一种基于局部区域小波变换的gis设备特征值提取方法
【技术领域】
[0001]本发明属于电力系统中GIS设备在线监测数据处理领域，具体涉及一种基于局部区域小波变换的GIS设备特征值提取方法。
【背景技术】
[0002]相对于敞开式电器设备，GIS(Gas Insulted Switchgear，六氟化硫气体全封闭组合电器)具有体积较小、设备运行安全可靠等技术上的先进性和经济上的优越性，已在我国各电压等级电网中得到广泛应用。不过一旦GIS发生故障，其所引起的停电时间较长，会产生破坏设备、影响整个电网的安全稳定运行等不利影响。
[0003]目前，针对可靠性不高且易产生规律性故障的设备，多是通过定期检修的预防性检修方式来排查故障。而随着GIS设备生产制造质量日益上升，可靠性大大提升，且使用数量日益增多，若采取定期检修策略，不仅消耗大量人力和时间，引起较大范围停电，而且可能因检修不当引入新故障。因此，GIS等电力设备现逐步采用状态检修等方法。状态检修是一个综合性的决策过程，利用预防性实验、在线监测、历史记录以及同类设备家族缺陷等全过程的数据资料，通过状态评价和最佳策略的选择等多种技术手段和经济手段来综合评估设备当前状态，预测事态发展，从而动态地制定设备检修计划。
[0004]状态检修依赖于实时采样数据，其决策过程中所需数据资料均由在线监测得到。在线监测负责实时对设备电气量或非电气量进行采样，通过对采样值进行数据处理和判定，为状态检修过程提供具体操作依据。
[0005]GIS设备分/合闸线圈电流的波形中包含反映GIS状态的信息，线圈电流曲线波形具有一定的变化趋势，其关键位置的特征点(如电流极大值、极小值点)在GIS处于正常运行状态时，其时间坐标以及电流坐标位于一定数据范围之内。当GIS状态异常或发生故障时，其分/合闸线圈时间-电流曲线总体变化趋势不变，但其关键位置的特征点位置会发生漂移。通过捕捉曲线在关键位置的特征点，提取相关特征值，分析其在时间轴和电流轴上的位移等变化量，可以作为判定GIS状态的依据，用于定量分析GIS机械操动机构的变动情况。
[0006]在对采样值的数据处理过程中，核心步骤在于实时、准确地提取特征值。但是由于GIS处于高干扰、高噪声的电力环境，智能电子单元对GIS采样值进行数模转换时会产生噪声干扰，还有其他种种外界条件因素的影响使得GIS在线检测采集到的数据会无可避免带有扰动和毛刺，给正确提取特征值带来较大困难。所以如何从海量原始采样数据中排除干扰，并且高效、准确地提取特征值，成为GIS状态判断的关键。
【发明内容】
[0007]本发明的目的在于克服现有技术的缺点与不足，提供一种基于局部区域小波变换的GIS设备特征值提取方法，该方法针对GIS设备分/合闸线圈电流曲线，依据曲线经验特征值进行筛选分区，仅对所分区域进行局部小波去噪，对去噪后的曲线数据进行特征值提取，具有计算量少、高效实用的优点O
[0008]为了达到上述目的，本发明采用的技术方案是:一种基于局部区域小波变换的GIS设备特征值提取方法，包括以下步骤:
[0009](I)获取当前GIS设备分闸时间-电流曲线，以及正常运行状态下GIS设备分闸时间-电流曲线的基准运行曲线的经验特征值；
[0010](2)对当前GIS设备分闸时间-电流曲线进行基于特征点的分区，得到若干个特征区域；
[0011](3)对上述特征区域内的曲线数据进行小波去噪；
[0012](4)对去噪后的曲线数据进行特征值提取；
[0013](5)将提取的特征值与步骤(I)所述的经验特征值进行对比，判定所监测设备当前的运行状态，进而决定是否进行检修。
[0014]具体的，所述步骤(2)中，对当前GIS设备分闸时间-电流曲线，以时间轴为顺序依次选取以下5个特征点:起始电流、铁心启动电流、铁心停止电流、线圈最大工作电流和终止电流。
[0015]具体的，所述步骤(2)中，基于特征点进行分区的步骤如下:
[0016](2-1)获取第一特征区域:以基准运行曲线起始电流时间坐标为中心，T = Ims为半径，前后延伸，截取该时间段上采样点作为第一特征区域；
[0017](2-2)获取第二特征区域:以基准运行曲线铁心启动电流与铁心停止电流中点时间坐标为中心，T = 5ms为半径，前后延伸，截取该时间段上采样点作为第二特征区域；
[0018](2-3)获取第三特征区域:以基准运行曲线线圈最大工作电流与终止电流的中点时间坐标为中心，T= 1ms为半径，前后延伸，截取该时间段上的采样点作为第三特征区域。采用以上分区方法后，只需处理分区内数据，即可有效判断断路器状态，从而避免对整个曲线进行数据分析，减少数据处理计算工作量，准确前提下不失高效。
[0019]具体的，所述步骤(3)，进行小波去噪时，选取哈尔小波作为小波基。使计算量能尽量小。
[0020]由于已知在去噪后的曲线上，起始电流与终止电流为最小值，铁心启动电流与线圈最大工作电流为极大值，铁心停止电流为极小值，因此，所述步骤(4)，对去噪后的曲线数据进行特征值提取的步骤如下:
[0021](4-1)设去噪后的曲线上有A、B和C三点，对三点进行电流幅值的比较；
[0022](4-2)提取极值:若满足条件A〈B同时C〈B，则取B作为特征点；
[0023]若满足条件A>B同时C>B，则取B作为特征点；
[0024]若A、B、C三点不符合以上条件，则在C后间隔一定时间步长取点D，将原A点舍弃，将原B点的电流幅值赋给A点，将原C点的电流幅值赋给B点，将D点的电流幅值赋给C点，然后进行新一轮的比较，以此类推；
[0025](4-3)提取最小值:筛选完极值后，以米样时间为序，依次取A、B、C 二点，筛选米样点所组成电流曲线上首个满足A〈B〈C的A点与最后一个满足A>B>C的C点，分别将A点、C点作为特征点。
[0026]具体的，所述步骤(5)中，将提取的特征值与步骤(I)所述的经验特征值进行对比，同时比较其电流幅值和时间上的偏移量。从而能够更加准确地判定GIS设备运行状态，提高判定精度，避免误判错判。
[0027]优选的，所述步骤(I)中，当前GIS设备分闸时间-电流曲线与正常运行状态下GIS设备分闸时间-电流曲线具有可对照性，即采样开始时间、采样频率、采样结束时间相同。
[0028]本发明与现有技术相比，具有如下优点和有益效果:
[0029](I)传统去噪方法对所有采样数据皆是无选择性地进行处理和分析，计算量大，耗时久。本发明采用局部区域小波去噪法，通过对采样数据进行基于特征值的数据分区，有选择性地对采样数据进行分区和筛选，只对筛选区域数据进行小波去噪，有效弥补传统去噪方法的不足之处。该算法在不降低所提取特征值精度的前提下，减少了运算量，高效实用。
[0030](2)为了保证特征点关键信息提取的准确性，本发明采取了小波去噪法对采样曲线进行平滑。小波去噪法对数据去噪效果较好，但是GIS大量的采样值带来的小波运算的大计算量导致耗时过长。本发明在使用小波去噪法的基础上，采取了以基准曲线的特征值的时间轴位置为中心的分区法。分区法将需要分析的GIS设备电流曲线划分为3个区域，只提取包含特征点的区域，而暂时忽略区域外的其他冗余采样值。然后再将获取数据组成新的条件序列再进行小波分析。由于筛选避免了对不能提供所需信息的其他数据进行小波去噪，使得在不降低特征值精度的同时减少计算量，提高运算效率。
[0031](3)本发明将所提取的设备5个特征点的关键信息与典型正常运行状态下GIS设备的特征点的经验数据进行二维比较，同时比较其电流幅值和时间上的偏移量，能够更加准确地判定GIS设备运行状态，提高判定精度，避免误判错判。
【附图说明】
[0032]图1是本发明方法流程图。
[0033]图2是GIS设备分闸时间-电流基准曲线波形图。
【具体实施方式】
[0034]下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0035]实施例1
[0036]参见图2，一般GIS设备分闸时间-电流基准曲线中包括5个特征点，以时间轴为顺序依次为:起始电流、铁心启动电流、铁心停止电流、线圈最大工作电流和终止电流。其中起始电流与终止电流为最小值，即零值，铁心启动电流I1与线圈最大工作电流13为极大值，铁心停止电流I2为极小值。
[0037]I1S铁心启动电流，是T ^段和T1段的最大电流，该值可反映走完空程或没有空程时的阻力大小；12为铁心停止工作电流，该值是!\段和T2段的最小电流，该值可反映做超程运动时阻力大小；ι3为线圈最大工作电流，该值是t#pt32间的最大电流，是铁心运动时线圈的最大工作电流，该值可反映线圈的直流电阻大小和机构脱扣的最大阻力的大小，还可以反映线圈是否存在匝间短路和接头松动故障以及半扣入深度。Ttl为铁心启动时间，该段是从线圈通电到铁心开始运动的一段时间，可反映线圈本身的绕组特性。结合以上各个特