本发明涉及电力信号处理，具体涉及一种基于enemd-nwt的直流电力信号去噪方法。
背景技术：
1、新型电力系统在发展过程中，展现出了“双高”特性，即高比例的新能源接入和高比例电力电子设备的应用。同时，在分布式光伏和充电桩等新能源场景中，直流技术的应用也日益广泛。直流微电网凭借输电线路成本低、效率高等优点，成为低压电网中的一颗冉冉升起的新星。然而，直流微电网中的多源、多变换特性将导致系统中存在各种形式的纹波产生源。大量纹波的存在不仅直接导致直流微电网电能质量的下降，而且降低了电费计费的准确性。对于实现直流微电网的可靠供电、直流电力信号中纹波等噪声的检测和滤除以及提高直流计量准确度至关重要。
2、现有的直流信号去噪方法有很多种，如快速傅里叶变换（fft）、小波变换、经验模态分解（emd）、变分模态分解（vmd）算法等，但是在进行信号检测或特征提取时，如果单独使用上述算法之一，可能会受到单一算法的缺点的限制，例如fft及其改进算法无法适应非平稳信号，小波变换方法的小波基难以确定，emd算法存在模态混合效应，vmd算法的最优分解层数和惩罚因子的确定是主观的。
3、因此亟需设计一种精度高、速度快、具有较高鲁棒性的直流电力信号去噪方法。
技术实现思路
1、针对现有技术中的上述不足，本发明提供了一种基于enemd-nwt的直流电力信号去噪方法。
2、为了达到上述发明目的，本发明采用的技术方案为：
3、一种基于enemd-nwt的直流电力信号去噪方法，包括以下步骤：
4、对采集的直流电力信号进行傅里叶变换，得到噪声信号的主频率；
5、采用集成噪声重构经验模态分解方法将采集的直流电力信号分解为本征模态函数；
6、根据噪声信号的主频率，采用非线性小波阈值法对本征模态函数进行去噪；
7、对去噪后的本征模态函数进行重构，得到去噪后的直流电力信号。
8、作为优选地，采用集成噪声重构经验模态分解方法将采集的直流电力信号分解为本征模态函数包括：
9、对采集的直流电力信号进行经验模态分解，得到第一本征模态函数和第一残差分量；
10、对第一本征模态函数计算能量估计，并计算第一本征模态函数的能量在95%和99%置信水平下的置信区间；
11、根据第一本征模态函数的能量及其在95%和99%置信水平下的置信区间，选择纯噪声本征模态函数；
12、利用硬阈值对纯噪声本征模态函数进行筛选，得到估计噪声；
13、通过随机置换估计噪声构造新的噪声，并根据新的噪声重建观测信号；
14、对观测信号进行经验模态分解，得到第二本征模态函数和第二残差分量；
15、重复随机置换步骤直至达到误差构造的预先设置的停止准则，根据重复次数计算第二本征模态函数和第二残差分量的均值，得到最终的本征模态函数和残差分量。
16、作为优选地，对第一本征模态函数计算能量估计的计算公式为：
17、
18、其中，为第一本征模态函数的能量， n为第一本征模态函数分量的长度，为第一本征模态函数分量的采样点， k为分量序号， i为采样点序号。
19、作为优选地，硬阈值具体为：
20、
21、其中，设定阈值，为设定常数，为纯噪声本征模态函数分量的能量， l为纯噪声本征模态函数分量的序号， n为第一本征模态函数分量的长度。
22、作为优选地，根据新的噪声重建观测信号具体为：
23、
24、其中，为观测信号，为估计的无噪声信号，为新的噪声， m为噪声序号， t为采样时间。
25、作为优选地，根据重复次数计算第二本征模态函数和第二残差分量的均值，得到最终的本征模态函数和残差分量具体为：
26、
27、其中，为最终的本征模态函数，为最终的残差分量，为第二本征模态函数分量，为第二残差分量， m为噪声序号， n为残差分量序号， r为重复次数。
28、作为优选地，根据噪声信号的主频率，采用非线性小波阈值法对本征模态函数进行去噪包括：
29、计算本征模态函数各分量的相关系数和中心频率；
30、根据本征模态函数各分量的相关系数与中心频率与噪声信号的主频率之间的偏差绝对值，确定纯噪声本征模态函数分量、纯本征模态函数分量和含噪声本征模态函数分量；
31、采用非线性小波阈值法对含噪声本征模态函数分量进行去噪，并去除纯噪声本征模态函数分量，保留纯本征模态函数分量。
32、作为优选地，采用非线性小波阈值法对含噪声本征模态函数分量进行去噪包括：
33、采用db4小波和3层分解对含噪声imf分量进行小波变换，得到各分解层对应的小波系数。
34、作为优选地，采用非线性小波阈值法对含噪声本征模态函数分量进行去噪中小波阈值函数具体为：
35、
36、其中，为实信号的估计系数，为噪声观测信号的小波变换系数，为阈值， j为分解尺度， k为分量序号。
37、作为优选地，对去噪后的本征模态函数进行重构，得到去噪后的直流电力信号包括：
38、根据本征模态函数中去噪后的含噪声本征模态函数分量和纯本征模态函数分量进行重构，得到去噪后的直流电力信号。
39、本发明具有以下有益效果：
40、本发明在对直流电力信号进行去噪时，首先使用集成噪声重构经验模态分解方法通过测量信号中固有的噪声分量来筛选集成平均本征模态函数，消除信号中不需要的噪声分量，实现信号的初去噪，这样不仅继承了经验模态分解方法对非平稳和非线性过程的自适应多模态分解，还避免了传统经验模态分解方法的模态混叠问题；并且在信号重构前再使用非线性小波阈值法对噪声本征模态函数分量进行去噪，从而实现强噪声干扰条件下直流电力有用信号的提取，提高了直流电力信号去噪精度和效率。
1.一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，采用集成噪声重构经验模态分解方法将采集的直流电力信号分解为本征模态函数包括：
3.根据权利要求2所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，对第一本征模态函数计算能量估计的计算公式为：
4.根据权利要求2所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，硬阈值具体为：
5.根据权利要求2所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，根据新的噪声重建观测信号具体为：
6.根据权利要求2所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，根据重复次数计算第二本征模态函数和第二残差分量的均值，得到最终的本征模态函数和残差分量具体为：
7.根据权利要求1所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，根据噪声信号的主频率，采用非线性小波阈值法对本征模态函数进行去噪包括：
8.根据权利要求7所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，采用非线性小波阈值法对含噪声本征模态函数分量进行去噪包括：
9.根据权利要求7所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，采用非线性小波阈值法对含噪声本征模态函数分量进行去噪中小波阈值函数具体为：
10.根据权利要求1所述的一种基于enemd-nwt的直流电力信号去噪方法，其特征在于，对去噪后的本征模态函数进行重构，得到去噪后的直流电力信号包括：
