CN102680838A - 基于双树复小波变换的电能质量监测识别方法及系统 - Google Patents

Abstract

本发明公开了一种基于双树复小波变换的电能质量监测识别方法，涉及数据采集、信号处理和模式识别技术领域，该监测系统采用数字信号处理器通过对现场可编程逻辑控制器内部数据采集状态机进行控制，通过可编程逻辑控制器内部的数据采集状态机控制高精度的8通道16位同步AD转换器，完成电能质量信号的同步采集，数字信号处理器从可编程逻辑控制器内部的FIFO存储器中读取采集的电能质量数据，然后对其进行双树复小波变换，并计算其小波系数Shannon熵，最后采用基于二元树的小波支持向量机分类器对扰动信号进行分类识别，从而实现连续实时的三相电压、电流的电能质量准确监测，另外，本发明还提出了一种电能质量监测识别系统。

Description

基于双树复小波变换的电能质量监测识别方法及系统

技术领域

本发明属于电能质量监测与识别的技术领域，具体涉及数据采集、信号处理和模式识别技术，特别涉及一种基于双树复小波变换的电能质量监测识别方法，同时还涉及一种系统。

背景技术

近年来，电能质量问题已经成为电力部门和用户普遍关注的重要问题之一。对电能质量进行检测和分析是发现电能质量问题并进行治理和改善的前提条件。电能质量短时扰动分析在电能质量分析中占重要地位，其分类识别是一个复杂的课题，因为它包含众多复杂的扰动类型，并且各种干扰信号本身也有很大的不规则性。

对扰动信号进行特征提取是电能质量扰动识别的关键，其中主要的特征提取方法有：傅立叶变换、小波变换、原子分解方法、S变换等。由于现有的方法对电能质量无法做到实时连续监测，且对电能质量扰动信号的识别率不高。

发明内容

有鉴于此，本发明的目的之一是提供一种基于双树复小波变换的电能质量监测识别方法，通过对3相电压电流信号进行准确采集，然后进行分析处理，实现了3相电能质量的实时连续监测，并且还可以有效识别出常见的各种干扰信号，为电网污染的治理提供技术保障；本发明的目的之二是提供一种基于双树复小波变换的电能质量监测识别系统。

本发明的目的之一是通过以下技术方案实现的：

基于双树复小波变换的电能质量监测识别方法，包括以下步骤：

1）将3相电压、3相电流信号分别经过相应的电压电流互感器进行信号提取，然后经二阶巴特沃斯低通滤波，输入到多通道同步AD转换器，现场可编程逻辑控制器内部的数据采集状态机产生多通道同步AD转换器的控制时序，完成3相电压和3相电流信号的采集与缓存，并以中断信号的方式通知数字信号处理器；

2）数字信号处理器接收中断响应，从现场可编程逻辑控制器中的FIFO中读取实时采集的3相电压和3相电流信号；

3）数字信号处理器对读取的3相电压和3相电流信号进行3层双树复小波分解，并计算其小波系数Shannon熵，作为扰动信号的特征向量；

4）将扰动信号的特征向量采用基于二元树的小波支持向量机分类器进行识别；

5）将识别结果经过无线通信模块发送到检测系统主机。

6）监测识别系统通过“编解码心跳包”与监控中心服务器保持通信联系。

进一步，所述步骤1）包括如下步骤：

11）现场可编程逻辑控制器内部的数据采集状态机作为数字信号处理器的一个外设，独立占用一段地址访问空间，数字信号处理器首先停止数据采集状态机的工作，然后向其写入多通道同步AD转换器的相关控制参数，包括采样频率和控制时序，最后由数字信号处理器写入启动命令，启动数据采集状态机的工作；

12）现场可编程逻辑控制器在内部集成有一个数据采集状态机，只有在停止工作时才接收采样频率等相关控制参数的写入，在收到数字信号处理器的启动命令后开始工作；

13）现场可编程逻辑控制器内部配置了先进先出存储器SCFIFO，用于采集的3相电压和3相电流信号数据的缓冲存储，现场可编程逻辑控制器内部的数据采集状态机根据采样频率等相关参数，在现场可编程逻辑控制器内部时钟的作用下，通过计数器进行计数延时，根据数字信号处理器写入的多通道同步AD转换器的控制时序相关参数，产生多通道同步AD转换器的转换启动信号，并读取多通道同步AD转换器的状态信号，确保多通道同步AD转换器数据转换成功后，产生片选CS控制信号和数据读取RD控制信号，从多通道同步AD转换器中读取采集的电能质量数据；

14）数据采集状态机读取采集的电能质量数据后，产生缓存SCFIFO的读写允许信号，在现场可编程逻辑控制器内部时钟的作用下，将3相电压和3相电流数据依次写入现场可编程逻辑控制器内部的SCFIFO模块。

进一步，在步骤13）中，所述现场可编程逻辑控制器对内部的SCFIFO模块配置了Almost_full和Almost_empty功能，当SCFIFO缓存的采集数据个数大于8000时，SCFIFO输出的Almost_full信号触发中断信号，当SCFIFO缓存的采集数据个数低于192时，SCFIFO输出Almost_empty信号。

进一步，所述步骤2）包括如下步骤：

21）当SCFIFO输出的Almost_full信号触发TMS320DM642的INT5中断，在中断程序中DSP启动EDMA数据搬移程序，一次性从EP2C8QF208I8内部的SCFIFO模块中搬移8000个3相电压和3相电流的电能质量数据；

22）从8000个3相电压和3相电流的电能质量数据中依次顺序分离出每一相的电压电流数据，并用于扰动程序进行分析识别。

进一步，所述步骤3）包括如下步骤：

31）对电能质量信号进行双树复小波变换：

双树复小波采用了二元树结构的两路离散小波变换，一树生成变换的实部，一树生成变换的虚部，双树复小波变换关系可以表示为：

W_c(t)＝W_h(t)+jW_g(t)

W(t)表示小波系数，W_h(t)与W_g(t)构成Hilbert变换对。双树复小波变换通过相应的实数结构的低通滤波器及高通滤波器实现。

32）对获得的双树复小波分解系数进行小波系数Shannon熵的计算：设X_j，k表示小波分解的一个子频带小波系数S_j,k的时域重构离散信号，S_j，k表示第j层的第k个节点小波分解系数，

首先对电能质量信号进行3层双树复小波分解，按

公式计算每一个节点的E(X_j,k)值，并用这一层全部节点的E(X_j,k)构成Shannon熵特征向量E_p＝[E(X_j,1),E(X_j,2)…,E(X_j,k)]。

进一步，所述步骤4）包括如下步骤：

41）采用基于二元树的小波支持向量机分类器结构，其核函数选用Morelet小波，其小波函数为： $K(x,x^{\′})=\underset{i=1}{\overset{d}{\mathrm{\Π}}}\cos \left(\frac{1.75(x_i-x_i^{\′})}{2}\right)\exp (-\frac{{\left|\right|x_i-x_i^{\′}\left|\right|}^2}{2a_i^2}),$ 利用各种扰动信号的特征向量训练基于小波支持向量的分类器；

42）将待识别的扰动信号利用步骤51）中训练得到的分类器进行分类识别。

进一步，所述步骤5）包括如下步骤：

51）根据识别结果，将得到的3相电压和3相电流的电能质量相关信息经过无线通信模块发送到检测系统主机，并由系统给出相应的报警信号及语音提示；

52）数字信号处理器通过外扩一片串行控制芯片实现与串行外设接口芯片进行数据通信，串行外设接口芯片的串口UART0用于和数字信号处理器进行数据交换，并且将数据进行封装打包，通过串口UART1传递给MC323模块，将识别结果发送到监控中心。

进一步，在步骤6）中，为了确保无线通信的可靠性，对“编解码心跳包”数据进行了特殊的编解码处理，监测终端发送“编解码心跳包”数据格式为：

帧头

终端号

数据长度

随机数据

累加和

监控中心服务器收到“编解码心跳包”后，对“编解码心跳包”的“随机数据”进行按位取反的解码操作，重新计算累加和，然后按照“编解码心跳包”数据格式回传数据到相应的监控终端，从而确保数据通信的可靠性与唯一性；

本发明的目的之二是通过以下技术方案实现的：

该基于双树复小波变换的电能质量监测与识别系统，包括

信号提取与转换单元，包括用于对3相电流、电压信号进行信号提取的互感器、对信号进行二阶巴特沃斯低通滤波的滤波器以及多通道同步AD转换器，还包括现场可编程逻辑控制器，所述可编程逻辑控制器内部的数据采集状态机产生多通道同步AD转换器的控制时序，完成3相电压和3相电流信号的采集与缓存，并以中断信号的方式通知数字信号处理器；

数字信号处理器，用于接收中断响应，从现场可编程逻辑控制器中的FIFO中读取实时采集的3相电压和3相电流信号，进行3层双树复小波分解后，计算其小波系数Shannon熵，作为扰动信号的特征向量；

小波支持向量机分类器，作为数字信号处理器中的一个程序模块，基于二元树对扰动信号的特征向量进行识别；

无线通信模块，用于将识别结果发送至检测系统主机。

本发明的有益效果是：

本发明采用利用现场可编程逻辑控制器内部的数据采集控制状态机控制AD转换器AD7606完成数据采集与缓存，在高速数字信号处理器通过EDMA方式高效读取数据，并在内部通过双树复小波变换对电能质量信号进行分解，并计算Shannon熵作为扰动信号的特征向量，然后用基于二元树的小波支持向量机分类器对扰动信号进行分类与识别，最后将识别结果传送到电能质量监控中心；本发明在电子电路设计中，数据采集部分由可编程逻辑控制器内部的数据采集状态机控制AD转换器完成数据采集与缓存，高速数字信号处理器进行分析处理，该设计架构可以确保数据采集与数据分析的同步进行，保证了电能质量数据的连续性与分析的实时性；本发明虽然在计算量上比传统识别方法的运算时间略有增加，但是对于扰动信号的平均识别率提高了11%以上，对噪声的鲁棒性提高了约15%。随着CPU运算速度的不断提升，综合考虑识别率和特征提取时间，本发明专利具有明显的技术优势。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1：实现本发明方法总体方框图；

图2：本发明的数据采集模块原理框图；

图3：本发明无线数传模块原理框图；

图4：本发明中基于二元树的小波向量机分类树结构；

图5：本发明中8种常见扰动信号的特征向量图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

图1是实现本发明方法的总体框图，本发明的一种双树复小波电能质量监测与识别方法及系统，包括如下步骤：

1）将3相电压、3相电流信号分别经过相应的电压电流互感器进行信号提取，然后经二阶巴特沃斯低通滤波，输入到多通道同步AD转换器，现场可编程逻辑控制器内部的数据采集状态机产生多通道同步AD转换器的控制时序，完成3相电压和3相电流信号的采集与缓存，并以中断信号的方式通知数字信号处理器；

2）数字信号处理器接收中断响应，从现场可编程逻辑控制器中的SCFIFO中读取实时采集的3相电压和3相电流信号；

3）数字信号处理器对读取的3相电压和3相电流信号进行3层双树复小波分解，并计算其小波系数Shannon熵，作为扰动信号的特征向量；本实施例中，采用3层双数复小波分解，经试验证明，效果良好；

4）将扰动信号的特征向量采用基于二元树的小波支持向量机分类器进行识别；

5）将识别结果经过无线通信模块发送到检测系统主机。

6）监测识别终端系统通过“编解码心跳包”与监控中心服务器保持通信联系。

本实施例中，多通道同步AD转换器采用具有8通道的AD7606，现场可编程逻辑控制器采用EP2C8QF208I8，数字信号处理器采用TMS320DM642，无线通信模块采用CDMA通信模块MC323。

以下将对各步骤的具体实施步骤做进一步的说明：

A.在步骤1）中，包括如下步骤：

11）对于1）获取的信号采用二阶巴特沃斯低通滤波器进行滤波处理，截止频率为1KHz；

12）现场可编程逻辑控制器EP2C8QF208I8在它的内部采用数据采集状态机产生出AD7606的控制时序，完成对AD7606的采样控制，并产生缓存SCFIFO的读写允许信号；

13）现场可编程逻辑控制器EP2C8QF208I8内部的数据采集状态机的相关参数由TMS320DM642根据采样频率和AD7606的控制时序相关参数进行直接导入；

14）现场可编程逻辑控制器EP2C8QF208I8内部的3相电压电流信号的缓存采用16位8K（8192）缓存深度的SCFIFO;对SCFIFO模块配置了SCFIFO的Almost_full和Almost_empty功能。当SCFIFO缓存的采集数据个数大于8000时，SCFIFO输出的Almost_full信号触发中断信号，当SCFIFO缓存的采集数据个数低于192时，SCFIFO输出Almost_empty信号；

B.步骤2）中，包括如下步骤：

21）当SCFIFO输出的Almost_full信号触发TMS320DM642的INT5中断。在中断响应程序中，DSP启动EDMA数据搬移程序，采用EDMA方式一次性从FPGA的SCFIFO缓存中搬移8000个电能质量数据；

22）从8000个电能质量数据依次顺序分离出3相电压电流数据，并用于扰动程序的分析识别。

C.所述步骤3）中，包括如下步骤：

31）对电能质量信号进行双树复小波变换

双树复小波采用了二叉树结构的两路离散小波变换，一树生成变换的实部，一树生成变换的虚部。双树复小波变换关系可以表示为：

W_c(t)＝W_h(t)+jW_g(t)

W(t)表示小波系数，W_h(t)与W_g(t)构成Hilbert变换对。双树复小波变换通过相应的实数结构的低通滤波器及高通滤波器实现。

32）对31）获得的小波分解系数进行小波系数Shannon熵的计算。设X_j，k表示小波分解的一个子频带小波系数S_j,k的时域重构离散信号，S_j,k表示第j层的第k个节点小波分解系数。

首先对电能质量信号进行3层双树复小波分解，按

公式计算每一个节点的E(X_j,k)值，并用这一层全部节点的E(X_j,k)构成Shannon熵特征向量E_p＝[E(X_j,1),E(X_j,2)…,E(X_j,k)]。

D.所述步骤4）中，包括如下步骤：

41）利用各种扰动信号的特征向量训练基于二元树的小波支持向量的分类器。

小波支持向量机将小波理论与SVM方法结合起来,互补二者优势，引入小波基函数来构造SVM的核函数,它除了具有SVM的一切优点外,还能消除数据的高频干扰,具备良好的抗噪能力。只要能够生成小波框架的母小波都可以用来构造小波核函数。本发明专利采用Morlet小波作为支持向量机的核函数，应该说明，并不仅仅限于这一种小波函数。

Morlet小波的形式为：

则其小波函数为：

$K(x,x^{\′})=\underset{i=1}{\overset{d}{\mathrm{\Π}}}\cos \left(\frac{1.75(x_i-x_i^{\′})}{2}\right)\exp (-\frac{{\left|\right|x_i-x_i^{\′}\left|\right|}^2}{2a_i^2})$

电能质量扰动识别是多类别识别问题，常用的SVM多分类方法有两种，一种是“oneagainst one”，另一种是“one against rest”。第一种方法分类性能好，但随着训练类别数的增加运算量大大增加。而后者精确度稍差，训练样本大，推广误差不收敛，并且实时性差。鉴于上述两种分类方法的不足，结合电能质量扰动信号的实际特征，选用二元树结构支持向量机对各种扰动信号进行识别。基于二元树的WSVM分类器方法如图4所示，对于一个k类问题，需要训练k-1个分类器。本发明中对常见的8种扰动信号及混合扰动信号进行识别，k=9，在设计分类器时需要设计8个分类器。

每种扰动信号分别选100个特征向量作为训练样本，对基于二元树的WSVM分类器进行训练。经过训练得到满足要求的小波支持向量机可以作为电能扰动识别的有效方法，在实际电能质量监测中得到有效的应用。

42）将待识别的扰动信号的特征向量利用41)中训练得到的基于二元树的WSVM分类器进行分类识别。

E.步骤5）中，包括如下步骤：

51）根据识别结果，得出电能质量的相关信息，经过无线CDMA通信模块发送到检测系统主机，并由系统给出相应的报警信号及语音提示。

52）TMS320DM642通过外扩一片TL16C752串口芯片实现与LPC2134进行数据通信。LPC2134内部集成了双串口，主要负责数据命令的解析，建立监测终端和服务器之间“透明”的UART串行通道。LPC2134的串口UART0用于和DSP进行数据交换，并且将数据进行封装打包，通过串口UART1传递给CDMA模块，将识别结果经过无线CDMA通信模块发送到监控中心。

为了确保CDMA模块能够长时间在线，LPC2134程序代码中还增加了每5分钟一次的“编解码心跳包”数据，确保数据通信的可靠性与唯一性，有效避免掉线现象的发生。

在步骤6）中，为了确保无线通信的可靠性，对“编解码心跳包”数据进行了特殊的编解码处理，监测终端发送“编解码心跳包”数据格式为：

帧头

终端号

数据长度

随机数据

累加和

监控中心服务器收到“编解码心跳包”后，对“编解码心跳包”的“随机数据”进行按位取反的解码操作，重新计算累加和，然后按照“编解码心跳包”数据格式回传数据到相应的监控终端，确保数据通信的可靠性与唯一性。

基于上述方法的设计思想，本发明的基于双树复小波变换的电能质量监测与识别系统包括：

（1）信号提取与转换单元，包括用于对3相电流、电压信号进行信号提取的互感器、对信号进行二阶巴特沃斯低通滤波的滤波器以及多通道同步AD转换器，还包括现场可编程逻辑控制器，所述可编程逻辑控制器内部的数据采集状态机产生多通道同步AD转换器的控制时序，完成3相电压和3相电流信号的采集与缓存，并以中断信号的方式通知数字信号处理器；

（2）数字信号处理器，用于接收中断响应，从现场可编程逻辑控制器中的FIFO中读取实时采集的3相电压和3相电流信号，进行3层双树复小波分解后，计算其小波系数Shannon熵，作为扰动信号的特征向量；

（3）小波支持向量机分类器，作为数字信号处理器中的一个程序模块，基于二元树对扰动信号的特征向量进行识别，该识别算法主要在数字信号处理器中实现；

（4）无线通信模块，用于将识别结果发送至检测系统主机。

附图中的图2是数据采集模块原理框图，分别给出了AD7606、现场可编程逻辑控制器EP2C8QF208I8和数字信号处理器TMS320DM642的连接关系图；图3是无线数传模块原理框图，分别给出了数字信号处理器TMS320DM642、串行控制器TL16C752、32位ARM控制器LPC2134和CDMA模块MC323之间的连接关系图；图4是基于二元树结构的小波支持向量机结构，常见的8种类型扰动有：电压突降(voltage sag)、电压突升(voltage swell)、电压中断(interruption)、振荡暂态(oscillatory transients)、脉冲暂态(impulsetransients)、电压尖峰(spike)、电压缺口(notch)和谐波(harmonics)，另外增加一类混合扰动（Complex Disturbances），共9类扰动信号，本发明中设计了8个分类器；图5是对电能质量短时扰动有常见的8种类型分别进行3层双树复小波分解分解，并分别计算小波系数Shannon熵作为特征向量。

本发明采用一种基于双树复小波变换的电能质量扰动识别方法及系统，利用现场可编程逻辑控制器EP2C8QF208I8控制AD转换器AD7606完成数据采集与缓存，在高速数字信号处理器TMS320DM642通过EDMA方式高效读取数据，并在内部通过双树复小波变换对电能质量信号进行分解，并计算Shannon熵作为扰动信号的特征向量，然后用基于二元树的小波支持向量机进行扰动信号的分类与识别。最后，将识别结果传送到电能质量监控中心。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.基于双树复小波变换的电能质量监测识别方法，其特征在于：所述方法包括以下步骤：

1）将3相电压、3相电流信号分别经过相应的电压、电流互感器进行信号提取，然后经二阶巴特沃斯低通滤波，输入到多通道同步AD转换器，现场可编程逻辑控制器内部的数据采集状态机产生多通道同步AD转换器的控制时序，完成3相电压和3相电流信号的采集与缓存，并以中断信号的方式通知数字信号处理器；

2）数字信号处理器接收中断响应，从现场可编程逻辑控制器中的FIFO中读取实时采集的3相电压和3相电流信号；

3）数字信号处理器对读取的3相电压和3相电流信号进行3层双树复小波分解，并计算其小波系数Shannon熵，作为扰动信号的特征向量；

4）将扰动信号的特征向量采用基于二元树的小波支持向量机分类器进行识别；

5）将识别结果经过无线通信模块发送到检测系统主机；

6）监测识别系统通过“编解码心跳包”与监控中心服务器保持通信联系。

2.根据权利要求1所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：所述步骤1）包括如下步骤：

11）现场可编程逻辑控制器内部的数据采集状态机作为数字信号处理器的一个外设，独立占用一段地址访问空间，数字信号处理器首先写入停止命令，停止数据采集状态机的工作，然后向其写入多通道同步AD转换器的相关控制参数，包括采样频率和控制时序，最后由数字信号处理器写入启动命令，启动数据采集状态机的工作；

12）现场可编程逻辑控制器在内部集成有一个数据采集状态机，只有在停止工作时才接收采样频率等相关控制参数的写入，在收到数字信号处理器的启动命令后开始工作；

13）现场可编程逻辑控制器内部配置了先进先出存储器SCFIFO，用于采集的3相电压和3相电流信号数据的缓冲存储，现场可编程逻辑控制器内部的数据采集状态机根据采样频率等相关参数，在现场可编程逻辑控制器内部时钟的作用下，通过计数器进行计数延时，根据数字信号处理器写入的多通道同步AD转换器的控制时序相关参数，产生多通道同步AD转换器的转换启动信号，并读取多通道同步AD转换器的状态信号，确保多通道同步AD转换器数据转换成功后，产生片选CS控制信号和数据读取RD控制信号，从多通道同步AD转换器中读取采集的电能质量数据；

14）数据采集状态机读取采集的电能质量数据后，产生缓存SCFIFO的写允许信号，在现场可编程逻辑控制器内部时钟的作用下，将3相电压和3相电流数据依次写入现场可编程逻辑控制器内部的SCFIFO模块中。

3.根据权利要求2所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：在步骤13）中，所述现场可编程逻辑控制器对内部的SCFIFO模块配置了Almost_full和Almost_empty功能，当SCFIFO缓存的采集数据个数大于8000时，SCFIFO输出的Almost_full信号触发中断信号，当SCFIFO缓存的采集数据个数低于192时，SCFIFO输出Almost_empty信号。

4.根据权利要求3所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：所述步骤2）包括如下步骤：

21）当SCFIFO输出的Almost_full信号触发数字信号处理器的INT5中断，在中断程序中DSP启动EDMA数据搬移程序，一次性从EP2C8QF208I8内部的SCFIFO模块中搬移8000个3相电压和3相电流的电能质量数据；

22）从8000个3相电压和3相电流的电能质量数据中依次顺序分离出每一相的电压电流数据，并用于扰动程序进行分析识别。

5.根据权利要求1所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：所述步骤3）包括如下步骤：

31）对电能质量信号进行双树复小波变换：

双树复小波采用了二元树结构的两路离散小波变换，一树生成变换的实部，一树生成变换的虚部，双树复小波变换关系可以表示为：

W_c(t)＝W_h(t)+jW_g(t)

W(t)表示小波系数，W_h(t)与W_g(t)构成Hilbert变换对,双树复小波变换可以通过相应的实数结构的低通滤波器及高通滤波器实现；

32）对获得的小波分解系数进行小波系数Shannon熵的计算：设Xj_,k表示小波分解的一个子频带小波系数S_j，k的时域重构离散信号，S_j，k表示第j层的第k个节点小波分解系数，

首先对电能质量信号进行3层双树复小波分解，按

公式计算每一个节点的E(X_j，k)值，并用这一层全部节点的E(X_j，k)构成Shannon熵特征向量E_p＝[E(X_j,1),E(X_j,2)…,E(X_j,k)]。

6.根据权利要求1所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：所述步骤4）包括如下步骤：

41）采用基于二元树的小波支持向量机分类器结构，其核函数选用Morelet小波，其小波函数为： $K(x,x^{\′})=\underset{i=1}{\overset{d}{\mathrm{\Π}}}\cos \left(\frac{1.75(x_i-x_i^{\′})}{2}\right)\exp (-\frac{{\left|\right|x_i-x_i^{\′}\left|\right|}^2}{2a_i^2}),$ 利用各种扰动信号的特征向量训练基于小波支持向量的分类器；

42）将待识别的扰动信号利用步骤51）中训练得到的二元树分类器进行分类识别。

7.根据权利要求1所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：所述步骤5）包括如下步骤：

51）根据识别结果，将得到的3相电压和3相电流的电能质量相关信息经过无线通信模块发送到检测系统主机，并由系统给出相应的报警信号及语音提示；

52）数字信号处理器通过外扩一片串行控制芯片实现与串行外设接口芯片进行数据通信，串行外设接口芯片的串口UART0用于和数字信号处理器进行数据交换，并且将数据进行封装打包，通过串口UART1传递给MC323模块，将识别结果发送到监控中心。

8.根据权利要求1所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：在步骤6）中，为了确保无线通信CDMA模块能够长时间在线，串行外设接口芯片的程序代码中还增加了隔一时间段触发一次的“编解码心跳包”数据，即每分钟与监控中心服务器保持握手一次通信联系，当连续一段时间内没有实现和监控中心服务器保持握手联系，串行外设接口芯片对MC323模块进行复位，从而避免CDMA模块掉线现象的发生。

9.根据权利要求1所述的基于双树复小波变换的电能质量监测识别方法，其特征在于：在步骤6）中，为了确保无线通信的可靠性，对“编解码心跳包”数据进行了特殊的编解码处理，监测终端发送“编解码心跳包”数据格式为：

  帧头   终端号   数据长度   随机数据   累加和

监控中心服务器收到“编解码心跳包”后，对“编解码心跳包”的“随机数据”进行按位取反的解码操作，重新计算累加和，然后按照“编解码心跳包”数据格式回传数据到相应的监控终端，从而确保数据通信的可靠性与唯一性。

10.基于双树复小波变换的电能质量监测与识别系统，其特征在于：所述系统包括

信号提取与转换单元，包括用于对3相电流、电压信号进行信号提取的互感器、对信号进行二阶巴特沃斯低通滤波的滤波器以及多通道同步AD转换器，还包括现场可编程逻辑控制器，所述可编程逻辑控制器内部的数据采集状态机产生多通道同步AD转换器的控制时序，完成3相电压和3相电流信号的采集与缓存，并以中断信号的方式通知数字信号处理器；

数字信号处理器，用于接收中断响应，从现场可编程逻辑控制器中的FIFO中读取实时采集的3相电压和3相电流信号，进行3层双树复小波分解后，计算其小波系数Shannon熵，并将其作为扰动信号的特征向量；

小波支持向量机分类器，作为数字信号处理器中的一个程序模块，基于二元树对扰动信号的特征向量进行识别；

无线通信模块，用于将识别结果发送至检测系统主机。

Images