Python求电压电流相位差

最近在做有关于非侵设备的项目，期间看了比较多的论文，对电器设备的识别是非常重要的，因为这个项目就是为了让负荷有更大的调节潜力，从而响应电网的调控。 电气识别的内容其实来说做的也是比较久了，网上也有很多资料可以汲取，这里我就说一说比较重要的相位差。 电压电流相位差，也可以叫做功率角，我看到很多论文都有讲到利用负荷电流谐波去做识别，但是谐波这个东西比较依赖设备的采集精度，我们实验室的设备是每50us采集一次，精度算是可以的了，但是对于数据分析还是有欠缺，而负荷的类别也可以作为特征之一，因为负荷有分为电阻性负载、阻感性负载、电容性负载等，对于特征来说再好不过。

相位差如上图所示。 好了，不多说了，上码！！

voltA = recordrow[(alarmtimerecord[jj-ran1[0]])*400+20002:(alarmtimerecord[jj-ran1[0]])*400+22002,0].A #voltA是电压值，.A是把matrix转换成array型
    ampB = recordrow[(alarmtimerecord[jj-ran1[0]])*400+20002:(alarmtimerecord[jj-ran1[0]])*400+22002,1].A
    # print(type(voltA))
    # print(size(voltA))
    # print(type(ampB))
    # voltA -=voltA.mean()
    # voltA/=voltA.std()
    # ampB-=ampB.mean()
    # ampB/=ampB.std()
    # fig,ax1 = plt.subplots()
    # plt.rcParams[font.sans-serif] = [Microsoft YaHei]
    # ax1.set_xlabel(采样点数)
    # ax1.set_ylabel(电压/V)
    # ax1.plot(voltA[:,0],r,label = 电压波形)
    # plt.legend(loc = upper left)
    # ax2 = ax1.twinx()
    # ax2.set_ylabel(电流/A)
    # ax2.plot(ampB[:,0],b,label = 电流波形)
    # plt.legend(loc = upper right)
    # fig.tight_layout()
    # plt.show()  #画图
    xcorr = correlate(voltA[:,0],ampB[:,0])
    # print(voltA[:,0])
    period = 1  #周期是1
    tmax = 5  #时长为5s
    nsamples = size(voltA)  #采样点数为20000
    t = linspaces(0,tmax,nsamples,endpoints= False)
    dt = linspaces(-t[-1],t[-1],2*nsamples-1)
    recorerd_time_shift = dt[xcorr.argmax()]
    recoverd_phase_shift = 2*pi*(recorerd_time_shift/periods+0.8)
    if jj == ran1[0]:
        phaseshiftmat = recoverd_phase_shift
    else:
        phaseshiftmat = row_stack((phaseshiftmat,recoverd_phase_shift))
print(phaseshiftmat)```

主要是xcorr函数，这个是讲到互相关的概念，很多信号分析上有需要这个函数，相关概念我不在普及，博客上有很多大牛讲到这个。

![电压电流波形图](https://img-blog.img.cn/20210207100320677.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjMxMjAzNw==,size_16,color_FFFFFF,t_70#pic_center)

下面是放大的波形图，可以清晰看到相位差：
![在这里插入图片描述](https://img-blog.img.cn/20210207100405887.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjMxMjAzNw==,size_16,color_FFFFFF,t_70#pic_center)
结果是0.4553rad（弧度制)