一种高压电力设备局部放电特征提取方法和装置的制造方法
【技术领域】
[0001] 本申请涉及高压电领域，更具体地说，涉及一种高压电力设备局部放电特征提取 方法和装置。
【背景技术】
[0002] 高压电力设备的运行状态直接关系到整个电力系统的安全运行。在现场运行中， 局部放电是导致高压电力设备绝缘劣化的重要原因之一，特别是随着电力设备容量、电压 等级不断增大的情况下，这个问题更为严重。局部放电的检测和模式识别是目前电力变压 器绝缘状态检测的重要手段。局部放电信号的检测和模式识别能够及时发现高压电力设备 内部潜伏性故障，对保障设备的安全运行具有至关重要的意义。其中，特征提取是实现局部 放电信号模式识别的关键步骤，可以实现对放电信号所包含信息的深入挖掘，提取表征不 同放电类型的特征量，可以提高电力设备故障诊断的准确性和可靠性。
[0003] 现有的局部放电信号特征提取方法在对局部放电信号进行分解过程中存在模态 混叠，对频率相近的分量无法正确分离，并且受采样频率的影响，因而其精度较低。
【发明内容】
[0004] 有鉴于此，本申请提供一种高压电力设备局部放电特征提取方法和装置，以提高 局部放电特征提取的精度。
[0005] 为了实现上述目的，现提出的方案如下：
[0006] -种高压电力设备局部放电特征提取方法，其特征在于，包括：
[0007] 获取高压电力设备局部放电的样本信号；
[0008] 对所述样本信号进行VMD(Variational Mode Decomposition)分解，得到所述样 本信号的多个模态分量；
[0009] 基于ICA(Independent Component Analysis)算法和阈值去噪技术对所述多个模 态分量进行去噪处理，得到所述多个模态分量的对应的有效模态分量；
[0010] 计算所述有效模态分量的特征量PMSE(partial mean of multi-scale entropy)〇
[0011] 优选的，所述对所述样本信号数据进行VMD分解，得到所述样本信号的多个模态分 量，包括：
[0012] 分别对样本信号的模态分量模态分量的中心频率拉格朗日乘法算子 I1和迭代次数n进行初始化，其初始值均为0;
[0013] 其中，表示第一次迭代时输出的模态分量，表示第一次迭代输出的模态 分量对应的中心频率，k表示模态分量的序列；
[0014] 采用混沌粒子群优化算法确定VMD算法中模态分量个数K和二次惩罚因子a的最优 值；
[0015]分别利用预设公式对模态分量Uk和模态分量Uk对应的中心频率〇 k以及拉格朗日 乘法算子又进行迭代，当满足预设条件Z <+1-< <￡时，则停止迭代，输出模 k ~ 态分量Uk和模态分量Uk对应中心频率w k;
[0016]其中，所述预设公式包括：
[0020] 优选的，所述基于ICA算法和阈值去噪技术对所述多个模态分量进行去噪处理，得 到所述多个模态分量的对应的有效模态分量，包括：
[0021] 分别对所述多个模态分量进行ICA算法，得到与每个模态分量对应的一组独立源 分量；
[0022] 利用阈值去噪技术对独立源分量进行去噪，得到去噪后的独立源分量；
[0023] 利用去噪后的独立源分量重构模态分量，得到所述多个有效模态分量。
[0024]优选的，所述计算所述有效模态分量的特征量PMSE，包括：
[0025] 对所述有效模态分量进行粗粒化处理，得到有效模态分量对应的向量序列；
[0026] 计算所述有效模态分量经粗粒化得到的向量序列的多尺度熵；
[0027]根据所述多尺度熵，计算有效模态分量的特征量PMSE。
[0028] 一种高压电力设备局部放电特征提取装置，包括：
[0029]信号采集单元，用于获取高压电力设备局部放电信号的样本信号；
[0030] VMD分解单元，用于对所述样本信号进行VMD分解，得到所述样本信号的多个模态 分量；
[0031] 去噪单元，用于基于ICA算法和阈值去噪技术对所述多个模态分量进行去噪处理， 得到所述多个模态分量的对应的有效模态分量；
[0032]特征量计算单元，用于计算所述有效模态分量的特征量PMSE。
[0033]优选的，所述VMD分解单元包括：
[0034] 参数初始化子单元，用于分别对样本信号的模态分量洱&，模态分量的中心频率 ,拉格朗日乘法算子，和迭代次数n进行初始化，其初始值均为0;
[0035] 其中，丨表不第一次迭代时输出的模态分量，{试}表不第一次迭代输出的模态 分量对应的中心频率，k表示模态分量序列；
[0036] 最优值计算子单元，用于采用混沌粒子群优化算法确定VMD算法中模态分量个数K 和二次惩罚因子a的最优值；
[0037]迭代计算子单元，用于分别利用预设公式对模态分量uk和模态分量uk对应的中心 频率《k以及拉格朗曰乘法算子！进行迭代计算，当满足预设条件ai?r<￡ k 时，则停止迭代，输出模态分量Uk和模态分量Uk对应中心频率W k ;
[0038]其中，所述预设公式包括：
[0042] 优选的，所述去噪单元包括：
[0043] ICA计算子单元，用于分别所述多个模态分量进行ICA算法，得到与每个模态分量 对应的一组独立源分量；
[0044] 阈值去噪子单元，用于利用阈值去噪技术对独立源分量进行去噪，得到去噪后的 独立源分量；
[0045] 模态重构子单元，用于利用去噪后的独立源分量重构模态分量，得到所述多个有 效模态分量。
[0046] 优选的，所述特征量计算单元包括：
[0047] 粗粒化处理子单元，用于对所述有效模态分量进行粗粒化处理，得到有效模态分 量对应的粗粒化向量序列；
[0048] 多尺度熵计算子单元，用于计算所述粗粒化向量序列的多尺度熵；
[0049]特征量PMSE计算子单元，用于根据所述多尺度熵，计算有效模态分量的特征量 PMSE。
[0050]经由上述技术方案可知，本申请公开了一种高压电力设备局部放电特征提取方法 和装置。该方法在获取高压电力设备局部放电的样本信号后，对该样本信号进行VMD分解 (Variational Mode Decomposition，变分模态分解)得到该样本信号的多个模态分量。进 而，基于ICA(Independent Component Analysis，独立成分分析)算法和阈值去噪计算对模 态分量进行去噪，从而得到有效模态分量，并用有效模态分量的特征量PMSE(partial mean of multi-scale entropy，多尺度熵均偏值)来表征局部放电的特征。VMD分解是一种新的 非递归、变分模态分解估计方法，该方法利用交替方向乘子法迭代搜索变分模型最优解，令 每个模态的估计带宽之和最小，实现信号的自适应分解，不存在模态混叠和受采样频率影 响等缺点，可以很好区分离出相近频率的分量，并且具有更好的噪声鲁棒性，因而能够达到 最优的分解效果，提高了局部放电信号特征提取的精度。
【附图说明】
[0051] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或 现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是 本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根 据提供的附图获得其他的附图。
[0052] 图1示出了本发明一个实施例公开的一种高压电力设备局部放电特征提取方法的 流程示意图；
[0053] 图2示出了本发明另一个实施例公开的一种局部放电样本信号VMD分解方法的流 程不意图；
[0054]图3示出了本发明另一个实施例公开的一种高压电力设备局部放电特征提取装置 的结构示意图；
[0055] 图4示出了本发明公开的一种VMD分解单元的结构示意图；
[0056] 图5示出了本发明公开的一种去噪单元的结构示意图；
[0057] 图6示出了本发明公开的一种特征量计算单元的结构示意图。
【具体实施方式】
[0058] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0059] 参见图1示出了本发明一个实施例公开的一种高压电力设备局部放电特征提取方 法的流程示意图。
[0060] 在本实施例中，该方法包括：
[0061] S1:获取高压电力设备局部放电的样本信号。
[0062] 高压电力设备的局部放电信号类型分为：内部放电和外部放电。其中，内部放电包 括尖端放电、气泡放电和悬浮放电，外部放电包括电晕放电。本发明基于局放仪对于不同放 电类型模型进行信号检测，对于每种类型的放电信号按照一个工频周期划分为若干个时间