一种电力设备局部放电超声信号时差估计方法与流程

本发明涉及局部放电检测，特别涉及一种电力设备局部放电超声信号时差估计方法。

背景技术：

超声波定位技术作为一种成本低、不受电磁干扰、非破坏性的故障定位技术被逐步应用于局部放电检测领域，而对超声信号的时差估计是定位的关键。现有的应用于局放领域的时延估计方法有相关分析法、自适应时差估计法和相位谱估计法等。

目前产生局放的电力设备现场环境十分复杂，在检测中往往会遇到各种干扰，严重影响检测的灵敏度和可靠性。变电站现场检测的干扰信号通常包含白噪声、随机脉冲干扰和窄带干扰。

现有的基于超声局放定位的时延估计方法大多是峰值检测算法，但实际pd超声信号为窄带信号，相关峰会因为带宽窄而在时间域上被延展，使得峰值不明显进而导致其估计精度对噪声十分敏感且精度较低。

技术实现要素：

本发明的目的是提供一种电力设备局部放电超声信号时差估计方法，能够提高信噪比，从而提高时差估计精度。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种电力设备局部放电超声信号时差估计方法，包括有以下步骤：

输入两路原信号，经过ceemdan算法将每一路原信号都分解为多个不同频率成分的固有模态分量imf；

通过相关系数法对各imf进行自相关计算以辨识噪声分量与局部放电超声信号的分界点；

根据计算辨识的分界点设定噪声阈值，并对小于噪声阈值的imf进行小波阈值去噪；

将去噪后获得imf与分解获得的大于噪声阈值的imf进行重构，得到去噪局部放电超声信号；

通过相关系数波形比较法对两路去噪局部放电超声信号进行时差估计。

作为优选，ceemdan算法如下：

对每一路原信号均进行加零均值单位方差白噪声处理得到第一信号；

对第一信号进行n次emd分解，得到n个第一阶分解分量和剩余残差；

对n个第一阶分解分量进行求集成均值，得到第一阶分量，并计算得到第一残差；

同样对计算得到的第一残差再次进行加零均值单位方差白噪声处理，以进行n次emd分解计算，重复m次以对计算得到的第m残差进行处理，直至最终获得的第m残差信号无法继续分解，得到第m阶分量与最终残差；得到由第一阶分量至第m阶分量与最终残差累加形式的原信号。

作为优选，ceemdan算法具体步骤如下：

在原信号s(t)中加入正负成对且幅值为a的零均值单位方差白噪声，得到第一信号s'(t)＝s(t)+(-1)^qanⁱ(t)；

对第一信号s'(t)进行n次emd分解，得到n个第一阶分解分量imf1ⁱ(t)和剩余残差r1ⁱ(t)，即s'(t)＝imf1ⁱ(t)+r1ⁱ(t)；

对n个第一阶分解分量imf1ⁱ(t)求集成均值，得到第一阶分量及第一残差r1(t)，分别为

在第一残差r1(t)中加入经emd分解的正负成对的幅值相同的零均值单位方差白噪声，并再次对其进行n次emd分解，得到第二阶分解分量和第二次的剩余残差

对n个第二阶分解分量求集成均值，得到第二阶分量并计算得到第二残差

重复m次上述步骤直到第m残差信号无法继续分解，即可求得第m阶分量和最终残差r(t)，原信号可表示为

作为优选，通过相关系数法对各固有模态分量imf做自相关计算具体计算公式为：

式中，表示信号s1的自相关函数，s1为原信号s(t)中的一路，n为信号采样点数m为延迟时间，n为计算起始点。

作为优选，小波阈值去噪具体步骤为：

对需要去噪的固有模态分量imf进行小波分解，并求取对应的小波系数dj,k；

设置噪声阈值λ，对固有模态分量imf分解的小波中小于噪声阈值的小波系数对应的小波判断为由噪声产生并对应去除，重构处理后的小波系数dj,k与近似系数，还原去噪的imf。

作为优选，噪声阈值λ的选取计算如下：

选取db4作为小波基，上式中和dj,k分别表示计算前后的小波系数，σ为噪声方差；c为阈值系数，设为1，n为采样点数。

作为优选，根据相关系数波形比较法对两路原信号的时差估算具体：

两路原信号模型为

式中，d为两个信号的时差，n1(t)和n2(t)为相互独立的高斯白噪声；

由相关函数性质，可得到

将两路原信号的时差转移到至相关函数中；

根据估计值进行表示：

n为信号采样点个数，比较估计值的波形以获得时差。

作为优选，通过比较估计值的波形以获得时差具体为：

a1、求取

a2、从中各一段长度相等的波形，求相关系数，选相关系数最大的两段波形进行比较，其在时间轴上的相对位置就是对应的时差估计；

a3、重复步骤a2，对得到的多个估计值进行直方图统计，选取重复次数最多的数值作为最终得结果。

综上所述，本发明具有以下有益效果：

利用相关系数波形比较算法对pd超声窄带信号进行估计，避开传统峰值检测算法对于窄带信号峰值在时间域被展平而导致的峰值不明显估计精度差的问题，在时差估计前利用ceemdan阈值去噪对带噪信号进行去噪，提升实际采集pd超声信号的信噪比，从而提高时差估计精度，提高了相关系数法在电力现场复杂噪声情况下的鲁棒性和稳定性。

附图说明

图1为ceemdan阈值去噪算法流程图；

图2为基于ceemdan改进的波形比较法流程图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

根据一个或多个实施例，公开的一种电力设备局部放电超声信号时差估计方法，如图1及图2所示，具体步骤如下：。

输入两路原信号，经过ceemdan算法将每一路原信号都分解为多个不同频率成分的固有模态分量imf；

通过相关系数法对各imf进行自相关计算以辨识噪声分量与局部放电超声信号的分界点；

根据计算辨识的分界点设定噪声阈值，并对小于噪声阈值的imf进行小波阈值去噪；

将去噪后获得imf与分解获得的大于噪声阈值的imf进行重构，得到去噪局部放电超声信号；

通过相关系数波形比较法对两路去噪局部放电超声信号进行时差估计。

如图1所示，原信号s(t)由局部放电超声信号x(t)以及白噪声n(t)构成的混合信号经过ceemdan分解成多个固有模态分量imf，利用相关系数法，确定噪声占主导的imf并对其进行小波阈值去噪，随后将去噪后的imf和剩余的imf进行重构，得到去噪后的局部放电超声信号即pd超声信号。最后利用相关系数波形比较法得出时差估计值整体时差估计算法图如图2所示。

具体的，设两路信号模型为：

式中x(t)和x(t-d)为源信号，d为两个信号的时差。n1(t)和n2(t)为相互独立的高斯白噪声。

ceemdan是由emd原理的基础上改进而来。其计算步骤如下：

(1)在原信号s(t)中加入正负成对的幅值为a的零均值单位方差白噪声，得到：

s'(t)＝s(t)+(-1)^qanⁱ(t)

对s'(t)进行n次emd分解，即可得到n个第一阶分解分量imf1ⁱ(t)和第一剩余残差

s'(t)＝imf1ⁱ(t)+r1ⁱ(t)

再对n个imf1ⁱ(t)求集成均值，即可得到最后的第一阶分量

得到第一残差：

在r1(t)中加入经emd分解的正负成对的幅值相同的零均值单位方差白噪声并再次对其进行n次emd分解，得到第二阶分解分量和第二剩余残差

对n个求集成均值得到最后的第二阶分量

同理最终第二残差：

重复m次上述步骤直到信号无法继续分解，即可求得第m阶的分量和最终残差r(t)，则原信号可表示为：

相关法即对各imf作自相关，自相关公式为：

式中，表示信号s1的自相关函数，s1为原信号s(t)中的一路，n为信号采样点数，m为延迟时间，n为计算起始点。

小波阈值去噪步骤为去噪信号进行小波分解，并求取对应的小波系数dj,k，设置噪声阈值λ，对小于噪声阈值的系数认为是由噪声产生并将其去除，最后重构处理后的小波系数dj,k与近似系数，还原去噪信号。选取阈值函数，其表达式为：

选取db4作为小波基，上式中和dj,k分别表示计算前后的小波系数，σ为噪声方差；c为阈值系数，设为1，n为采样点数。。

相关系数波形比较法具体步骤为

根据相关函数的性质，可知则两路信号的时差转移到了相关函数当中。一般用估计值表示：

n为信号采样点个数，则比较估计值波形即可获得时差。避免了窄带信号在时间域的延展性对峰值检测所造成的的影响。具体计算步骤为：

1)依据上式求取

2)从中各选一段长度相等的波形，求相关系数，选相关系数最大的两段波形进行比较，其在时间轴上的相对位置就是对应的时差估计值。

3)重复步骤2)，对得到的多个估计值进行直方图统计，选取重复次数最多的数值作为最终得结果。

利用相关系数波形比较算法对pd超声窄带信号进行估计，解决了传统峰值检测时延估计算法如相关法等对窄带信号估计精度低的问题，在时差估计前利用ceemdan阈值去噪对带噪信号进行去噪，提升实际采集pd超声信号的信噪比，提高了相关系数法在电力现场复杂噪声情况下的鲁棒性和稳定性。

在传统局放定位采取的峰值检测时延算法未充分考虑pd超声信号窄带信号对于其估计精度的影响，采用对带宽不敏感的相关系数波形比较法对其进行时差估计，同时利用ceemdan阈值去噪对采集信号进行预处理，解决传统波形比较法在低信噪比条件下估计精度差的问题。采用的ceemdan阈值去噪具有完备性，能够很好地保留信号中的时差信息，而通过相关系数波形比较将信号中的时差信息转移到自相关和互相关函数中，进一步提高信噪比，从而提高时差估计精度，为后续的定位打下良好的基础。

本发明可以广泛适用于各种基于到达时差的电力设备局放源超声定位的时差估计，算法计算量较小，在低信噪比环境下鲁棒性更强，易于配合相关空间定位算法实现在线定位工作。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。