1：对电器工作电压电流进行采样，采用跟踪电压基频的方式采样，即保证一个工频周期为128或256点；如果非跟踪采样，则采样率选择大于10KHz以上频率，并对采样数据进行降采样，将采样频率降至6.4KHz；初始化，并置i＝1，m＝1；输入电压信号u＝[u₀，u₁，...，u_N-1]及M种电器的叠加电流信号x＝[x₀，x₁，...，x_N-1]，此处N代表工频周期的点数；波形的截取以电压信号为参考基准，即以最靠近采样起始时刻的第一个正向过零点作为0时刻，以下的盲源分离步骤是针对单周期进行的；