數據濾波算法在電能質量在線監測裝置中的具體實現，需圍繞 “數據采集→預處理→算法執行→參數適配→效果驗證→結果輸出” 的全流程展開，核心是結合裝置硬件特性（采樣率、ADC 精度）和干擾類型（高頻電磁、瞬時脈沖等），選擇適配的濾波算法并落地。以下以電能質量監測中最常用的IIR 低通濾波（抗高頻干擾）、滑動平均濾波（抗瞬時脈沖）、卡爾曼濾波（抗動態波動） 為例，詳解具體實現步驟：

一、前置準備：明確濾波目標與硬件基礎（實現前提）

在編寫或配置濾波算法前，需先確定 “濾除什么干擾”“基于什么硬件實現”，避免算法與實際場景脫節：

1. 確定濾波目標（針對具體干擾）

干擾類型與濾波算法匹配：

高頻電磁干擾（如變頻器 1kHz-10MHz 雜波）→ 選IIR 低通濾波（保留 50Hz 基波 + 2-50 次諧波，濾除高頻噪聲）；

瞬時脈沖干擾（如雷電尖峰、靜電放電）→ 選滑動平均濾波（平滑瞬時跳變，避免單組數據異常）；

動態波動干擾（如振動導致的電流時斷時續）→ 選卡爾曼濾波（動態跟蹤真實值，抑制隨機波動）。

關鍵指標要求：

濾波延遲：≤1 個周波（50Hz 系統 20ms，避免影響暫態事件捕捉）；

幅值衰減：對目標頻段（如 50Hz 基波）衰減≤0.1%（保證測量精度），對干擾頻段（如 1kHz 以上）衰減≥20dB（濾除效果）。

2. 確認硬件支撐條件

采樣率：濾波算法需與裝置采樣率匹配（如 IIR 低通濾波要求采樣率≥2 倍干擾頻率，即 “奈奎斯特準則”）。例如：濾除 1kHz 高頻干擾，采樣率需≥2kHz（電能質量裝置常規采樣率為 12.8kHz/51.2kHz，完全滿足）；

ADC 精度：24 位 ADC（如 AD7794）支持更高濾波精度，16 位 ADC（如 ADS1115）需簡化濾波階數（避免計算誤差疊加）；

計算資源：復雜算法（如 8 階 IIR、卡爾曼濾波）需 FPGA / 高性能 MCU（如 STM32H7）支撐，低端 MCU（如 STM32F1）優先選滑動平均等輕量級算法。

二、通用核心步驟：以 “IIR 低通濾波（抗高頻電磁干擾）” 為例

IIR（無限脈沖響應）低通濾波是電能質量裝置抗高頻干擾的核心算法，常用 “巴特沃斯濾波器”（通帶平坦、阻帶衰減陡峭），具體實現分 6 步：

1. 步驟 1：算法參數設計（確定濾波 “規則”）

確定關鍵參數：

通帶截止頻率（fc）：500Hz（保留 50Hz 基波 + 2-50 次諧波，50 次諧波為 2500Hz？此處需修正：50 次諧波為 50×50=2500Hz，若需保留 50 次諧波，fc 應設為≥2500Hz，實際濾除 10kHz 以上高頻干擾，fc 設為 10kHz）；

阻帶截止頻率（fs）：20kHz（對 20kHz 以上干擾衰減≥40dB）；

通帶波紋（Rp）：≤1dB（保證通帶內數據平滑）；

阻帶衰減（Rs）：≥40dB（確保高頻干擾濾除徹底）。

計算濾波系數：通過 MATLAB “Filter Design Toolbox” 或 Python“scipy.signal” 工具，輸入上述參數生成 IIR 濾波系數（分子 b、分母 a）。例如：8 階巴特沃斯低通濾波，生成 b=[b0,b1,...,b8]、a=[a0,a1,...,a8]（a0 通常歸一化為 1）。

2. 步驟 2：數據采集與緩存（獲取原始采樣數據）

多通道同步采樣：裝置對電壓 / 電流的 3 個通道（A/B/C 相）同步采樣（時間誤差≤1μs），每個通道連續采集 N 個采樣點（如 N=1024 點 / 周波，50Hz 系統對應 20ms），存儲在 “原始數據緩存數組”（如 uint16_t raw_data [3][1024]）；

數據格式轉換：將 ADC 采集的 “無符號整數”（如 0-65535）轉換為 “有符號電壓 / 電流值”（如 - 10V~+10V），公式：real_value = (raw_data - 32768) * 20.0 / 65536（假設 ADC 參考電壓為 10V，16 位精度）。

3. 步驟 3：預處理（消除原始數據 “異常點”）

去極值處理：若原始數據中存在 “超出合理范圍的尖峰”（如電壓突然跳至 300V，遠超 220V 系統正常范圍），用 “相鄰 3 點中值替換”（如第 i 點值＞1.5× 第 i-1 點且＞1.5× 第 i+1 點，判定為極值，替換為（第 i-1 點 + 第 i+1 點）/2），避免極值影響濾波系數計算；

數據對齊：若多通道采樣存在微小延遲（如 A 相比 B 相延遲 1 個采樣點），通過 “插值法” 調整為完全同步（保證三相數據相位一致性）。

4. 步驟 4：濾波算法執行（核心計算過程）

按 IIR 濾波遞歸公式對每個通道的采樣數據逐點計算，公式為：y(n) = (b0*x(n) + b1*x(n-1) + ... + bN*x(n-N)) - (a1*y(n-1) + ... + aN*y(n-N))

其中：

x (n)：當前原始采樣值，x (n-1)~x (n-N)：歷史原始采樣值（N 為濾波階數，如 8 階取前 8 個值）；

y (n)：當前濾波后值，y (n-1)~y (n-N)：歷史濾波后值（需緩存歷史結果，占用 RAM 資源）；

實現細節：

在裝置軟件中定義 “歷史數據緩存數組”（如 float x_hist [8]、float y_hist [8]），存儲前 8 個 x 和 y 值；

每采集 1 個新 x (n)，先將 x_hist 數組 “右移”（x_hist [7]=x_hist [6], ..., x_hist [0]=x (n)），y_hist 同理；

代入公式計算 y (n)，注意使用 “浮點運算”（避免整數運算截斷誤差），高性能 MCU 可啟用硬件 FPU（浮點運算單元）加速。

5. 步驟 5：濾波效果驗證（判斷是否達標）

頻域驗證：通過 “快速傅里葉變換（FFT）” 對比濾波前后的頻譜：

濾波前：頻譜中存在 1kHz、5kHz 等高頻干擾峰值；

濾波后：高頻干擾峰值衰減≥40dB（幾乎消失），50Hz 基波、2-50 次諧波峰值無明顯衰減（幅值誤差≤0.1%）；

時域驗證：查看濾波前后的電壓 / 電流波形：

濾波前：波形存在 “毛刺”（高頻噪聲）；

濾波后：波形平滑，無毛刺，且與標準源輸出波形（如純正弦波）對比，偏差≤0.2%（A 級裝置要求）。

6. 步驟 6：結果輸出與應用（對接后續模塊）

將濾波后的 y (n) 值（如電壓 220.05V、電流 99.98A）存儲至 “濾波后數據緩存”，用于：

實時顯示：在 LCD 屏展示當前電壓 / 電流有效值（需進一步計算有效值：RMS = sqrt(1/N * sum(y(n)^2))）；

暫態事件監測：若濾波后數據滿足 “電壓≤85% Un 且持續≥100ms”，判定為電壓暫降，觸發報警；

歷史數據存儲：按 1 分鐘 / 1 小時間隔統計有效值、諧波等參數，存入 SD 卡或上傳至后臺。

三、其他常用算法實現步驟（簡化版）

1. 滑動平均濾波（抗瞬時脈沖干擾）

核心邏輯：取連續 M 個采樣點的平均值，平滑瞬時尖峰，步驟：

確定窗口寬度 M：5-10 個采樣點（如 M=5，50Hz 系統采樣率 12.8kHz，5 個點對應≈0.39ms，避免延遲過大）；

緩存 M 個原始采樣值（如 x1~x5）；

新采樣 x6 接入時，移除 x1，加入 x6，計算平均值：y = (x2+x3+x4+x5+x6)/5；

驗證：對 100ms 內的瞬時尖峰（如電流從 100A 跳至 120A），M=5 時濾波后值約 104A，無明顯跳變。

2. 卡爾曼濾波（抗動態波動干擾）

核心邏輯：通過 “預測 - 更新” 迭代，動態跟蹤真實值，適用于振動導致的電流波動，步驟：

建立狀態方程：x(k) = A*x(k-1) + w(k)（A=1，假設電流緩慢變化；w (k) 為過程噪聲，方差 Q=0.01）；

建立觀測方程：z(k) = H*x(k) + v(k)（H=1，觀測值 = 真實值 + 觀測噪聲；v (k) 方差 R=0.1，基于 ADC 精度）；

預測階段：x_hat(k|k-1) = A*x_hat(k-1|k-1)（預測當前真實值），P(k|k-1) = A*P(k-1|k-1)*A^T + Q（預測誤差協方差）；

更新階段：K(k) = P(k|k-1)*H^T/(H*P(k|k-1)*H^T + R)（卡爾曼增益），x_hat(k|k) = x_hat(k|k-1) + K(k)*(z(k)-H*x_hat(k|k-1))（更新真實值），P(k|k) = (I-K(k)*H)*P(k|k-1)（更新誤差協方差）；

輸出：x_hat(k|k)即為濾波后值，對振動導致的 ±5A 電流波動，濾波后波動可降至 ±0.5A。

四、關鍵注意事項（避免實現誤區）

避免濾波延遲過大：高階 IIR（如 16 階）會導致 2-3 個周波延遲，需在 “濾波階數” 與 “延遲” 間平衡（A 級裝置常用 8 階 IIR，延遲≤1 個周波）；

防止數值溢出：濾波計算中（尤其是 IIR），多組數據累加可能超出 MCU 浮點精度范圍，需定期 “歸一化”（如將 y (n) 限制在 ±10V 范圍內，超出時截斷并標記異常）；

適配多參數監測：對諧波、暫降等不同參數，需切換濾波算法（如計算諧波時用 “帶通濾波”，捕捉暫降時用 “卡爾曼濾波”），避免單一算法影響多參數精度；

現場調試優化：若濾波后數據仍有干擾，需調整參數（如 IIR 截止頻率從 10kHz 降至 5kHz），或結合硬件措施（如屏蔽線纜），軟件濾波無法完全解決強干擾。

總結：實現流程的核心邏輯

數據濾波算法的實現，本質是 “先定義規則（參數設計）→ 再處理數據（采集 + 計算）→ 最后驗證效果（頻域 + 時域）”，需緊扣 3 個核心：

場景適配：高頻干擾用 IIR 低通，瞬時脈沖用滑動平均，動態波動用卡爾曼，不盲目追求復雜算法；

硬件匹配：根據采樣率、MCU 性能選擇算法復雜度，避免 “算法先進但硬件跑不動”；

精度優先：濾波后需保證電能質量核心參數（有效值、諧波、暫降）的測量誤差≤裝置精度等級（A 級≤±0.1%，S 級≤±0.5%）。

實際操作中，多數裝置會將濾波算法集成在 “數據處理模塊” 中，用戶可通過軟件菜單（如 “濾波配置”）調整參數（如窗口寬度、截止頻率），無需手動編寫代碼；若需定制算法（如特殊場景抗干擾），則需結合 MATLAB/Python 工具設計系數，再移植到裝置 MCU/FPGA 中。

審核編輯 黃宇