CN111585542A - 一种功率信号脉冲噪声滤除的方法及滤波器 - Google Patents
一种功率信号脉冲噪声滤除的方法及滤波器 Download PDFInfo
- Publication number
- CN111585542A CN111585542A CN201910116674.0A CN201910116674A CN111585542A CN 111585542 A CN111585542 A CN 111585542A CN 201910116674 A CN201910116674 A CN 201910116674A CN 111585542 A CN111585542 A CN 111585542A
- Authority
- CN
- China
- Prior art keywords
- matrix
- power
- power signal
- data
- control parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开了一种功率信号脉冲噪声滤除的方法及滤波器,涉及脉冲噪声滤除技术领域,包括确定功率矩阵和控制参数;对功率矩阵进行奇异值分解得到第一矩阵、第二矩阵及对角矩阵;根据对角矩阵计算每个控制参数的滤波矩阵;根据第一矩阵、第二矩阵以及滤波矩阵计算每个控制参数对应的新功率矩阵;计算功率矩阵与每个新功率矩阵的估计误差;从所有估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵;将最优功率矩阵中数据进行整理,截取前N个数据组成滤除脉冲噪声的功率信号序列。本发明对于频繁发生的、幅度较大的脉冲噪声具有较好的滤除作用,同时也可以较好地保持功率信号的突变特性。
Description
技术领域
本发明涉及脉冲噪声滤除技术领域,特别是涉及一种功率信号脉冲噪声滤除的方法及滤波器。
背景技术
随着智能电网的发展,家庭用电负荷的分析变得越来越重要。通过用电负荷的分析,家庭用户可以及时获得每个电器的用电信息,以及电费的精细化清单;电力部门可以获得更详尽的用户用电信息,并可以提高用电负荷预测的准确度,为电力部门提供统筹规划的依据。同时,利用每个电器的用电信息,可获知用户的用电行为,这对于家庭能耗评估和节能策略的研究具有指导意义。
当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备,只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点,因此,该方法适用于家庭负荷用电的分解。
非侵入式负荷分解算法中,电气设备的开关事件检测是其中最重要的环节。最初的开关事件检测以有功功率P的变化值ΔP作为开关事件检测的判断依据,方便且直观。这是因为任何一个用电设备的运行状态发生变化,其所消耗的功率值也必然发生改变,并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值,还需要解决事件检测方法在实际应用中存在的问题,例如某些电器启动时刻的瞬时功率值会出现较大的尖峰(马达启动电流远大于额定电流),会造成电器稳态功率变化值不准确,从而影响对开关事件检测的判断,这种尖峰其实就是脉冲噪声;而且不同家用电器的暂态过程或长或短(脉冲噪声的持续时间和发生频率相差较大),因此功率变化值的确定变得较为困难;由于电能质量的变化(如电压突降)有功功率会出现突变的情况,这样很可能会出现误判。
因此,开关事件检测过程中,对功率信号进行滤波是很重要的一步,常用的消除背景噪声的方法是低通滤波器和中值滤波器。
尽管低通滤波器可以有效地滤除背景噪声,并能在一定程度上保持信号的突变性。但是,鉴于信号突变点(功率发生跳变的地方)对于确定开关事件的重要性,希望滤波器不要改变功率信号的突变性,但是低通滤波器往往做不到这一点,低通滤波器会使得突变点不再陡峭,变得光滑,使得突变时间(对应于开关事件的发生时间)难以确定。
中值滤波器在保持信号突变性以及滤除脉冲噪声方面表现突出,但是对于连续发生的强脉冲噪声,其滤波效果欠佳。
发明内容
针对现有技术中存在的缺陷,本发明提供了一种功率信号脉冲噪声滤除的方法及滤波器,对于频繁发生的、幅度较大的脉冲噪声具有较好的滤除作用,同时也可以较好地保持功率信号的突变特性。
为实现上述目的,本发明提供了如下方案:
一种功率信号脉冲噪声滤除的方法,所述方法包括:
获取实测的功率信号序列;所述功率信号序列的长度为N;
将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵;所述功率矩阵为NR行NC列矩阵;
确定控制参数集合;所述控制参数集合包含K个控制参数;
对所述功率矩阵进行奇异值分解,得到第一矩阵、第二矩阵以及对角矩阵;
根据所述对角矩阵,计算每个所述控制参数的滤波矩阵;
根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵;
计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差;
从所有所述估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵;
将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列;所述最优功率信号序列为滤除脉冲噪声的功率信号序列。
可选的,所述将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵,具体包括:
将所述功率信号序列中的数据按照所述分段约束条件进行分段处理;
将分段后的数据按照一段数据为一行的形式排列组成功率矩阵。
可选的,所述根据所述对角矩阵,计算每个所述控制参数的滤波矩阵,具体包括:
确定每个所述控制参数对应的判定阈值;控制参数为k时对应的判断阈值为σk+1;σk+1为所述对角矩阵中的第k+1个元素;
将所述对角矩阵中的每个元素与所述判断阈值进行比较,并根据比较结果更新对角矩阵;
可选的,所述将所述对角矩阵中的每个元素与所述判断阈值进行比较,并根据比较结果更新对角矩阵,具体包括:
当σq>σk+1时,比较结果不变,仍为σq;其中,σq为所述对角矩阵的第q个元素;
当σq≤σk+1时,比较结果由σq更换为0;
根据得到的所有比较结果,更新对角矩阵。
可选的,所述根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵,具体包括:
可选的,所述计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差,具体包括:
根据以下公式计算控制参数为k时对应的估计误差;所述公式为errk=||P-Pk *||;errk为控制参数为k时对应的估计误差;P为功率矩阵;为控制参数为k时对应的新功率矩阵;运算符*ij表示矩阵*中第i行第j列的元素。
可选的,所述将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列,具体包括:
将所述最优功率矩阵的第一行数据作为第一段数据,第二行数据作为第二段数据,以此类推,最后一行数据作为最后一段数据,将这些段数据按照顺序连接起来,并截取前N个数据组成最优功率信号序列。
一种功率信号脉冲噪声滤除的滤波器,所述滤波器包括:
功率信号序列获取模块,用于获取实测的功率信号序列;所述功率信号序列的长度为N;
功率矩阵组成模块,用于将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵;所述功率矩阵为NR行NC列矩阵;
控制参数集合确定模块,用于确定控制参数集合;所述控制参数集合包含K个控制参数;
功率矩阵分解模块,用于对所述功率矩阵进行奇异值分解,得到第一矩阵、第二矩阵以及对角矩阵;
滤波矩阵计算模块,用于根据所述对角矩阵,计算每个所述控制参数的滤波矩阵;
新功率矩阵计算模块,用于根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵;
估计误差计算模块,用于计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差;
最优功率矩阵确定模块,用于从所有所述估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵;
最优功率信号序列确定模块,用于将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列;所述最优功率信号序列为滤除脉冲噪声的功率信号序列。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种功率信号脉冲噪声滤除的方法及滤波器。此方法或滤波器充分利用了功率信号与脉冲噪声在稀疏度上的差别,根据子空间重构的方法滤除脉冲噪声。此方法或滤波器对于频繁发生的,幅度较大的脉冲噪声具有较好的滤除作用,同时也可以较好地保持功率信号的突变特性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中能量分解示意图;
图2为本发明实施例功率信号脉冲噪声滤除方法的流程示意图;
图3为本发明实施例数据分段和矩阵排列的示意图;
图4为本发明实施例功率信号脉冲噪声滤除滤波器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
负载开关事件检测是能量分解中最为重要的一步,既要检测到事件发生,同时还能确定事件发生的时刻。但是开关事件检测的精度受功率信号(功率序列)中噪声的影响较大,尤其是功率信号中的脉冲噪声。因此,对功率信号滤波是开关事件检测中非常重要的一步。常用的低通滤波器和中值滤波器在有些情况下(例如脉冲噪声发生频率较高,幅度较大等)难以达到理想的滤波效果。
基于此,本发明提供了一种功率信号脉冲噪声滤除的方法及滤波器,通过充分利用功率信号与脉冲噪声在稀疏度上的差别,根据子空间重构的方法滤除脉冲噪声,能够对于频繁发生的、幅度较大的脉冲噪声具有较好的滤除作用,同时也可以较好地保持功率信号的突变特性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
术语解释:
负载开关事件:打开负载(电气设备)电源开关或关闭电源开关的动作。
能量分解:将电表处读取的功率值分解为单个负载所消耗的功率值。如图1所示,此图为模拟数据,非实测数据。
图2为本发明实施例功率信号脉冲噪声滤除方法的流程示意图,如图2所示,本发明实施例提供的功率信号脉冲噪声滤除方法包括以下几个步骤:
步骤101:获取实测的功率信号序列;本实施例实测的功率信号序列为P(1),P(2),...,P(N),N为功率信号序列的长度。
步骤102:将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵;所述功率矩阵为NR行NC列矩阵。
步骤103:确定控制参数集合;所述控制参数集合包含K个控制参数。
步骤104:对所述功率矩阵进行奇异值分解,得到第一矩阵、第二矩阵以及对角矩阵。
步骤105:根据所述对角矩阵,计算每个所述控制参数的滤波矩阵。
步骤106:根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵。
步骤107:计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差。
步骤108:从所有所述估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵。
步骤109:将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列;所述最优功率信号序列为滤除脉冲噪声的功率信号序列。
步骤102具体包括:
确定分段约束条件;所述分段约束条件为分为NR段,每段含有NC个数据,且当N<NR×NC时,用零补足最后一段数据的约束条件;其中,符号表示上取整;这样做的目的是所有的数据都参与运算,不舍弃数据。NR取值范围在[2,40]之间,不宜太大。
如图3所示,将所述功率信号序列中的数据按照所述分段约束条件进行分段处理,将分段后的数据按照一段数据为一行形式排列组成功率矩阵。
步骤104具体包括:
计算功率矩阵P的奇异值分解(SVD):P=UΣVT。
步骤105具体包括:
确定每个所述控制参数对应的判定阈值;控制参数为k时对应的判断阈值为σk+1;σk+1为所述对角矩阵中的第k+1个元素。
将所述对角矩阵中的每个元素与所述判断阈值进行比较,并根据比较结果更新对角矩阵。具体为当σq>σk+1时,比较结果为σq不变;其中,σq为所述对角矩阵的第q个元素;当σq≤σk+1时,比较结果为σq更换为0;根据得到的所有比较结果,更新对角矩阵。
步骤106具体包括:
步骤107具体包括:
根据以下公式计算控制参数为k时对应的估计误差;所述公式为errk=||P-Pk *||;errk为控制参数为k时对应的估计误差;P为功率矩阵;为控制参数为k时对应的新功率矩阵;运算符*ij表示矩阵*中第i行第j列的元素。
步骤108具体包括:
步骤109具体包括:
将所述最优功率矩阵的第一行数据作为第一段数据,第二行数据作为第二段数据,以此类推,最后一行数据作为最后一段数据,将这些段数据按照顺序连接起来,并截取前N个数据组成最优功率信号序列。此数据序列就是没有滤除了脉冲噪声的功率数据,可以用于开关事件检测中。
图4为本发明实施例功率信号脉冲噪声滤除滤波器的结构示意图,如图4所示,本发明实施例提供的功率信号脉冲噪声滤除的滤波器包括:
功率信号序列获取模块100,用于获取实测的功率信号序列;所述功率信号序列的长度为N。
功率矩阵组成模块200,用于将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵;所述功率矩阵为NR行NC列矩阵。
控制参数集合确定模块300,用于确定控制参数集合;所述控制参数集合包含K个控制参数。
功率矩阵分解模块400,用于对所述功率矩阵进行奇异值分解,得到第一矩阵、第二矩阵以及对角矩阵。
滤波矩阵计算模块500,用于根据所述对角矩阵,计算每个所述控制参数的滤波矩阵。
新功率矩阵计算模块600,用于根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵。
估计误差计算模块700,用于计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差。
最优功率矩阵确定模块800,用于从所有所述估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵。
最优功率信号序列确定模块900,用于将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列;所述最优功率信号序列为滤除脉冲噪声的功率信号序列。
本发明利用了功率信号与脉冲噪声在流结构中的差异,可以很方便地实现信号与脉冲噪声的分离,从而达到滤除脉冲噪声的目的。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种功率信号脉冲噪声滤除的方法,其特征在于,所述方法包括:
获取实测的功率信号序列;所述功率信号序列的长度为N;
将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵;所述功率矩阵为NR行NC列矩阵;
确定控制参数集合;所述控制参数集合包含K个控制参数;
对所述功率矩阵进行奇异值分解,得到第一矩阵、第二矩阵以及对角矩阵;
根据所述对角矩阵,计算每个所述控制参数的滤波矩阵;
根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵;
计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差;
从所有所述估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵;
将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列;所述最优功率信号序列为滤除脉冲噪声的功率信号序列。
5.根据权利要求4所述的功率信号脉冲噪声滤除的方法,其特征在于,所述将所述对角矩阵中的每个元素与所述判断阈值进行比较,并根据比较结果更新对角矩阵,具体包括:
当σq>σk+1时,比较结果为不变,仍为σq;其中,σq为所述对角矩阵的第q个元素;
当σq≤σk+1时,比较结果由σq更换为0;
根据得到的所有比较结果,更新对角矩阵。
8.根据权利要求1所述的功率信号脉冲噪声滤除的方法,其特征在于,所述将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列,具体包括:
将所述最优功率矩阵的第一行数据作为第一段数据,第二行数据作为第二段数据,以此类推,最后一行数据作为最后一段数据,将这些段数据按照顺序连接起来,并截取前N个数据组成最优功率信号序列。
9.一种功率信号脉冲噪声滤除的滤波器,其特征在于,所述滤波器包括:
功率信号序列获取模块,用于获取实测的功率信号序列;所述功率信号序列的长度为N;
功率矩阵组成模块,用于将所述功率信号序列进行分段处理,并将分段后的数据重新排列组成功率矩阵;所述功率矩阵为NR行NC列矩阵;
控制参数集合确定模块,用于确定控制参数集合;所述控制参数集合包含K个控制参数;
功率矩阵分解模块,用于对所述功率矩阵进行奇异值分解,得到第一矩阵、第二矩阵以及对角矩阵;
滤波矩阵计算模块,用于根据所述对角矩阵,计算每个所述控制参数的滤波矩阵;
新功率矩阵计算模块,用于根据所述第一矩阵、所述第二矩阵以及所述滤波矩阵,计算每个所述控制参数对应的新功率矩阵;
估计误差计算模块,用于计算所述功率矩阵与每个所述控制参数对应的新功率矩阵的估计误差;
最优功率矩阵确定模块,用于从所有所述估计误差中筛选出最小的估计误差,并将最小的估计误差对应的新功率矩阵确定为最优功率矩阵;
最优功率信号序列确定模块,用于将所述最优功率矩阵中数据进行整理,截取前N个数据组成最优功率信号序列;所述最优功率信号序列为滤除脉冲噪声的功率信号序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910116674.0A CN111585542A (zh) | 2019-02-15 | 2019-02-15 | 一种功率信号脉冲噪声滤除的方法及滤波器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910116674.0A CN111585542A (zh) | 2019-02-15 | 2019-02-15 | 一种功率信号脉冲噪声滤除的方法及滤波器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111585542A true CN111585542A (zh) | 2020-08-25 |
Family
ID=72112866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910116674.0A Withdrawn CN111585542A (zh) | 2019-02-15 | 2019-02-15 | 一种功率信号脉冲噪声滤除的方法及滤波器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111585542A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112104392A (zh) * | 2020-10-08 | 2020-12-18 | 广东石油化工学院 | 一种利用状态矩阵的plc信道脉冲噪声检测方法和*** |
CN115600061A (zh) * | 2022-12-14 | 2023-01-13 | 嘉兴索罗威新能源有限公司(Cn) | 基于机器学习的逆变器零压降数据处理方法 |
-
2019
- 2019-02-15 CN CN201910116674.0A patent/CN111585542A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112104392A (zh) * | 2020-10-08 | 2020-12-18 | 广东石油化工学院 | 一种利用状态矩阵的plc信道脉冲噪声检测方法和*** |
CN115600061A (zh) * | 2022-12-14 | 2023-01-13 | 嘉兴索罗威新能源有限公司(Cn) | 基于机器学习的逆变器零压降数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109307798B (zh) | 一种用于开关事件检测的功率信号滤波方法 | |
CN108918932B (zh) | 负荷分解中功率信号自适应滤波方法 | |
CN109633368A (zh) | 基于vmd和dfa的含分布式电源配电网电能质量扰动检测方法 | |
CN108918931B (zh) | 一种负荷分解中功率信号自适应滤波方法 | |
CN107546855B (zh) | 一种居民用电负荷的非侵入分解方法 | |
CN109145825B (zh) | 一种相干噪声滤除方法及*** | |
CN111585542A (zh) | 一种功率信号脉冲噪声滤除的方法及滤波器 | |
CN109188069A (zh) | 一种用于负载开关事件检测的脉冲噪声滤除方法 | |
CN112763848A (zh) | 确定电力***故障的方法及装置 | |
CN111680590A (zh) | 一种利用收缩梯度的功率信号滤波方法和*** | |
CN109946543B (zh) | 用于非侵入式负荷监测的v-i图样本数据集筛选方法 | |
CN108918927B (zh) | 一种能量分解中功率信号滤波方法及*** | |
CN111585544A (zh) | 一种功率信号脉冲噪声滤除的方法及滤波器 | |
CN108918929B (zh) | 一种负荷分解中功率信号自适应滤波方法 | |
CN109241874B (zh) | 能量分解中功率信号滤波方法 | |
Kapisch et al. | An implementation of a power system smart waveform recorder using FPGA and ARM cores | |
CN112731177A (zh) | 干电池电量检测方法及装置 | |
CN117540235A (zh) | 一种临时用电异常数据实时监测方法 | |
CN111666870A (zh) | 一种利用二次约束的功率信号重构方法和*** | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN110187167B (zh) | 一种基于流形分类的负载开关事件的检测方法和装置 | |
CN110244115B (zh) | 一种基于信号连接性的负载开关事件检测方法及*** | |
CN111639606A (zh) | 一种利用Dantzig总梯度最小化的功率信号滤波方法和*** | |
CN110221119B (zh) | 基于功率与akie融合信息的负载开关事件检测方法和*** | |
CN109740582B (zh) | 一种用于能量分解的功率信号噪声滤除方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200825 |