电能质量检测去噪算法

      近年来，随着科学技术的不断创新、国民经济的快速发展以及工业水平的迅速提高，电能质量的问题也随之日益突出，已受到电力部门及其用户的高度关注，电网中的谐波、电压波动、三相不平衡和电暂态等电能质量问题越来越受到重视。对电能质量进行控制、治理的前提是对电能质量的各类扰动进行有效的检测分析。但是，在实际信号的采集过程中，由于设备安装的位置、外界的电磁干扰等因素，会在测试信号上叠加噪声，而这些噪声的干扰会降低后续扰动检测分析方法的有效性，甚至会使它们失效，因此，去噪在电能质量检测中是一个十分突出和关键的问题。
       针对电能质量检测去噪问题，目前已有各种各样的算法。中值滤波和均值滤波作为常用方法虽然简单、方便，但对于大面积高斯白噪声去噪能力差，不利于处理突变点信息，不适合于电能质量检测对突变点信息保留的要求。小波分析方法具有良好的时频局部化特性和多分辨率分析特性，是电能质量检测中一个有力的工具，但该方法处理强噪环境下的信号效果不理想，同时，小波变换运算复杂、速度慢，硬件实现起来比较困难。
模糊检测具有良好的检测微弱信号的能力，适用于信号处理排除噪声和干扰，隶属度函数是模糊论的基础，它不去鉴别元素属于或者不属于某个集合，而是对每个元素确定一个数，借以表示该元素对所言集合的隶属程度，从而得到最佳隶属集合。
       本文利用模糊隶属度函数的概念，提出了一种新的电能质量检测去噪算法。该算法针对电能质量信号的每个点设计了1×5模板和基于该模板的5个掩模，分别计算此点对这5个掩模的隶属度，选取最大隶属度的掩模，利用该掩模内所有点的均值对该点去噪。实验仿真结果表明，该算法简单实用，不仅能处理大面积的强弱噪声，还较好地保留了突变点的信息，在实际电能质量检测去噪处理中效果明显。

1中值滤波和均值滤波
       电能质量检测的去噪算法有很多种，最常用的去噪工具是均值滤波器和中值滤波器，它们分别是线性滤波器和非线性滤波器的代表。
中值滤波是一种去除噪声的非线性处理方法，其基本原理是把数字序列中一点的值用该点的一个邻域内各点值的中值来代替。该方法计算简单，速度快，可以有效地去除脉冲噪声和寄生振荡，并且能够较好地保留信号的斜坡和跳变部分，而且容易自适应化，可以进一步提高滤波的特性。但由于其仅考虑滤波窗内输人数据的排序信息，而未考虑输入数据的时序源信息，会删除一些重要的细节(例如突变点的信息)，同时，对于大面积的噪声污染，例如高斯分布的白噪声，在均方误差准则下，中值滤波平滑噪声的能力大大降低。
       作为最常用的一种线性滤波，均值滤波对滤波窗(即邻域)中的噪声进行了求均值运算，在某种程度上对噪声进行了平滑。传统的均值滤波算法是一种简单且对高斯噪声具有良好抑制能力的算法，但是均值滤波方法也有如下其自身难以克服的缺陷：均值滤波对奇异点十分敏感，其根本原因在于在均值运算中，各个点的权值都一样，当滤波窗内存在突变点时，突变点在很大程度上影响了滤波效果，同时突变点的存在经均值滤波其影响还会扩散到其附近的点，它的均值运算对于检测突变点的准确性造成了影响。
2基于模糊理论的电能质量检测去噪算法
       针对线性滤波器和非线性滤波器的缺点，本文利用模糊隶属度函数的概念，设计一种新的去噪算法，在保留突变点信息和平滑噪声方面有良好的效果。
       采集到的电能质量信号是一个离散数字序列，针对该数字序列的每一个点，将其作为中心点，引入如图1所示的5个掩模，其中小黑点为中心点，小圆圈为邻域点，采用五点模板，共有5个掩模。计算每个掩模的隶属度。模糊理论中的隶属度函数的意义是判断某个元素对于所言集合的隶属程度，就本例而言，哪一种掩模的隶属度函数的值最大，该点使用此掩模内进行去噪处理后得到的数据最接近于原始数据。
       基于此，建立如下模糊规则：如果某点的值最接近于其所在掩模菇内的所有点的平均值，则此点隶属于掩模戈，在确定了该点的掩模以后，在去噪时，该点的值用其所隶属的掩模内的所有点的平均值来代替。