基于ACMD算法的电动汽车充电桩电能计量方法与流程

基于acmd算法的电动汽车充电桩电能计量方法
技术领域
1.本发明涉及电动汽车充电桩电能计量领域，具体是基于acmd算法的电动汽车充电桩电能计量方法。


背景技术：

2.电动汽车在充电桩进行充电时，电动汽车和充电桩整体的电能消耗量的计量。由于充电桩运行时，其电流、电压信号中含有大量的谐波和非稳态信号，采用传统的平均值法和有效值法进行计算将产生较大的电能计量误差，对于供电和用电双方都是不公平的。
3.由于现有技术中，经验模态分解(empiricalmodedecomposition，emd)和变分模态分解(variational mode decomposition，vmd)是目前电动汽车充电桩电能计量领域常规计量方法。但emd和vmd均是基于自适应模态分解方法，不能直接估算瞬时频率和瞬时幅值，并且还需要通过希尔伯特变换才能估算模态的参数，而希尔伯特变换还有边缘效应、对噪声敏感等缺点。vmd还需要预设分解模态的数量，由于信号的不确定性和噪声的存在，模态数量是很难正确预设的。
4.在现有技术中，电能计量方法的计量误差始终存在，并且使得最终的计量结果与实际用电量存在较大偏差，所以电动汽车充电桩电能计量领域亟需一种准确计量用电量的计量方法，避免电动汽车充电桩电能计量误差过大。


技术实现要素：

5.本发明的目的在于克服现有技术由于电动汽车充电桩含有大量谐波信号或非稳态信号，导致电能计量误差较大的不足，提供了一种基于acmd算法的电动汽车充电桩电能计量方法，通过逐个提取信号模态的方式将电压信号和电流信号按照时间、频率的不同分解为不同的信号模态，再对分解出的信号的电量进行求和，得到电能计量误差较小的充电桩消耗的总电量。
6.本发明的目的主要通过以下技术方案实现：
7.基于acmd算法的电动汽车充电桩电能计量方法，包括以下步骤：
8.调取充电桩运行时的电流信号和电压信号；
9.通过电流信号和电压信号计算获取初始瞬时频率，并将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据；
10.对所述原始数据的一个信号模态进行提取，并将提取出的信号从所述原始数据中剔除形成残差信号；
11.将所述残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；
12.对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。
13.目前，电动汽车充电桩本身相当于一个整流器，在运行时，将电网提供的工频正弦
交流电转换为直流电，以完成对电动汽车的充电。整流器本身对于电网而言是一个非线性负荷，当电网的工频正弦交流电压作用于整流器上时，其产生的电流是非正弦的，含有谐波。所以在充电桩的电能计量中，为避免较大的计量误差，其不能按照线性负荷的计算方式进行。
14.由电工理论可知，如果先对充电桩的电流、电压信号分别进行准确的识别和分解，再对各信号成分分别进行电能计算，将极大提高充电桩电能计量的准确性。
15.电动汽车充电桩的电流、电压信号不仅仅是含有谐波，而且其信号的频率是时变的，这意味着如fft这样的频域分析方法是不适用的。emd和vmd是两种常见的时频分析方法，但是emd和vmd均是基于自适应模态分解方法，不能直接估算信号的瞬时频率和瞬时幅值，并且还需要通过希尔伯特变换才能估算模态的参数，而希尔伯特变换有边缘效应、对噪声敏感等缺点。vmd还需要额外预设分解模态的数量，由于信号的不确定性和噪声的存在，模态数量是很难正确预设的。
16.本技术实施例所涉及的计算环境本身存在直流成分、各次谐波成分和非稳态成分等各种复杂的信号模态，在很难估算信号模态数量的基础上，也很难有效的将每个信号模态直接独立分解出来，所以电能计量的准确度不能得到有效的保障。
17.本技术实施例中将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据，通过对信号模态的逐个提取，将所有的信号模态提取出来，每次仅提取一个信号模态，当提取出一个信号模态后，所述原始数据剩余的部分即为残差信号，将残差信号作为新的原始数据进行下一个信号模态的提取，通过对新的原始数据进行信号模态的提取，完成逐个提取信号模态的过程，如此循环往复直至残差信号的能量强度逐步降低到低于预设的能量值。完成信号模态的逐个提取后，能够有效的将每个信号模态所涉及的信号分量的电量分别进行计算，从而得到信号分量的电能分量，再对所有的电能分量求和，得到充电桩消耗的总电量。
18.本技术实施例对原始数据进行分解的算法采用acmd算法，acmd算法是一种优于emd和vmd的时频分析方法，所述acmd采用贪婪算法来递归估算信号模态，不需要预设模态数量；其还能在信号分解过程中直接估算每个模态的瞬时频率和瞬时幅值，无需后续的希尔伯特变换。
19.acmd算法原理推导如下：
20.以bi(t)和ci(t)作为yi(t)的一组正交的调制信号；作为解调器和的频率函数，并以所述yi(t)为原始数据，通过解调器的频率函数，可以将一组正交的调制信号表示为：
[0021][0022][0023]
式中，fi为原始数据的频率函数。
[0024]
由于充电桩运行时的电流、电压信号数学表达式为：
[0025][0026]
所以通过解调器，所述充电桩运行时的电流、电压信号可以表达为：
[0027][0028]
式中，表示正交信号的频率函数，表示正交信号的频率与时间的乘积。
[0029]
当时，且此时有最窄带宽。因此，信号按照最小化bi(t)和ci(t)的带宽来分解：
[0030][0031][0032]
其中，表示通过二阶导数和二范数的平方来测量调制信号的带宽。
[0033]
在acmd的推导过程中，用bi(t)和ci(t)来表示原信号，若bi(t)和ci(t)的带宽较大，那么分解出的信号个数会较小，实际上就是信号分解的不够彻底。即bi(t)和ci(t)也是含有过于复杂的频率成分的信号，这与本方案初衷相违背。反之，bi(t)和ci(t)的带宽较窄，分解出的信号个数较多，则bi(t)和ci(t)的频率成分较为简单，甚至只有单一频率是最佳的，所以按照带宽尽可能小作为条件。
[0034]
在现有技术中，如果同时估算信号的所有k个模态，那就需要预设模态数量k。但事实上很难能预先知道k的值。因此，在acmd算法中采用贪婪算法来递进的提取信号模态。每次只对一个信号模态进行提取，然后用原信号减去已经提取出的信号的残差信号作为下一次的运算对象，以此重复下去，直到满足预设的终止条件。
[0035]
在通过推导获取了acmd算法后，便能够对所述原始数据进行逐个信号模态的提取，并且不需要考虑提取出的信号模态的种类，只需要对其进行逐个提取，便能够在不需要预设模态数量的基础上完成对原始数据的分解，从而计算出更加准确的电能计量。
[0036]
进一步的，所述初始瞬时频率的获取采用以下步骤：
[0037]
以所述电流信号和电压信号为原信号；
[0038]
通过同步采样变换获取所述原信号的时频分布；
[0039]
采用脊检测算法计算得到所述初始瞬时频率。
[0040]
在进行acmd算法之前，需要提供一个初始瞬时频率，此值通过同步采样变换(即set)，配合脊检测算法来计算得到。set是一种新颖的基于短时傅里叶变换的后处理策略，能比前者生成能量集中度更高、时频分辨率更高的时频分布，能够使后续脊检测算法获得更利于acmd执行的初始瞬时频率。初始频率的获取是基于原信号，也就是输入的原信号。
[0041]
获得初始瞬时频率属于使用acmd的前置要求，是本技术实施例的步骤之一，是基于原信号所获得，采用的方法是：基于短时傅里叶变换的同步采样变换配合脊检测算法，即
先采用同步采样变换得到时频分布，然后寻找时频分布的最大值(脊)，进而确定初始瞬时频率。
[0042]
进一步的，所述同步采样变换包括以下步骤：
[0043]
对原信号进行函数窗口化的离散时间傅里叶变换，得到变换结果；
[0044]
根据所述变换结果计算得到一个一阶瞬时频率估算；
[0045]
通过所述一阶瞬时频率估算获得同步采样器；
[0046]
结合所述同步采样器和所述变换结果，提取短时傅里叶变换的目标频率附近时频分布。
[0047]
现实中的运算均是基于采样信号，而采样信号必然是离散信号。所以对原信号进行函数窗口化的离散时间傅里叶变换后方便进行后续的计算。
[0048]
进一步的，对所述原始数据的一个信号模态进行提取的具体步骤如下：
[0049]
预设迭代算法的终止条件；
[0050]
将所述原始数据代入迭代算法进行更新，获得更新数据；
[0051]
若所述更新数据满足所述终止条件，迭代过程终止；
[0052]
将满足所述终止条件的信号模态作为提取结果输出。
[0053]
进一步的，所述迭代算法包括以下步骤：
[0054]
调取采集的所述原始数据，得到离散数据；
[0055]
令目标函数的梯度为0，将所述离散数据代入所述目标函数进行计算，获得迭代数据；
[0056]
当相邻两次迭代数据的差值满足所述终止条件时，迭代过程终止。
[0057]
进一步的，
[0058]
提取所述信号模态的条件如下：
[0059]
以所述充电桩运行时的电流信号和电压信号为原信号；
[0060]
将所述原信号用一对正交调制信号表示；
[0061]
限制一对所述正交调制信号的带宽；
[0062]
根据所述带宽进行所述信号模态的提取。
[0063]
进一步的，所述电能分量的计算包括以下步骤：
[0064]
提取出所述信号分量中的电压分量和电流分量；
[0065]
根据正弦信号的正交性验证所述电压分量和所述电流分量的频率是否相等；
[0066]
若所述电压分量和所述电流分量的频率不相等，舍弃所述信号分量；
[0067]
若所述电压分量和所述电流分量的频率相等，分别计算所述电压分量和所述电流分量的相角并计算得到所述电压分量和所述电流分量的相位差；
[0068]
根据所述电压分量、所述电流分量和所述相位差计算得到所述电能分量。
[0069]
进一步的，所述信号分量包括电压分量和电流分量，所述电能分量的数量取所述电压分量的数量和所述电流分量的数量中的相对小值。
[0070]
综上所述，本发明与现有技术相比具有以下有益效果：
[0071]
本技术实施例中将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据，通过对信号模态的逐个提取，能够有效的将每个信号模态所涉及的信号分量的电量分别进行计算，从而得到信号分量的电能分量，再对所有的电能分量求和，得到充电桩消耗的
总电量。所以本技术实施例能够对所述原始数据进行逐个信号模态的提取，而且不需要考虑提取出的信号模态的种类，只需要对其进行逐个提取，便能够在不需要预设模态数量的基础上完成对原始数据的分解，从而计算出更加准确的电能计量。
附图说明
[0072]
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本技术的一部分，并不构成对本发明实施例的限定。在附图中：
[0073]
图1为典型的v2g充电桩电路拓扑结构；
[0074]
图2为本发明电能计量流程图。
具体实施方式
[0075]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
[0076]
实施例：
[0077]
如图1所示，左侧为电网提供的工频正弦交流电，经过三相整流器，以及滤波等过程，得到右侧的直流电，以供给电动汽车充电所需。整流器本身对于电网而言是一个非线性负荷，当电网的工频正弦交流电压作用于整流器上时，其产生的电流是非正弦的，含有谐波。所以在充电桩的电能计量中，为避免较大的计量误差，其不能按照线性负荷的计算方式进行。
[0078]
如图2所示，本实施例具体涉及一种基于acmd算法的电动汽车充电桩电能计量方法，包括以下步骤：
[0079]
调取充电桩运行时的电流信号和电压信号；
[0080]
通过电流信号和电压信号计算获取初始瞬时频率，并将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据；
[0081]
对所述原始数据的一个信号模态进行提取，并将提取出的信号从所述原始数据中剔除形成残差信号；
[0082]
将所述残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；
[0083]
对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。
[0084]
本实施例中将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据，通过对信号模态的逐个提取，将所有的信号模态提取出来，每次仅提取一个信号模态，当提取出一个信号模态后，所述原始数据剩余的部分即为残差信号，将残差信号作为新的原始数据进行下一个信号模态的提取，通过对新的原始数据进行信号模态的提取，完成逐个提取信号模态的过程，如此循环往复直至残差信号的能量强度逐步降低到低于预设的能量值。完成信号模态的逐个提取后，能够有效的将每个信号模态所涉及的信号分量的电量分别进行计算，从而得到信号分量的电能分量，再对所有的电能分量求和，得到充电桩消耗的总电量。
[0085]
本实施例在实际分解所述电压信号和所述电流信号的时候，会分别将所述电压信号分解为时间、频率不同的信号分量，将所述电流信号分解为频率不同的信号分量，形成不同的信号模态，再用同频率的电压、电流信号模态计算该部分电能，通过将所有的电能分量汇总并求和，计算得到总电量。acmd算法的输入是电流或电压信号，经过算法后，信号将按时间和频率不同而被分解为多个信号模态，然后根据对应频率的电压、电流信号模态进行电能计量。对于各模态到底属于什么信号，无需关注，只要频率对应即可计算电能。
[0086]
本实施例在实际应用中，按照以下的形式得到各个信号模态：
[0087]
为残差信号设置终止阈值；
[0088]
首先由原始数据分解出信号1，然后原信号减去信号1得到残差信号1，比较残差信号1的强度是否低于终止阈值，如果高于终止阈值则继续。
[0089]
然后由残差信号1分解出信号2，然后残差信号1减去信号2得到残差信号2，比较残差信号2强度是否低于终止阈值，如果高于终止阈值则继续。
[0090]
重复上述操作，直到残差信号的强度低于终止阈值。
[0091]
所述初始瞬时频率的获取采用以下步骤：
[0092]
以所述电流信号和电压信号为原信号；
[0093]
通过同步采样变换获取所述原信号的时频分布；
[0094]
采用脊检测算法计算得到所述初始瞬时频率。
[0095]
所述同步采样变换包括以下步骤：
[0096]
对原信号进行函数窗口化的离散时间傅里叶变换，得到变换结果；
[0097]
根据所述变换结果计算得到一个一阶瞬时频率估算；
[0098]
通过所述一阶瞬时频率估算获得同步采样器；
[0099]
结合所述同步采样器和所述变换结果，提取短时傅里叶变换的目标频率附近时频分布。
[0100]
本实施例中，所述同步采样变换用set表示，所述基于短时傅里叶变换用stft表示。
[0101]
在计算初始瞬时频率的时候，由于set使用同步采样器提取基于stft的目标频率附近时频分布，定义如下：
[0102][0103]
所以先由函数g(t0窗口化的y(t)的离散时间傅里叶变换得到如下所示：
[0104][0105]
式中，y(t)为原信号；δ(ω-ωi(t，ω))为同步采样器。
[0106]
所述δ(ω-ωi(t,ω))定义为：
[0107][0108]
其中，ωi(t,ω)是一个一阶瞬时频率估算。
[0109]
所述ωi(t,ω)定义为：
[0110][0111]
其中，re(
·
)表示取复数的实部。
[0112]
本实施例中通过原始数据先由函数g(t)窗口化的y(t)的离散时间傅里叶变换得到再进一步的得到一阶瞬时频率估算ωi(t,ω)，结合同步采样器和由函数g(t)窗口化的y(t)的离散时间傅里叶变换得到的计算获得时频分布，最后对时频分布使用脊检测算法，得到最终的初始瞬时频率如下：
[0113][0114]
在本实施例中，提取所述信号模态的条件如下：
[0115]
以所述充电桩运行时的电流信号和电压信号为原信号；
[0116]
将所述原信号用一对正交调制信号表示；
[0117]
限制一对所述正交调制信号的带宽；
[0118]
根据所述带宽进行所述信号模态的提取。
[0119]
根据带宽完成信号模态的提取，从而使得提取出的信号模态的频率成分足够单一化，即实现理想的信号分解，在此时，根据带宽主要完成的是将原始数据根据带宽逐个划分为若干个信号模态，但是每一个信号模态的提取都需要进行迭代运算，这样才能提取出足够准确信号模态。
[0120]
为了提高提取出来的信号模态的准确性，对所述原始数据的一个信号模态进行提取的具体步骤如下：
[0121]
预设迭代算法的终止条件；
[0122]
将所述原始数据代入迭代算法进行更新，获得更新数据；
[0123]
若所述更新数据满足所述终止条件，迭代过程终止；
[0124]
将满足所述终止条件的信号模态作为提取结果输出。
[0125]
所述迭代算法包括以下步骤：
[0126]
调取采集的所述原始数据，得到离散数据；
[0127]
令目标函数的梯度为0，将所述离散数据代入所述目标函数进行计算，获得迭代数据；
[0128]
当相邻两次迭代数据的差值满足所述终止条件时，迭代过程终止。
[0129]
本技术实施例中对获取第i个信号模态做举例说明：
[0130]
对于第i个信号模态，如下步骤实现信号模态的提取：
[0131][0132]
其中，表示残差信号的能量强度，γ》0是补偿系数。yi(t)的表达式如下：
[0133][0134][0135]
其中，
[0136]
由于在实际运算中，均采用离散化数据进行，此处假设将信号yi，bi，ci按照t＝t0,t1,
…
,t
n-1
离散化，则可以得到如下公式：
[0137][0138]
其中，d是二阶的差异矩阵，和是两个相位的对角矩阵，如下：
[0139][0140][0141]
本实施例中的目标函数表示中的表达式。当然，此处的与中的内容存在差异，原因在于：中的变量均表示连续信号，而本实施例实际是针对离散信号进行运算，所以此处的是使用离散变量来书写的，每个部分均与是使用离散变量来书写的，每个部分均与相对应。
[0142]
d是二阶的差异矩阵，连续信号的二阶导数表示为d是二阶的差异矩阵，连续信号的二阶导数表示为中的“bi
″
t”，而离散信号的二阶导数表示为中的“db
i”。
[0143]
本实施例中的矩阵和矩阵有n个非零元素，所述矩阵和矩阵均为矩阵计算中的构造矩阵，是为了计算方便设置的。
[0144]
为使中的目标函数最小化，通过迭代算法更新bi，ci，从而使得目标函数达到最小值。
[0145]
首先令目标函数的梯度为0，即和对于第m次迭代有：
[0146][0147][0148]
由可得：
[0149][0150]
的更新通过和bi，ci，进而通过反正切解调得到：
[0151][0152][0153]
其中：i为单位矩阵；β》0是权重系数；
[0154]
然后根据和和更新
[0155]
迭代过程的终止条件为：
[0156][0157]
其中，δ为终止阈值，由下式计算：
[0158][0159]
至此，每个信号模态的瞬时幅值由计算，瞬时频率由计算。
[0160]
在本实施例中，所述迭代过程的终止条件可以理解为当与的差值很小时，近似理解为这两个信号近似相同。本实施例中的终止阈值δ是一个可调参数。如果δ较大，那么分解出的每一个信号模态的准确度会减低。如果δ较小，即对分解出的每一个信号模态的准确度要求更高，那么迭代过程的循环次数将增加，计算量将增加，计算速度降低。
[0161]
本实施例中用一对正交调制信号来表示原信号，后续是通过限制上述调制信号的带宽来实现提取出的信号模态的频率成分足够单一化，即实现理想的信号分解。
[0162]
对于整个信号分解过程，假设第一个被提取的信号模态为y1(t)，原始信号为y(t)，则残差信号为r(t)＝y(t)-y1(t0，下一次将在r(t)中提取出y2(t)，然后重复同样的步骤，直到残差信号的能量低于算法终止阈值，如下所示：
[0163][0164]
其中，ε为算法终止阈值。
[0165]
所述电能分量的计算包括以下步骤：
[0166]
提取出所述信号分量中的电压分量和电流分量；
[0167]
根据正弦信号的正交性验证所述电压分量和所述电流分量的频率是否相等；
[0168]
若所述电压分量和所述电流分量的频率不相等，舍弃所述信号分量；
[0169]
若所述电压分量和所述电流分量的频率相等，分别计算所述电压分量和所述电流分量的相角并计算得到所述电压分量和所述电流分量的相位差；
[0170]
根据所述电压分量、所述电流分量和所述相位差计算得到所述电能分量。
[0171]
所述信号分量包括电压分量和电流分量，所述电能分量的数量取所述电压分量的数量和所述电流分量的数量中的相对小值。
[0172]
经过acmd算法分解后，得到电压分解结果为v＝(v1,v2,
…
,vm)，电流分解结果为i＝(i1,i2,
…
,in)，其中m、n为电压和电流的模态数量，其值由分解时的阈值所决定。
[0173]
根据正弦信号的正交性，只有相同次数的正弦波相乘才能产生功率，所以需要对电压和电流模态的频率是否相等进行验证，验证相等后再计算功率。
[0174]
直流模态无需进行以下变换，直接相乘求得功率。通过快速傅里叶变换验证电压vk与电流ik的频率是否相等。如果相等，再通过希尔伯特变换分别计算电压vk与电流ik的相角。假设第k次谐波的电压和电流表达式为：
[0175][0176][0177]
其中，vk和ik为电压有效值和电流有效值，fk为频率，和为电压初相角和电流初相角。
[0178]
经过希尔伯特变换并求解电压相位θ
vk
、电流相位θ
ik
，及相位差δθk：
[0179][0180][0181][0182][0183]
δθk＝θ
vk-θ
ik
[0184]
最后计算得功率为pk：
[0185]
pk＝vki
k cos(δθk)
[0186]
最终计算得总功率为p：
[0187][0188]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，包括以下步骤：调取充电桩运行时的电流信号和电压信号；通过电流信号和电压信号计算获取初始瞬时频率，并将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据；对所述原始数据的一个信号模态进行提取，并将提取出的信号从所述原始数据中剔除形成残差信号；将所述残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。2.根据权利要求1所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，所述初始瞬时频率的获取采用以下步骤：以所述电流信号和电压信号为原信号；通过同步采样变换获取所述原信号的时频分布；采用脊检测算法计算得到所述初始瞬时频率。3.根据权利要求2所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，所述同步采样变换包括以下步骤：对原信号进行函数窗口化的离散时间傅里叶变换，得到变换结果；根据所述变换结果计算得到一个一阶瞬时频率估算；通过所述一阶瞬时频率估算获得同步采样器；结合所述同步采样器和所述变换结果，提取短时傅里叶变换的目标频率附近时频分布。4.根据权利要求1所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，对所述原始数据的一个信号模态进行提取的具体步骤如下：预设迭代算法的终止条件；将所述原始数据代入迭代算法进行更新，获得更新数据；若所述更新数据满足所述终止条件，迭代过程终止；将满足所述终止条件的信号模态作为提取结果输出。5.根据权利要求4所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，所述迭代算法包括以下步骤：调取采集的所述原始数据，得到离散数据；令目标函数的梯度为0，将所述离散数据代入所述目标函数进行计算，获得迭代数据；当相邻两次迭代数据的差值满足所述终止条件时，迭代过程终止。6.根据权利要求1所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，提取所述信号模态的条件如下：以所述充电桩运行时的电流信号和电压信号为原信号；将所述原信号用一对正交调制信号表示；限制一对所述正交调制信号的带宽；根据所述带宽进行所述信号模态的提取。
7.根据权利要求1所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，所述电能分量的计算包括以下步骤：提取出所述信号分量中的电压分量和电流分量；根据正弦信号的正交性验证所述电压分量和所述电流分量的频率是否相等；若所述电压分量和所述电流分量的频率不相等，舍弃所述信号分量；若所述电压分量和所述电流分量的频率相等，分别计算所述电压分量和所述电流分量的相角并计算得到所述电压分量和所述电流分量的相位差；根据所述电压分量、所述电流分量和所述相位差计算得到所述电能分量。8.根据权利要求1所述的基于acmd算法的电动汽车充电桩电能计量方法，其特征在于，所述信号分量包括电压分量和电流分量，所述电能分量的数量取所述电压分量的数量和所述电流分量的数量中的相对小值。

技术总结
本发明公开了一种基于ACMD算法的电动汽车充电桩电能计量方法，包括以下步骤：调取充电桩运行时的电流信号和电压信号；将电流信号、电压信号和初始瞬时频率作为原始数据；对原始数据的一个信号模态进行提取，将提取出的信号从原始数据中剔除形成残差信号；将残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。本发明通过逐个提取信号模态的方式将电压信号和电流信号按照时间、频率的不同分解为不同的信号模态，再对分解出的信号的电量进行求和，得到电能计量误差较小的充电桩消耗的总电量。消耗的总电量。消耗的总电量。


技术研发人员：刘朋远 严绍奎 周媛凤 胡婷婷 薛生娟
受保护的技术使用者：国网宁夏电力有限公司营销服务中心（国网宁夏电力有限公司计量中心）
技术研发日：2023.04.11
技术公布日：2023/7/7