[发明专利]基于小波变换的数字信号粗大数据检测修正方法及系统

说明书

本发明公开了一种基于小波变换的数字信号粗大数据检测修正方法及系统，包括：将采集的待测智能变电站数字化计量系统正弦数字信号序列进行小波分解得到高频细节系数和低频近似系数；根据高频细节系数对正弦数字信号序列进行重构，获得重构数字信号序列；求取获得的重构数字信号序列每一项绝对值的标准差和平均值，将绝对值减去平均值大于预设阈值的项认定为粗大数据项，扩展得到扩展后的粗大数据项；根据扩展后的粗大数据项对原始的正弦数字信号序列进行剔除，然后进行插值修正处理得到不含粗大数据的正弦数字信号序列。本发明拟合次数相对较少，计算量相对较小，且能够甄别两个甚至多个连续的粗大数据。

技术领域

本发明属于智能变电站数字化计量系统数字信号序列中粗大数据的检测领域，特别涉及一种基于小波变换的数字信号粗大数据检测修正方法及系统。

背景技术

数字系统在对模拟信号进行采样的时候，如果存在干扰，例如从电源或地线上耦合一个干扰电压，则ADC有可能采样到一个极大值或极小值，称为粗大数据。

在智能变电站的数字化计量系统中，数字化电能表虚拟仪器从合并单元处直接获取电子式互感器的波形采样数据，此数据为数字量。在这个过程中，电子式互感器在采样过程中可能会耦合一些粗大数据，此数据为高频信号；这些粗大数据如果不经处理，最终会对数字电能表的电能计算产生影响。因此必须寻找合适的算法检测粗大数据并剔除，并应用算法进行修正，这对减小电能计算误差具有十分重要的意义。

关于粗大数据的检测，传统方法是取数字信号序列固定长度的一组数(通常长度为7)，剔除一个最大值和一个最小值，认为这两个值为粗大数据，然后应用最小二乘拟合进行修正。目前的方法存在的问题是：拟合次数较多，计算量较大，且无法甄别两个以上连续的粗大数据。

发明内容

本发明的目的在于提供一种基于小波变换的数字信号粗大数据检测修正方法及系统，以解决上述存在的技术问题。本发明的检测方法拟合次数相对较少，计算量相对较小，且能够甄别两个甚至多个连续的粗大数据。

为达到上述目的，本发明采用以下技术方案：

一种基于小波变换的数字信号粗大数据检测修正方法，包括以下步骤：

步骤1，将采集的待测智能变电站数字化计量系统正弦数字信号序列进行小波分解，经过分解得到高频细节系数和低频近似系数；

步骤2，根据步骤1获得的高频细节系数对正弦数字信号序列进行重构，获得重构数字信号序列；

步骤3，求取步骤2获得的重构数字信号序列每一项绝对值的标准差和平均值，将绝对值减去平均值大于预设阈值的项认定为粗大数据项；

步骤4，对步骤3得到的粗大数据项进行扩展，得到扩展后的粗大数据项；

步骤5，根据步骤4得到的扩展后的粗大数据项对步骤1中原始的正弦数字信号序列进行剔除，然后进行插值修正处理得到不含粗大数据的正弦数字信号序列。

进一步地，步骤1中，选择Daubechies小波系中的db2小波基函数对采集的待测智能变电站数字化计量系统正弦数字信号序列进行分解得到高频细节系数和低频近似系数。

进一步地，步骤3具体为：求取重构数字信号序列每一项绝对值的标准差和平均值，绝对值减去平均值大于两倍标准差的项认定为粗大数据项。

进一步地，步骤4中的扩展具体为，将步骤3得到的每一个粗大数据项的前一项和后一项均认定为粗大数据项。

进一步地，步骤5中的插值修正处理包括：对剔除掉粗大数据的正弦数字信号序列，采用最小二乘法、拉格朗日插值法或三次样条插值方法进行拟合，得到不含粗大数据的正弦数字信号序列。

进一步地，通过MATLAB编程实现。