专利名称：一种对电力设备局部放电信号的检测方法
技术领域：
本发明涉及对有用信号的提取，更具体地指一种对电力设备局部放电信号的检测方法，该方法基于经验模态分解与自适应滤波的窄带干扰抑制方法，主要用于电力设备的局部放电监测系统中，在各类军用或民用的监测系统中均也有广泛的应用前景。
背景技术：
检测局部放电是监测大型电力设备的绝缘状态的重要手段，近年来为众多业内人士所关注。在这些大型电力设备进行运行时，由于存在大量的现场干扰，局部放电往往淹没在噪声之中，为了获得有效的局部放电信号，必须对噪声干扰加以抑制。在现场众多的干扰噪声源中，载波通讯、高频继电保护等引起的周期性窄带干扰信号的影响尤为严重，应该作为首先抑制的对象。
对于窄带干扰信号，目前有多种抑制方法，如FFT滤波、自适应滤波、小波变换等。其中，FFT滤波和小波变换都是通过频域内的子带滤波来达到抑制窄带信号的目的，这样的做法需要有窄带干扰频率的先验知识，即需要预先知道干扰信号的频率，但是如何获取干扰频率的先验知识，目前还没有可行的方法，因而很难将这些方法直接用于实际信号的处理中。
相比于其它的方法，自适应滤波由于无需预先知道窄带干扰的频率，在抑制窄带干扰时能获得较好的效果。但是，众所周知，自适应滤波方法自身也存在一些其它的问题，就常用的最小均方(LMS)算法而言，它的收敛速度较慢，如果调整步长增加收敛速度，又可能导致稳态误差增大甚至发散。对于单一频率的窄带干扰，通过Monte-Carlo(请用中文表示)分析，我们可以得到最优的步长，但对于频率分布较宽的多频率干扰(通信载波信号40kHz～500kHz，广播信号从几百kHz到几MHz)，即存在多频率窄带干扰信号共存的问题，选择合适的参数就显得非常困难。这是因为系统在数据不断输入的过程中难以逼近一个固定系数的有限冲击响应(FIR)数字滤波器，所以这种滤波器滤波效果往往不稳定，当收敛因子过小时，抑制噪声效果不理想，当收敛因子过大时，有用的信号则容易被滤掉，还容易使滤波器不稳定，会出现发散的情况，结果出现了严重的偏差，因此很难选择一个合适的参数。
到目前为止，如何从众多的窄带干扰噪声信号中，对窄带干扰噪声进行有效地的抑制，来提取所要检测到有用的大型电力设备的局部放电信号，还没有一种切实可行的方法。
发明内容
为了实现上述目的，本发明采用如下技术方案，该对电力设备局部放电信号的检测方法包括以下步骤a，首先，对电力设备周围包含有局部放电信号和噪声信号的原始信号进行采样；b，将所获得的采样信号进行经验模态分解，分解为不同频段的新固有模态函数；c，对各阶新固有模态函数利用自适应滤波方法进行自适应滤波，以滤除各阶固有模态函数中的其它窄带干扰信号；d，再将经过步骤c后所获得的新的单一频率的固有模态函数时行信号叠加重构；e，最后得到抑制窄带干扰后的电力设备局部放电信号，检测结束。
所述的步骤b进一步包括以下步骤b1，首先，提取待分解信号的上下包络线；b2，再，计算出上下包络线的均值线；b3，接下来，计算出各不同频段的固有模态函数；b4，然后，计算残差；b5，最后，对残差进行迭代分解，直至满足分解结束条件。
所述的步骤c是指对不同频段的各阶固有模态函数内的单一频率的模态函数和残差函数分别进行自适应滤波。
在进行滤波时，先引入噪声参考信号，在将该信号延迟后再用横向自适应滤波器对噪声参考信号进行滤波，得到新的单一频率的固有模态函数。
所述的步骤d，在对新的固有模态函数信号进行叠加重构时按下式进行X^(t)=Σj=1Jc^j(t)+r^j(t)]]>式中， 为固有模态函数， 为残差。
在本发明的上述技术方案中，该方法主要是先对原始采集信号进行经验模态分解，得到信号的各阶固有模态函数及最终的残差，再对得到的各阶固有模态函数分别进行自适应滤波处理，最后，对处理后的新的固有模态函数对信号进行重构，得到了被抑制窄带干扰信号后的有用局部放电信号。该方法能结合经验模态分解的分频特性和自适应滤波方法，利用经验模态分解的自适应分频特性，将多频率的窄带干扰分解到不同的固有模态函数，使多频率的窄带干扰转化为多个单频率的窄带干扰，再结合自适应滤波方法，对窄带干扰信号进行滤除。这样做，不仅能获得比普通自适应滤波更好的效果，而且还能解决多频率窄带干扰情况下普通自适应滤波方法中参数设置困难的问题。该方法可以广泛地用于大型电力设备或类似设备的局部放电信号的去噪声处理。
图1是本发明检测方法流程示意图。
图2是在本发明的方法中，经验模态分解流程示意图之一。
图3是在本发明的方法中，经验模态分解流程示意图之二。
图4是实现本发明的检测方法的自适应滤波原理框图。
图5是现场采集得到的原始局部放电信号波形示意图。
图6是经过经验模态分解后的波形示意图。
图7是经过自适应滤波后的波形示意图。
图8是经过本发明的方法处理后得到的局部放电信号波形示意图。
具体实施方法为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步的描述。
在
背景技术：
中我们曾描述过，自适应滤波由于无需预先知道窄带干扰的频率，在抑制窄带干扰时能获得较好的效果，但是，这种滤波方法选择合适的参数非常困难，效果往往不稳定，甚至会出现发散的情况，因此也不能单独采用该方法。于是我们想到了近年来由美国国家航空和宇宙航行局(NASA)提出的一种新的信号分析方法，即经验模态分解(EMD)方法，该方法基于信号的局部特性，可以自适应地将信号分解成不同频段的固有模态函数。局部放电中含有的多频率窄带干扰信号经过经验模态分解(EMD)之后，会分解到不同的固有模态函数中，在此基础上对固有模态函数进行滤波，可以将多频率窄带干扰抑制的问题转化为多个单频率窄带干扰抑制的问题，从而能够解决多频率窄带干扰下自适应滤波器参数选择困难的问题。
请先参阅图1、图2所示，本发明的对电力设备局部放电信号的检测方法包括以下步骤a，首先，对电力设备周围包含有局部放电信号和噪声信号的原始信号进行采样。
b，将所获得的采样信号进行经验模态分解，分解为不同频段的新固有模态函数，从图2可以看出，上述局部放电信号和噪声信号经过经验模态分解后，分解成为不同频率段的若干个新的固有模态函数，含有多频率窄带干扰的信号经分解之后，不同频率的窄带干扰会分解到不同的固有模态函数中，从而将多频率的窄带干扰转化为多个单频率的窄带干扰。
在具体分解时(见图2)，首先，提取待分解信号的上下包络线，再计算出上下包络线的均值线和各不同频段的固有模态函数，以及计出算残差。最后，对残差进行迭代分解，直至满足分解结束条件。
c，对各阶新固有模态函数利用自适应滤波方法进行自适应滤波，以滤除各阶固有模态函数中的其它窄带干扰信号。
d，再将所获得的新的单一频率的固有模态函数进行信号叠加重构。
e，最后得到抑制窄带干扰后的电力设备局部放电信号，检测结束。
下面再通过一实施例来对本发明的方法加以较为详细地说明，请参见图3所示，第一阶段，对于一个给定的时间序列X(t)，其经验模态分解的过程描述如下1)确定时间序列X(t)的所有极值点；2)对极大值点和极小值点序列分别用3次样条函数进行插值，得到原始采样信号X(t)的上包络线u(t)和下包络线v(t)；3)计算上、下包络线的均值线m(t)m(t)＝(u(t)+v(t))/2(1)4)由下式计算得各不同频段的固有模态函数d(t)d(t)＝X(t)-m(t)(2)如果满足固有模态函数的两个条件，d(t)即为X(t)的固有模态函数；否则，将d(t)视作新的时间序列，返回第1步。重复上述过程，直到d(t)满足固有模态函数的条件。固有模态函数的两个条件为一是极值点数目与过零点数目的差值不大于1，二是d(t)的均值趋近于0。
由上述过程得到的d(t)为第1阶固有模态函数，记作c1(t)，计算r1(t)＝X(t)-c1(t)(3)r1(t)为对应于第1阶模态函数c1(t)的残差。
将r1(t)看成一组新的时间序列，重复上述1～4步经验分解过程就可以得到原时间序列X(t)的第2阶固有模态函数c2(t)及对应的残差r2(t)，r2(t)＝r1(t)-c2(t) (4)对残差重复按上述分解过程，信号经过一次分解，最终可以得到一阶固有模态函数c1(t)和第一阶残差r1(t)，对第一阶残差r1(t)进行分解，最后可以得到第二阶固有模态函数c2(t)和第二阶残差r2(t)，如此反复，直到所有的固有模态函数都被分解出来。
就可以得到X(t)的所有固有模态函数cj(t)，j＝1，2，...。
当rj(t)满足下列两个条件之一时，整个分解过程结束一是rj(t)小于预定的误差。二是残差rj(t)成为一单调函数，此时不可能再从中提取固有模态函数。
经过上述经验模态分解之后，得到13阶固有模态函数，但从图5能明显看出，在前5个固有模态函数中还含有窄带噪声干扰信号。
第二阶段，对分解得到的固有模态函数cj(t)和残差rJ(t)分别进行自适应滤波处理，得到新的固有模态函数 和残差 具体的自适应滤波原理及过程如下在自适应滤波算法中，最小均方(Least Mean Square-LMS)自适应滤波算法是较常用的算法，采用LMS算法的滤波器为一横向自适应滤波器结构，如图4所示，在图4中，输入信号x为窄带干扰和局放叠加后的信号，r为窄带干扰的参考信号。在实际的处理中，r是通过x经过一定的延时得到的。滤波器的输出e即为我们希望得到的局放信号。
在采用LMS算法的自适应滤波器中，权系数矩阵为W(n+1)＝W(n)+μe(n)V(n)(5)式中W(n)为滤波器的权系数，V(n)为滤波器的输入信号，e(n)为滤波器的输出，μ为收敛因子。在自适应滤波器中，收敛因子μ的选择是非常关键的，它的数值影响到收敛速度、稳定性以及收敛解的准确性。通常0<μ<1N·P,]]>其中N为信号的长度，P为信号的平均能量密度。
对于如图6所示的固有模态函数cj(t)及残差rj(t)，分别经过自适应滤波处理后，可以得到如图7所示的新的固有模态函数 及残差 对比图6和图7，我们可以清楚地看到，原来固有模态函数cj(t)中含有的窄带噪声干扰都得到了有效的抑制，前面5阶固有模态函数经过自适应滤波后，含有的窄带干噪声干扰成分基本都被滤除了。
第三阶段，对经过处理后的固有模态函数 及残差 进行局部放电信号的重构相对于X(t)的经验模态分解过程，重构显得简单得多，只要采用按下式叠加的方式进行，X^(t)=Σj=1Jc^j(t)+r^j(t)---(5)]]>其中 即为最后所要检测得到的设备局部放电信号，也就是图5所示意的原始采集到的局部放电信号(该图中窄带噪声干扰的整体幅度高达60mV，大部分局部放电信号被窄带噪声干扰信号给淹没了)在经过去除窄带噪声干扰后并经过叠加后的有用信号，将图8与图5对比我们可以直观地看出，所有的噪声干扰信号得到了有效的抑制，而有用的局部放电信号则被筛选出来。
权利要求
1.一种对电力设备局部放电信号的检测方法，其特征在于，该检测方法包括以下步骤a，首先，对电力设备周围包含有局部放电信号和噪声信号的原始信号进行采样；b，将所获得的采样信号进行经验模态分解，分解为不同频段的新固有模态函数；c，对各阶新固有模态函数利用自适应滤波方法进行自适应滤波，以滤除各阶固有模态函数中的其它窄带干扰信号；d，再将经过步骤c后所获得的新的单一频率的固有模态函数时行信号叠加重构；e，最后得到抑制窄带干扰后的电力设备局部放电信号，检测结束。
2.如权利要求1所述的对电力设备局部放电信号的检测方法，其特征在于，所述的步骤b进一步包括以下步骤b1，首先，提取待分解信号的上下包络线；b2，再，计算出上下包络线的均值线；b3，接下来，计算出各不同频段的固有模态函数；b4，然后，计算残差；b5，最后，对残差进行迭代分解，直至满足分解结束条件。
3.如权利要求1所述的对电力设备局部放电信号的检测方法，其特征在于，所述的步骤c是指对不同频段的各阶固有模态函数内的单一频率的模态函数和残差函数分别进行自适应滤波。
4.如权利要求3所述的对电力设备局部放电信号的检测方法，其特征在于，在进行滤波时，先引入噪声参考信号，在将该信号延迟后再用横向自适应滤波器对噪声参考信号进行滤波，然后与所采集的含有局部放电信号和噪声信号进行相加(对否？)，得到新的单一频率的固有模态函数。
5.如权利要求1所述的对电力设备局部放电信号的检测方法，其特征在于所述的步骤d，在对新的固有模态函数进行信号叠加重构时按下式进行，X^(t)=Σj=1Jc^j(t)+r^J(t)]]>式中， 为固有模态函数， 为残差。
全文摘要
本发明公开了一种对电力设备局部放电信号的检测方法，该方法对原始采集信号进行经验模态分解，再对得到的各阶固有模态函数分别进行自适应滤波处理，最后，对处理后的新的固有模态函数对信号进行重构，得到了被抑制窄带干扰信号后的有用局部放电信号。该方法能利用经验模态分解的自适应分频特性，将多频率的窄带干扰分解到不同的固有模态函数，使多频率的窄带干扰转化为多个单频率的窄带干扰，再结合自适应滤波方法，对窄带干扰信号进行滤除。不仅能获得比普通自适应滤波更好的效果，而且还能解决多频率窄带干扰情况下普通自适应滤波方法中参数设置困难的问题。该方法可以广泛地用于大型电力设备或类似设备的局部放电信号的去噪声处理。
文档编号G01R31/08GK101046497SQ20061002518
公开日2007年10月3日 申请日期2006年3月29日 优先权日2006年3月29日
发明者黄成军, 魏炜, 钱勇, 徐冰雁, 毕宇辉 申请人:宝山钢铁股份有限公司