一種基于同步的同質傳感器融合處理方法
【技術領域】
[0001] 本發明涉及一種基于同步的同質傳感器融合處理方法，屬電力設備傳感器測量技 術領域。
【背景技術】
[0002] 傳統的用電設備能實時地感知電網的有效供電能力是有序用電的基礎，電網能 實時獲取用電設備用電真實狀態是智能電網的前提。傳統的供用電信息采集往往由單一的 傳感器來完成，即使采用多個（種）傳感器也多是分時使用，所以是從多個側面孤立地反映 電網的信息。隨著技術的進步，這些測量數據需要融合處理，即指利用多個傳感器的輸出推 斷出一個有效的信息。
[0003] 電力系統所使用的傳感器受到生產廠家生產環境、采用技術的不同。不同廠家的 儀器甚至同一廠家的不同批次的儀器測得同一對象的某個生理數據都有差異，尤其在幅度 上差別明顯，因此對海量數據對比、自動分析等造成困難。
【發明內容】
[0004] 本發明的目的是，針對電力設備傳感器采集信息存在的問題，本發明公開了一種 基于同步的同質傳感器融合處理方法。
[0005] 實現本發明的技術方案是，一種基于同步的同質傳感器融合處理方法，將電力系 統不同類傳感器進行無差別融合，進行優化組合預處理，得到等周期數據樣本；以消減不同 傳感器差異和信號采集過程中的隨機誤差，改善數據質量。
[0006] 本發明提供了一種基于同步的同質傳感器融合處理方法，中央處理器以T秒為 采樣周期，同質傳感器（傳感器觀測的是同一物理現象）定時對被測信號進行采樣和量 化并獲得關于時間的數據序列X(N)，將采樣數據按周期進行截取，獲得m個周期序列為： 1 (t)，Y2 (t)，…Yjt)，每個周期樣本中包含了N個數據點，SPY1=[Xi(1)，& (2)，···&(N)]， 其中i= 1，2, 一,Π!。從每個周期序列各時刻點中抽取一個點值組成單一傳感器多次測量 的一維數據序列，構造按周期同步構建的周期數據序列，即ti(t)，Y' 2(t)，…Y'N(t)， 每組一維數據序列中包括了m個數據點，S卩Υ' 1= [ΧΑΙ)，^^，…X"(N)]。對得到的數 據樣本tt進行基于極大似然估計和最小二乘法估計的優化組合預處理，用于指導電力系 統周期采樣數據指導。
[0007] -種基于同步的同質傳感器融合處理方法，包括以下步驟：
[0008] 步驟一：中央處理器以T(秒）為采樣周期，同質傳感器定時對系統被測信號進行 采樣和量化，并得到相同采樣頻率下的數據樣本X(N);
[0009] 步驟二：將采樣數據按周期進行截取，獲得m個周期序列為七⑴義⑴，… Yn(t)，每個周期樣本中包含了N個數據點，即Y1= ^⑴義⑵，…XJN)]，其中i= 1，2,…，m ;
[0010] 步驟三：構造按周期同步構建的周期數據序列，即Y'i(t)，Y' 2(t)，…Y'N(t)， 每組一維數據序列中包括了m個數據點，即Y' 1= [XidhAO)，…X"(N)];
[0011] 步驟四：對數據樣本tt進行基于極大似然估計和最小二乘法估計的優化組合 預處理。
[0012] 步驟一中，所述同質傳感器定時對系統被測信號進行采樣和量化的具體步驟為：
[0013] 所述中央處理器采樣周期為T(秒），包含在系統內部的m個傳感器定時對系統 內部的被測信號進行采樣和量化，進而得到相同采樣頻率下的數據樣本XJN)，其中i= 1，2, ···，!!!;所述m個傳感器可以不同時、不同位置，但是被檢測或采集信號的特征相同。
[0014] 步驟三中，所述構造按周期同步構建的周期數據序列的具體步驟為：
[0015] 將采集到的電力系統數據在按周期進行截取后，將每個周期數據中各個時刻點數 據視為同步后的同一對象的多次測量結果，即各個周期對應時刻點數據為一個樣本，多個 周期的數據中相對應時刻的每個點值即構成一個數據序列，從而可視為單一傳感器多次測 量的一維數據序列，即構造了按周期同步構建的周期數據序列，也即ti(t)，Y' 2(t)，~ Y'N(t)，每組一維數據序列中包括了m個數據點，即Y'fKlhX#)，…X"(N)]。
[0016] 步驟四中，所述對數據樣本Y' t進行基于極大似然估計的優化組合預處理的步驟 為：
[0017] (a)假設在給定的時刻，待測環境特征為X，傳感器的值為Y，則該傳感器的測量模 型為：Y=f(X)+V，其中，V是符合高斯分布的噪聲項；所謂數據融合就是由N個傳感器得到 測量值t、Y2、…、YN，并按某種估計準則從這些測量值中得到特征參數X的最優估計；
[0018] (b)尋找合適的準則函數，即當X被估計為X(Y)時所產生的損失最小的函數；取 損失函數為均勻損失：
[0019]
[0020] (c)在損失函數L的基礎上，定義相應估計風險的函數R:
[0021]其中，p(x)、p(x|y)表示概率分 布；
[0022] (d)取風險最小為估計準則，即
[0023]
(1)
[0024] 其中，3(·)為求導操作；可以得到符合式（1)的最優估計（最大后驗估計）為：
[0025] (e)在具有N個傳感器的系統中，相應的信息融合可以看作是在觀測值YpY2、…、 ΥΝΤ，值X具有最大后驗的估計為
[0026] (f)取（a)中f(X)為X的線性函數，即Y1=AA+VpAi為權重系數，V為噪聲； p(Y|X)服從高斯噪聲分布，S卩（Y|X)~N(AAVJ，N( ·)表示高斯分布函數；X滿足高斯噪 聲分布，其中文為均值，vx為方差；
[0027] 采用"模糊先驗"的概念，即對所有可能參數X均采用p(X) = 1，得到：
[0028]
(2.)
[0029] 其中，ρ(·)表示概率，Π(·)表示聯合分布律，此時最大后驗估計即簡化為極大 似然估計，相應的融合計算公式為：
[0030] (3)
[0031] (4)
[0032] 其中，Vf為Χ|Υ分布的協方差，（·）τ表示矩陣轉置操作，（·）1表示求逆矩陣操 作；
[0033] 所述對數據樣本t'進行基于最小二乘法估計的優化組合預處理按以下列步驟進 行：
[0034] 對最大似然估計信息融合的計算以后，再考慮最小二乘估計，相應的融合計算公 式為：
[0035] C5)
[0036] (β}
[0037] 其中，F為參數估計值。
[0038] 本發明的有益效果是，本發明將不同類傳感器進行無差別融合，進行優化組合預 處理，得到等周期數據樣本，以消減不同傳感器差異和信號采集過程中的隨機誤差，該方法 適用于電力系統數據預處理，改善數據質量。
【附圖說明】
[0039] 圖1是本發明實施例一種基于同步的同質傳感器融合處理方法的流程圖。
【具體實施方式】
[0040] 本發明的【具體實施方式】如圖1所示。
[0041] 本實施例一種基于同步的同質傳感器融合處理方法，其主要包括以下步驟：
[0042] 步驟A:中央處理器以Τ(秒）為采樣周期，同質傳感器定時對系統被測信號進行 采樣和量化，并得到相同采樣頻率下的數據樣本X(N);
[0043] 步驟B:將采樣數據按周期進行截取，獲得m個周期序列為七⑴義⑴，…Yjt)， 每個周期樣本中包含了N個數據點，即Y1= [XjlhXA)，…XJN)]，其中i= 1，2，···，πι;
[0044] 步驟C:構造按周期同步構建的周期數據序列，即Y'i(t)，Y' 2(t)，…Y'N(t)， 每組一維數據序列中包括了m個數據點，即Y' 1= [XidhAO)，…X"(N)];
[0045] 步驟D:對數據樣本Y' t進行基于極大似然估計和最小二乘法估計的優化組合預 處理。
[0046] 本實施例所屬步驟A:中央處理器以T(秒）為采樣周期，同質傳感器定時對系統 被測信號進行采樣和量化，并得到相同采樣頻率下的數據樣本Χ(Ν)的具體步驟為：
[0047] 中央處理器采樣周期為Τ(秒），包含在系統內部的m個傳感器（可以不同時、不同 位置，但是被檢測或采集信號的特征相同）定時對系統內部的被測信號進行采樣和量化， 進而得到相同采樣頻率下的數據樣本XJN)，其中i= 1，2，···，πι。
[0048] 本實施例所屬步驟C :構造按周期同步構建的周期數據序列，即 Y'i(t)，Y' 2(t)，…Y'N(t)，每組一維數據序列中包括了m個數據點，即Y' 1 = [& (1)，X2 (2)，…X" (N)]的具體步驟為：
[0049] 將采集到的電力系統數據在按周期進行截取后，將每個周期數據中各個時刻點數 據視為同步后的同一對象的多次測量結果，即各個周期對應時刻點數據為一個樣本，多個 周期的數據中相對應時刻的每個點值即構成一個數據序列，從而可視為