一种局部放电去噪方法与流程

本发明涉及在线监测
技术领域：
，特别是关于一种局部放电去噪方法。
背景技术：
：局部放电检测是监测电力设备绝缘的重要手段。由于局部放电信号的微弱性，使得在现场存在大量干扰信号时，局部放电信号极易被噪声淹没，难以准确判断局部放电脉冲发生的时刻和幅值。因此，准确快速地从噪声中将局部放电信号提取出来，对于及时排除电力设备故障(异常)具有重要的意义。目前广泛应用的局部放电去噪算法有：小波和emd方法。小波分析法在去除窄带周期干扰时具有一定的优越性，但该方法存在消噪阈值、小波基函数和分解层数选择难等问题。emd方法能自适应地分离随机噪声和局部放电信号，从而实现干扰的抑制，但该方法存在过包络、欠包络、端点效应和频率混淆等问题。固有时间尺度分解(itd)是frei和osorio提出的信号处理方法，通过将复杂的非平稳、非线性信号分解成若干个固有旋转分量(prc，properrotationcomponent)，能够准确地提取非平稳信号的动态特性，具有较高的拆解效率和频率分辨率，适合分析具有时变谱的非平稳信号，且边缘效应小，不用样条插值，没有筛选过程，信号分解速度明显高于emd方法，可以实时处理大量数据。技术实现要素：针对上述问题，本发明的目的是提供一种局部放电去噪方法，采用该方法能够根据局部放电信号的自身特性自适应对其进行消噪。为实现上述目的，本发明采取以下技术方案：一种局部放电去噪方法，其特征在于包括以下步骤：1)采用itd分解方法对含有噪声的原始局部放电信号进行自适应分解，得到含有噪声的若干prc分量；2)确定各prc分量的去噪阈值，根据得到的去噪阈值对各prc分量进行处理，得到各prc分量的初步消噪结果；3)根据各prc分量的能量对初步消噪后的各prc分量进行处理，去除初步消噪后在奇异点存在的毛刺，得到处理后的各prc分量；4)对步骤3)得到的各prc分量进行itd重构，得到去除噪声后的局部放电信号。所述步骤2)中，各prc分量的去噪阈值为3倍的各prc分量的平均绝对偏差，各prc分量的平均绝对偏差的计算公式为：式中：xi是一组待分析数据；是该组数据的平均值，i＝1,2,...,m；m为待分析数据的点数。所述步骤2)中，根据去噪阈值对各prc分量进行处理时，计算公式为：式中：x、y分别是处理前后的prc分量对应的数值。所述步骤3)中，对初步消噪后的各prc分量进行处理的方法，包括以下步骤：3.1)对各prc分量的能量进行分析，确定能量最大的第一个prc分量，保留其值不变；3.2)对同一时刻，第2个prc分量至第n个prc分量对应的值进行处理，得到同一时刻下不同prc分量的处理结果；3.3)对第2个prc分量至第n个prc分量在不同时刻的对应值进行处理，得到二次消噪后的各prc分量。所述步骤3.2)中，对同一时刻，第2个prc分量至第n个prc分量的对应值进行处理时：首先统计第2个prc分量至第n个prc分量对应值中非零点的个数s；然后根据确定的非零点的个数对相应prc分量的对应值进行处理：如果s＜2，则在该时刻，令第2个prc分量至第n个prc分量的对应值都为零；如果s≥2，则不进行处理。所述步骤3.3)中，对第2个prc分量至第n个prc分量在不同时刻的对应值进行处理时：如果该prc分量在时刻t＝k*ts的值不为零，而时刻t＝(k-1)*ts、t＝(k+1)*ts的值为零，则令时刻t＝k*ts的值为零；如果该prc分量在时刻t＝k*ts、t＝(k+1)*ts的值不为零，而时刻t＝(k-1)*ts、t＝(k+2)*ts的值为零，则令时刻t＝k*ts、t＝(k+1)*ts的值为零；其余情况下，不对prc分量进行处理。本发明由于采取以上技术方案，其具有以下优点：1、本发明由于采用itd分解方法对信号自适应分解成若干个prc分量，然后基于3倍平均绝对偏差准则对各prc分量进行初步消噪后，提出了对信号降噪后在奇异点存在毛刺问题的方法，去除每个prc分量的异常噪声，对其进行重构，从而实现局部放电信号的消噪，能够根据局放信号的自身特性自适应对其进行消噪，从而提高动态特征提取的准确性。2、本发明由于采用固有时间尺度分解方法将局放信号自适应的进行分解，且具有较高的分解效率，因此本发明能够应用到局放信号的实时处理上，满足实时性和连续性的处理要求，具有很好的现场实用性。3、本发明利用itd方法边缘效应小，不用样条插值，没有筛选过程的特点，进行局放信号消噪，充分保留了原始信号固有的特征，能极大提高信号的信噪比。因而，本发明可以广泛应用于电力设备绝缘的在线监测领域。附图说明图1是本发明局部放电去噪方法的流程图；图2(a)是本发明实施例一中局部放电仿真信号的示意图；图2(b)是图2(a)所示信号加噪后的仿真信号示意图；图3是本发明实施例一中对图2(b)所示信号进行itd分解的结果示意图；图4(a)是采用本发明方法对图2(b)所示信号去噪后的结果示意图；图4(b)是采用emd方法对图2(b)所示信号去噪后的结果示意图；图4(c)是采用db8小波方法对图2(b)所示信号去噪后的结果示意图；图5是本发明实施例二中局部放电实测信号示意图；图6是采用本发明方法对图5所示信号去噪后的结果示意图。具体实施方式下面结合附图和实施例对本发明进行详细的描述。如图1所示，本发明提供的一种局部放电去噪方法，包括以下步骤：1)采用itd分解方法对含有噪声的原始局部放电信号进行自适应分解，得到含有噪声的若干prc(固有旋转)分量。原始局部放电信号x(t)分解为若干固有旋转分量的计算公式为：式中：ci是分解得到的prc分量，其中i＝1,2,...,n，n为prc分量的个数。t为prc分量信号对应的时间点，且t＝k*ts，0≤t≤t，t为最大采样时间，k＝0,1,2,...,n-1，n为最大采样点数，ts为采样时间间隔。2)采用3倍平均绝对偏差准则确定各prc分量的去噪阈值，根据得到的去噪阈值对各prc分量进行处理，得到各prc分量的初步消噪结果。由于现场常见的随机噪声干扰和局部放电信号的频谱重叠，使得难以将它们在时域、频域分开。考虑到基于误差理论的3倍平均绝对偏差准则能很好地解决该问题，因此本发明采用误差理论中制定极限误差的3倍平均绝对偏差准则(平均绝对偏差为prc分量的平均绝对偏差)，确立每个prc分量的去噪阈值。其中，平均绝对偏差是所有单个观测值与算术平均值的偏差的绝对值的平均。平均绝对偏差由于离差被绝对值化，不会出现正负相抵消的情况，因而，平均绝对偏差能更好地反映信号偏差的实际情况。为了尽量保留局部放电信号的特征，采用硬阈值方法对各prc分量进行处理：式中：x、y分别是处理前后的prc分量对应的数值。平均绝对偏差的计算公式为：式中：xi是一组待分析数据；是该组数据的平均值，i＝1,2,...,m；m为待分析数据的点数。3)根据各prc分量的能量对初步消噪后的各prc分量进行处理，去除初步消噪后在奇异点存在的毛刺，得到处理后的各prc分量。对初步消噪后的各prc分量进行处理的方法，包括以下步骤：3.1)对各prc分量的能量进行分析，得到能量最大的第一个prc分量，保留其值不变；根据分析可知，通过itd分解方法得到的第一个prc分量的能量最大，也即该第一个prc分量占所有分量的主要成分。3.2)对同一时刻，第2个prc分量至第n个prc分量对应的值进行处理，得到同一时刻下不同prc分量的处理结果。对同一时刻，第2个prc分量至第n个prc分量的对应值进行处理时：首先统计第2个prc分量至第n个prc分量对应值中非零点的个数s；然后根据非零点的个数对相应prc分量的对应值进行处理：如果s＜2，则在该时刻，令第2个prc分量至第n个prc分量的对应值都为零；如果s≥2，则不进行处理。3.3)对第2个prc分量至第n个prc分量在不同时刻的对应值进行处理，得到二次消噪后的各prc分量。对第2个prc分量至第n个prc分量在不同时刻的对应值进行处理时：如果该prc分量在时刻t＝k*ts的值不为零，而时刻t＝(k-1)*ts、t＝(k+1)*ts的值为零，则令时刻t＝k*ts的值为零；如果该prc分量在时刻t＝k*ts、t＝(k+1)*ts的值不为零，而时刻t＝(k-1)*ts、t＝(k+2)*ts的值为零，则令时刻t＝k*ts、t＝(k+1)*ts的值为零；其余情况下，不对prc分量进行处理。4)对步骤3)得到的各prc分量进行itd重构，即可得到去除噪声后的局部放电信号。下面结合具体实施例，对本发明方法做进一步介绍。实施例1：采用局部放电仿真信号进行去噪分析：局部放电信号一般为振荡衰减信号，仿真信号可以用单指数衰减振荡模型和双指数衰减振荡模型描述。单指数衰减振荡：s1(t)＝ae-t/τsin2πfct(4)双指数衰减振荡：式中：a为信号幅值，τ、τ1、τ2为衰减系数，fc为振荡频率。如图2(a)、如2(b)所示，分别为仿真得到的局部放电信号和加噪后的局部放电信号。仿真时，单指数衰减振荡模型中各参数值为：τ＝1μs，fc＝1mhz，a分别为0.2mv、0.25mv；双指数衰减振荡模型中各参数值为：τ1＝2μs，τ2＝3μs，fc＝1mhz，a分别为1.5mv、1.7mv、1.6mv、1.8mv；采样频率为10mhz，得到的局部放电信号如图2(a)所示，其中，第1、4个信号对应单指数衰减振荡形式，幅值a分别为0.2mv、0.25mv；其余信号为双指数衰减振荡形式，幅值a分别为1.5mv、1.7mv、1.6mv、1.8mv。对信号图2(a)中信号叠加信噪比为-0.98db的高斯白噪声，得到的加噪后的信号如图2(b)所示。如图3所示，对图2(b)中加噪后的信号进行itd分解，得到8个prc分量和1个tc分量。如图4(a)、(b)、(c)所示，分别为采用本发明方法、emd方法和db8小波方法对图2(b)中的信号进行去噪的结果示意图。其中，emd方法处理加噪信号时，采用文献“李天云，高磊，聂永辉，等.基于经验模式分解处理局部放电数据的自适应直接阈值算法.中国电机工程学报，2006，26(15)：29-34.”中所述的基于emd和3σ准则的算法处理加噪信号，其自适应分解层数为13层。db8小波方法处理加噪信号时，为便于比较，其分解层数为9层，处理时的阈值采用文献“钱勇，黄成军，陈陈，等.基于经验模态分解的局部放电去噪方法.电力系统自动化，2005，29(12)：53-56.”中的式中λj、mj、nj分别为第j层系数的阈值、长度和绝对值中值。定义均方根误差和局部相关指数，以进一步比较本发明方法、emd和db8小波方法的去噪性能。均方根误差：式中：x(k)为理想信号，为估计信号，m为采样点数。局部相关指数：式中：xi为单个理想局放信号，为xi估计信号。表1给出了3种方法去噪性能的比较，从表中均方根误差可以看出，本发明、db8小波方法去噪效果相当，都好于emd方法。从表中局部相关系数可以看出，本发明、db8小波方法提取的脉冲信号最为理想，即该方法有最好的波形提取质量。从表中信噪比系数可以看出，本发明、db8小波方法有很好的去噪效果，有效地提高了信号的信噪比。从表中还可以看出，本发明具有较快的计算速度。总之，本发明与db8小波有相似的去噪性能，但本发明的计算速度明显高于db8小波方法。信号的计算速度对于在线监测及其重要。同时，本发明不需要选取小波基和分解层数，具有很好的自适应性。即本发明是一种具有很好的去噪性能和较快的计算速度的自适应局放去噪方法。因此，本发明非常适合局部放电信号的在线去噪。表1三种方法去噪性能比较算法均方根误差相关系数信噪比(db)计算速度(s)itd8.7871e-0060.94119.41850.64emd2.8574e-0050.82084.29660.95db8小波8.6551e-0060.94259.483619.93实施例2：如图5、图6所示，选取某直流局放试验数据对本发明进行消噪性能检验。试验的采样频率为1ghz，采样点数为1×105个，从图5中可以看出，局部放电信号包含了大量的背景噪声。对该信号进行itd分解，得到8个prc分量和一个趋势余量。计算每个prc分量的平均绝对偏差值，根据设定的门限阈值，分别提取8个prc分量的局部放电信号；然后对同一时刻，不同分量对应的值进行处理；对同一分量，不同时刻对应的值进行处理；对其进行重构得到去噪后的波形如图6所示。从图6中可以看出，本发明方法能很好地去除局部放电信号中含有的大量背景噪声。最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，而这些修改或者替换，均不应排除在本发明的保护范围之外。当前第1页12