盛楠+陳國初

摘 要：在采集信號的過程中，原始信號會受到大量噪聲信號的影響。對信號進(jìn)行去噪處理時(shí)，提取有用信號十分重要。小波分析作為一種信號處理方法，在時(shí)域和頻域上都有良好的局部性，可以很好地抑制噪聲。最常用的小波去噪方法是小波閾值去噪法。簡要研究了小波閾值去噪法的相關(guān)內(nèi)容，并將其應(yīng)用在實(shí)際風(fēng)電場的風(fēng)速數(shù)據(jù)中，針對風(fēng)速序列的不穩(wěn)定性進(jìn)行去噪處理，以減小風(fēng)速序列的波動性。實(shí)驗(yàn)證明，去噪后的信號更加穩(wěn)定，波動性明顯減弱。

關(guān)鍵詞：小波去噪；閾值；風(fēng)速；波動性

中圖分類號：TN911.4 文獻(xiàn)標(biāo)識碼：A DOI：10.15913/j.cnki.kjycx.2016.20.076

文章編號：2095-6835（2016）20-0076-01

在采集實(shí)際信號的過程中，原始信號會受到噪聲信號的干擾，通過小波去噪可以有效濾除信號中的噪聲，分離出有用的信號。在小波去噪方法中，應(yīng)用最廣泛的是小波閾值去噪法。采用閾值去噪法可以得到原始信號的近似最優(yōu)估計(jì)，實(shí)現(xiàn)便捷，效果好。近年來，風(fēng)電產(chǎn)業(yè)快速發(fā)展，風(fēng)速作為風(fēng)電場的重要參數(shù)，具有很強(qiáng)的隨機(jī)性和波動性，給風(fēng)力發(fā)電造成了巨大的影響。為了減少風(fēng)速序列造成的不穩(wěn)定性，本文將小波閾值去噪的方法應(yīng)用于風(fēng)速序列的處理中。仿真實(shí)驗(yàn)表明，風(fēng)速序列經(jīng)過小波去噪處理后，波動性明顯減弱。

1 小波閾值去噪

設(shè)信號為：

yt=st+nt. （1）

式（1）中：yt為含有噪聲的信號；st為有用信號；nt為噪聲信號。

小波閾值去噪的基本原理是：信號經(jīng)過小波變換后失去相關(guān)性，噪聲分布在整個(gè)小波域。當(dāng)信號處于小波域大的系數(shù)中，則可以認(rèn)為噪聲的小波系數(shù)幅值小于信號小波系數(shù)幅值。因此，可以設(shè)定一個(gè)閾值，保留高于此閾值的小波系數(shù)，將低于此閾值的小波系數(shù)至零，即使噪聲的小波系數(shù)減少至零。常用的閾值選取規(guī)則有rigrsure原則、sqtwolog原則、heursure原則和minimax原則等，本文采用的是rigrsure原則。

小波去噪的基本步驟是：①選擇小波基和分解的層數(shù)，計(jì)算小波分解系數(shù)；②選擇合適的閾值，針對高頻系數(shù)進(jìn)行去噪處理；③將低頻系數(shù)和經(jīng)過閾值處理后的高頻系數(shù)進(jìn)行小波重構(gòu)，得到去噪后的信號。

2 實(shí)驗(yàn)仿真與分析

本文采用東北某風(fēng)電場2014-06采集的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。該機(jī)組每小時(shí)進(jìn)行一次數(shù)據(jù)采樣，6月份一共采集了30×24=720組數(shù)據(jù)。在Windows7的系統(tǒng)環(huán)境下，運(yùn)用MATLAB2012b軟件進(jìn)行實(shí)驗(yàn)仿真。圖1為原始的風(fēng)速序列。

對原始風(fēng)速序列進(jìn)行3層小波分解，得到低頻趨勢信號分量a1、a2、a3和高頻細(xì)節(jié)信號d1、d2、d3。采用rigrsure原則作為閾值選取規(guī)則，對高頻信號分量d1、d2和d3進(jìn)行小波去噪處理，將去噪后得到的高頻信號分量d1*、d2*和d3*進(jìn)行小波重構(gòu)，得到如圖2所示的小波去噪后的小時(shí)風(fēng)速序列圖。

對比圖1和圖2可知，與原始的風(fēng)速序列相比，經(jīng)過小波去噪處理后，風(fēng)速的波動性明顯減弱，穩(wěn)定性增強(qiáng)。

3 結(jié)論

本文針對風(fēng)速時(shí)間序列的不平穩(wěn)性，采用閾值去噪的方法對其進(jìn)行小波去噪處理。仿真實(shí)驗(yàn)表明，小波去噪處理削弱了風(fēng)速的不平穩(wěn)性，證明了其在數(shù)據(jù)處理上的有效性。

參考文獻(xiàn)

[1]岑翼剛，尉宇，孫德寶.小波閾值神經(jīng)網(wǎng)絡(luò)在信號去噪及預(yù)測中的應(yīng)用[J].控制理論與應(yīng)用，2008，25（03）：485-491.

[2]劉藝，張琨.基于小波去噪和GA-Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測[J].交通科技與經(jīng)濟(jì)，2015，17（06）：80-85.

[3]王明偉.風(fēng)電場短期風(fēng)速預(yù)測研究[D].蘭州：蘭州理工大學(xué)，2009.

[4]嚴(yán)容.基于小波去噪的BP神經(jīng)網(wǎng)絡(luò)在變形預(yù)測中的應(yīng)用[D].北京：中國地質(zhì)大學(xué)，2014.

[5]徐明林.基于小波降噪和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動軸承故障診斷[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[6]王聚杰.基于小波去噪的組合預(yù)測模型及其在短期電力負(fù)荷預(yù)測中的應(yīng)用[D].蘭州：蘭州大學(xué)，2011.