本發(fā)明涉及電數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域，具體公開了基于雙重策略的分布式光伏發(fā)電系統(tǒng)非平穩(wěn)信號(hào)去噪方法。

背景技術(shù)：

1、隨著可再生能源技術(shù)的快速發(fā)展，分布式光伏發(fā)電在全球能源結(jié)構(gòu)中占據(jù)越來越重要的地位。然而，在分布式光伏發(fā)電系統(tǒng)的運(yùn)行過程中，采集到的電壓、電流等信號(hào)往往受到噪聲干擾，使得其輸出信號(hào)也受到噪聲干擾，噪聲包括電磁干擾、測(cè)量誤差、傳感器噪聲等造成的寬頻噪聲，以及機(jī)械故障、功率電子器件的開關(guān)過程等造成的異常數(shù)據(jù)。

2、在分布式光伏發(fā)電系統(tǒng)的運(yùn)行過程中，現(xiàn)有的信號(hào)去噪技術(shù)通常僅針對(duì)某類型的噪聲進(jìn)行處理，對(duì)非平穩(wěn)信號(hào)的噪聲處理存在一定局限性，主要存在以下缺點(diǎn)：

3、1、異常數(shù)據(jù)處理不足。傳統(tǒng)的信號(hào)去噪方法，如小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解等，主要用于去除如白噪聲等寬頻噪聲，但對(duì)由故障、功率電子器件的開關(guān)過程等引起的尖峰、突變的異常數(shù)據(jù)的去除效果差。

4、2、噪聲去除能力單一。通常使用統(tǒng)計(jì)方法，如中值濾波、降維分析等，來檢測(cè)并去除異常數(shù)據(jù)，但對(duì)隨機(jī)分布的白噪聲等寬頻噪聲去除效果差。

5、3、難以兼顧信號(hào)保真度?，F(xiàn)有的信號(hào)去噪方法往往會(huì)影響信號(hào)的本征特性，如影響頻率分布等，導(dǎo)致對(duì)信號(hào)分析和信號(hào)控制的精度低。

6、因此，如何針對(duì)分布式光伏發(fā)電系統(tǒng)的非平穩(wěn)信號(hào)特性，提出高效、穩(wěn)健的去噪方法，成為一項(xiàng)亟需解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于雙重策略的分布式光伏發(fā)電系統(tǒng)非平穩(wěn)信號(hào)去噪方法，解決非平穩(wěn)信號(hào)去噪的效果差和信號(hào)保真度低的問題。

2、本發(fā)明的具體方案如下：

3、基于雙重策略的分布式光伏發(fā)電系統(tǒng)非平穩(wěn)信號(hào)去噪方法，包括:

4、步驟一、基于獲取的原始信號(hào)，通過變分模態(tài)分解生成目標(biāo)個(gè)本征模態(tài)函數(shù)；

5、步驟二、從目標(biāo)個(gè)本征模態(tài)函數(shù)中剔除復(fù)合熵總值最大的本征模態(tài)函數(shù)，獲得有效信號(hào)；

6、步驟三、根據(jù)有效信號(hào)通過離散數(shù)據(jù)對(duì)比識(shí)別異常數(shù)據(jù)，剔除并替代異常數(shù)據(jù)得到新的有效信號(hào)；

7、從步驟一開始循環(huán)，直至達(dá)到迭代截止條件生成去噪信號(hào)。

8、在一些實(shí)施例中，基于獲取的原始信號(hào)，通過變分模態(tài)分解生成目標(biāo)個(gè)本征模態(tài)函數(shù)，包括:

9、設(shè)置變分模態(tài)分解的初始分解層數(shù)和初始懲罰因子；

10、基于原始信號(hào)和獲取的初始個(gè)本征模態(tài)函數(shù)生成適應(yīng)度函數(shù)值；

11、根據(jù)適應(yīng)度函數(shù)值對(duì)初始分解層數(shù)和初始懲罰因子進(jìn)行尋優(yōu)得到目標(biāo)分解層數(shù)和目標(biāo)懲罰因子；

12、基于目標(biāo)分解層數(shù)和目標(biāo)懲罰因子對(duì)原始信號(hào)進(jìn)行變分模態(tài)分解生成目標(biāo)個(gè)本征模態(tài)函數(shù)。

13、在一些實(shí)施例中，基于原始信號(hào)和獲取的初始個(gè)本征模態(tài)函數(shù)生成適應(yīng)度函數(shù)值，包括：

14、根據(jù)原始信號(hào)通過變分模態(tài)分解獲取初始個(gè)本征模態(tài)函數(shù)；

15、將原始信號(hào)和初始個(gè)本征模態(tài)函數(shù)的各本征模態(tài)函數(shù)皆均分為 n段信號(hào)分別得到原始信號(hào)各段信號(hào)和各本征模態(tài)函數(shù)各段信號(hào)；

16、基于原始信號(hào)各段信號(hào)和各本征模態(tài)函數(shù)各段信號(hào)分別生成原始信號(hào)各段信號(hào)復(fù)合熵和各本征模態(tài)函數(shù)各段信號(hào)復(fù)合熵；

17、根據(jù)原始信號(hào)各段信號(hào)復(fù)合熵和各本征模態(tài)函數(shù)各段信號(hào)復(fù)合熵分別得到原始信號(hào)與各本征模態(tài)函數(shù)之間的復(fù)合熵相關(guān)系數(shù)；

18、基于原始信號(hào)與各本征模態(tài)函數(shù)之間的復(fù)合熵相關(guān)系數(shù)生成適應(yīng)度函數(shù)值。

19、在一些實(shí)施例中，基于原始信號(hào)各段信號(hào)和各本征模態(tài)函數(shù)各段信號(hào)分別生成原始信號(hào)各段信號(hào)復(fù)合熵和各本征模態(tài)函數(shù)各段信號(hào)復(fù)合熵，包括：

20、基于原始信號(hào)各段信號(hào)，分別獲取原始信號(hào)各段信號(hào)的包絡(luò)熵和樣本熵；

21、將原始信號(hào)各段信號(hào)的包絡(luò)熵和樣本熵分別進(jìn)行加權(quán)求和生成原始信號(hào)各段信號(hào)復(fù)合熵；

22、基于各本征模態(tài)函數(shù)各段信號(hào)，分別獲取各本征模態(tài)函數(shù)各段信號(hào)的包絡(luò)熵和樣本熵；

23、將各本征模態(tài)函數(shù)各段信號(hào)的包絡(luò)熵和樣本熵分別進(jìn)行加權(quán)求和生成各本征模態(tài)函數(shù)各段信號(hào)復(fù)合熵。

24、在一些實(shí)施例中，基于原始信號(hào)與各本征模態(tài)函數(shù)之間的復(fù)合熵相關(guān)系數(shù)生成適應(yīng)度函數(shù)值，包括：

25、從原始信號(hào)與各本征模態(tài)函數(shù)之間的復(fù)合熵相關(guān)系數(shù)中獲得原始信號(hào)與本征模態(tài)函數(shù)之間的復(fù)合熵相關(guān)系數(shù)的最小值；

26、基于原始信號(hào)與本征模態(tài)函數(shù)之間的復(fù)合熵相關(guān)系數(shù)的最小值生成適應(yīng)度函數(shù)值。

27、在一些實(shí)施例中，根據(jù)適應(yīng)度函數(shù)值對(duì)初始分解層數(shù)和初始懲罰因子進(jìn)行尋優(yōu)得到目標(biāo)分解層數(shù)和目標(biāo)懲罰因子，包括：

28、將初始分解層數(shù)和初始懲罰因子作為牛群優(yōu)化算法的輸入變量，將適應(yīng)度函數(shù)值作為牛群優(yōu)化算法的尋優(yōu)適應(yīng)度，通過牛群優(yōu)化算法疊代尋優(yōu)得到目標(biāo)分解層數(shù)和目標(biāo)懲罰因子。

29、在一些實(shí)施例中，從目標(biāo)個(gè)本征模態(tài)函數(shù)中剔除復(fù)合熵總值最大的本征模態(tài)函數(shù)獲得有效信號(hào)，包括：

30、根據(jù)目標(biāo)個(gè)本征模態(tài)函數(shù)獲取復(fù)合熵總值最大的本征模態(tài)函數(shù)；

31、從目標(biāo)個(gè)本征模態(tài)函數(shù)中剔除復(fù)合熵總值最大的本征模態(tài)函數(shù)，將復(fù)合熵總值最大的本征模態(tài)函數(shù)前面的所有本征模態(tài)函數(shù)與復(fù)合熵總值最大的本征模態(tài)函數(shù)后面的所有本征模態(tài)函數(shù)之和作為有效信號(hào)。

32、在一些實(shí)施例中，根據(jù)有效信號(hào)通過離散數(shù)據(jù)對(duì)比識(shí)別異常數(shù)據(jù)，剔除并替代異常數(shù)據(jù)得到新的有效信號(hào)，包括：

33、設(shè)置閾值系數(shù)，對(duì)有效信號(hào)中所有離散數(shù)據(jù)進(jìn)行逐一對(duì)比，判斷每個(gè)離散數(shù)據(jù)是否不屬于有效數(shù)據(jù)區(qū)間，有效數(shù)據(jù)區(qū)間為[有效信號(hào)的平均值與有效信號(hào)的標(biāo)準(zhǔn)差乘以閾值系數(shù)之積的差值，有效信號(hào)的平均值與有效信號(hào)的標(biāo)準(zhǔn)差乘以閾值系數(shù)之積的和值]；

34、若判斷某一離散數(shù)據(jù)不屬于有效數(shù)據(jù)區(qū)間，則將某一離散數(shù)據(jù)識(shí)別為異常數(shù)據(jù)；將有效信號(hào)中的某一離散數(shù)據(jù)剔除，并對(duì)某一離散數(shù)據(jù)進(jìn)行替代得到新的有效信號(hào)。

35、在一些實(shí)施例中，對(duì)某一離散數(shù)據(jù)進(jìn)行替代包括：

36、使用某一離散數(shù)據(jù)的前一個(gè)離散數(shù)據(jù)與某一離散數(shù)據(jù)的后一個(gè)離散數(shù)據(jù)的平均值替代某一離散數(shù)據(jù)。

37、在一些實(shí)施例中，迭代截止條件包括新的有效信號(hào)的本征模態(tài)函數(shù)復(fù)合熵總值的最大值小于第一閾值且不存在異常數(shù)據(jù)。

38、本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)及有益效果：

39、本發(fā)明通過對(duì)包絡(luò)熵和樣本熵進(jìn)行加權(quán)求和得到復(fù)合熵，基于原始信號(hào)各段復(fù)合熵與各本征模態(tài)函數(shù)各段信號(hào)復(fù)合熵生成原始信號(hào)與各本征模態(tài)函數(shù)的復(fù)合熵相關(guān)系數(shù)，根據(jù)原始信號(hào)與各本征模態(tài)函數(shù)的復(fù)合熵相關(guān)系數(shù)的最小值獲得適應(yīng)度函數(shù)值，基于適應(yīng)度函數(shù)值進(jìn)行尋優(yōu)獲得目標(biāo)個(gè)本征模態(tài)函數(shù)，從目標(biāo)個(gè)本征模態(tài)函數(shù)中剔除復(fù)合熵總值最大的本征模態(tài)函數(shù)獲得有效信號(hào)，根據(jù)有效信號(hào)通過離散數(shù)據(jù)對(duì)比識(shí)別異常數(shù)據(jù)，剔除并替代異常數(shù)據(jù)得到新的有效信號(hào)，直至達(dá)到迭代截止條件生成去噪信號(hào)，提高了對(duì)非平穩(wěn)信號(hào)去噪的效果和信號(hào)保真度；不僅能有效、穩(wěn)健的去除寬頻噪聲，還能去除異常數(shù)據(jù)，同時(shí)充分保留原始信號(hào)的本征特征，保持原始信號(hào)的完整性，提高了對(duì)信號(hào)分析和信號(hào)控制的精度，適用于分布式光伏系統(tǒng)的復(fù)雜運(yùn)行環(huán)境。