1.一种基于小波包峰度算法的局部放电脉冲初至时刻在线拾取方法,其特征在于该方法的具体步骤为:
步骤一:通过高频电流传感器(HFCT)得到电缆在线监测时间序列xn(n=1,2,...N);其中N为所述序列采样点个数;
步骤二:计算所述序列的时窗能量比值R,确定随所述采样点变化的所述在线监测时间序列xn的时窗能量比曲线R(i);
步骤三:根据所述时窗能量比曲线确定所述局部放电脉冲发生的时窗;
步骤四:对所述确定的局部放电脉冲发生的时窗进行小波包三尺度分解与重构,提取所述局部放电脉冲;
步骤五:利用峰度算法实现高精度局部放电脉冲初至时刻的在线拾取。
2.根据权利要求1所述的局部放电脉冲初至时刻在线拾取方法,其特征在于,步骤二中,计算所述序列的时窗能量比值R,确定随所述采样点变化的所述在线监测时间序列xn的时窗能量比曲线,具体为:利用长度为2M,以采样点i为中心的前、后时窗的能量比构造所述在线监测时间序列xn的所述时窗能量比曲线R(i),
其中,λ为稳定因子,其值应远小于前时窗的能量值
3.根据权利要求2所述的局部放电脉冲初至时刻在线拾取方法,其特征在于,步骤三中,所述根据时窗能量比曲线确定出局部放电脉冲发生的时窗,具体为:通过判断所述时窗能量比值R是否大于给定阈值C,确定该时窗是否有局部放电脉冲发生;若未检测到符合条件的能量比值则循环至下一时刻,若检测出局部放电脉冲事件,则可确定出以所述局部放电脉冲事件点为中心,长度为2M的时窗xm(m=i-M,i-M+1,...i+M-1)。
4.根据权利要求3所述的局部放电脉冲初至时刻在线拾取方法,其特征在于,步骤四中,所述对确定的局部放电脉冲发生的时窗进行小波包三尺度分解与重构,提取局部放电脉冲,具体为:通过小波包变换对中/高频信号进行时频局部化分析,分别将局部放电脉冲信号与噪声干扰信号分解在多个不同的频带,去除至少一部分噪声干扰频带,选择局部放电脉冲含量最高的频带,并提取所述局部放电脉冲含量最高的频带中的脉冲信号作为局部放电脉冲。
5.根据权利要求4所述的局部放电脉冲初至时刻在线拾取方法,其特征在于,步骤五中,所述利用峰度算法实现高精度局部放电脉冲初至时刻的在线拾取,具体为:频带的峰度值K表征信号概率分布的陡峭程度,
其中,为[xn]的平均值;
利用所述选择的频带在时刻i的波形陡峭程度构造时变峰度变化率曲线Kt(i),
所述时变峰度变化率曲线的峰值对应时变峰度变化率最大的时刻,波形陡峭程度最为明显,该点即为所述局部放电脉冲初至时刻;
其中,K为所述选择的频带的峰度值;K(i)为所述选择的局部放电脉冲含量最高的频带中的子时窗峰度值,所述子时窗以i为时窗中心,长度为L。
6.根据权利要求4所述的局部放电脉冲初至时刻在线拾取方法,其特征在于,所述多个频带的个数为8。