一种利用群稀疏性的振声检测信号滤波方法和系统与流程

本发明涉及电力领域，尤其涉及一种变压器振声检测信号的滤波方法和系统。

背景技术：

随着智能电网的高速发展，电力设备安全稳定运行显得尤其重要。目前，对超高压及以上电压等级的电力设备开展运行状态检测，尤其是对异常状态的检测显得愈加重要和迫切。电力变压器作为电力系统的重要组成部分，是变电站中最重要的电气设备之一，其可靠运行关系到电网的安全。一般而言，变压器的异常状态可分为铁芯异常与绕组异常。铁芯异常主要表现为铁芯饱和，绕组异常通常包括绕组变形、绕组松动等。

变压器异常状态检测的基本原理是提取变压器运行中的各特征量，分析、辨识并跟踪特征量以此监测变压器的异常运行状态。检测方法按照接触程度可分为侵入式检测和非侵入式检测；按照是否需停机检测可分为带电检测和停电检测；按照检测量类型可以分为电气量法和非电气量法等。相比而言，非侵入式检测可移植性强，安装更方便；带电检测不影响变压器运行；非电气量法与电力系统无电气连接，更为安全。当前变压器运行状态的常用检测方法中，包括检测局部放电的脉冲电流法和超声波检测法、检测绕组变形的频率响应法以及检测机械及电气故障的振动检测法等。这些检测方法主要检测变压器绝缘状况及机械结构状况，其中以变压器振动信号(振声)的检测最为全面，对于大部分变压器故障及异常状态均能有所反应。

变压器在运行过程中，铁芯硅钢片的磁致伸缩与绕组电动力引起的振动会向四周辐射不同幅值和频率的振声信号。变压器正常运行时对外发出的是均匀的低频噪声；如果发出不均匀声音，则属不正常现象。变压器在不同运行状态下会发出有区别性的声音，可通过对其发出声音的检测，掌握变压器的运行状况。值得关注的是，对变压器不同运行状态下发出声音的检测不仅可以检测很多种引起电气量变化的严重故障，还可以检测许多并未危及绝缘的没有引起电气量变化的异常状态，比如变压器内外部零部件松动等。

由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。

技术实现要素：

由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。

本发明的目的是提供一种利用群稀疏性的振声检测信号滤波方法和系统，所提出的方法利用了变压器振声信号、脉冲噪声以及背景噪声来自不同信源的特性，根据群稀疏性性质，实现背景噪声(包括异常点)和脉冲噪声的分离和滤除。所提出的方法具有较好的鲁棒性，计算也较为简单。

为实现上述目的，本发明提供了如下方案：

一种利用群稀疏性的振声检测信号滤波方法，包括：

步骤101获取按时间顺序采集的信号序列s；

步骤102求取平均相关矩阵，具体为：平均相关矩阵记为b，其计算公式为m0为所述信号序列s的均值；σ0为所述信号序列s的均方差；

步骤103求取群延迟常数，具体为：群延迟常数记为κ，其值为所述平均相关矩阵b的非零特征值个数；

步骤104求取群延迟差分序列，具体为：群延迟差分序列记为δs，其第n个元素记为δsn，计算公式为其中，n为元素序号，其取值范围为n＝1,2,···,n；n为所述信号序列s的长度；为所述信号序列s的第|n+κ|n个元素；为所述信号序列s的第|n+κ-1|n个元素；||n表示以n为模取余数运算；

步骤105求取分群总数，具体为：分群总数记为q，其计算公式为其中，σδ为所述群延迟差分序列δs的均方差；||||f表示frobenus模；表示下取整运算；

步骤106求取分群信号序列，具体为：第i个分群信号序列记为gi，其第j个元素记为计算公式为其中，l为所述第i个分群信号序列gi的长度，值为表示上取整运算；i为分群序列序号，其取值范围为i＝1,2,···,q；j为分群元素序号，其取值范围为j＝1,2,···,l；

步骤107求取滤波矩阵，具体为：第i个滤波矩阵记为wi，计算公式为wi＝σi[gi-mi]^t[gi-mi]；其中，σi为所述第i个分群信号序列gi的均方差；mi为所述第i个分群信号序列gi的均值；

步骤108求取滤除噪声后的信号序列，具体为：滤除噪声后的信号序列记为snew，其第i个分群滤波信号序列记为的求取方法如下：在所有中间参数矢量x中，选择||wigi-x||²+||x||∞取值最小的x作为所述第i个分群滤波信号序列所述滤除噪声后的信号序列

一种利用群稀疏性的振声检测信号滤波系统，包括：

模块201获取按时间顺序采集的信号序列s；

模块202求取平均相关矩阵，具体为：平均相关矩阵记为b，其计算公式为m0为所述信号序列s的均值；σ0为所述信号序列s的均方差；

模块203求取群延迟常数，具体为：群延迟常数记为κ，其值为所述平均相关矩阵b的非零特征值个数；

模块204求取群延迟差分序列，具体为：群延迟差分序列记为δs，其第n个元素记为δsn，计算公式为其中，n为元素序号，其取值范围为n＝1,2,···,n；n为所述信号序列s的长度；为所述信号序列s的第|n+κ|n个元素；为所述信号序列s的第|n+κ-1|n个元素；||n表示以n为模取余数运算；

模块205求取分群总数，具体为：分群总数记为q，其计算公式为其中，σδ为所述群延迟差分序列δs的均方差；||||f表示frobenus模；表示下取整运算；

模块206求取分群信号序列，具体为：第i个分群信号序列记为gi，其第j个元素记为计算公式为其中，l为所述第i个分群信号序列gi的长度，值为表示上取整运算；i为分群序列序号，其取值范围为i＝1,2,···,q；j为分群元素序号，其取值范围为j＝1,2,···,l；

模块207求取滤波矩阵，具体为：第i个滤波矩阵记为wi，计算公式为wi＝σi[gi-mi]^t[gi-mi]；其中，σi为所述第i个分群信号序列gi的均方差；mi为所述第i个分群信号序列gi的均值；

模块208求取滤除噪声后的信号序列，具体为：滤除噪声后的信号序列记为snew，其第i个分群滤波信号序列记为的求取方法如下：在所有中间参数矢量x中，选择||wigi-x||²+||x||∞取值最小的x作为所述第i个分群滤波信号序列所述滤除噪声后的信号序列

根据本发明提供的具体实施例，本发明公开了以下技术效果：

由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。

本发明的目的是提供一种利用群稀疏性的振声检测信号滤波方法和系统，所提出的方法利用了变压器振声信号、脉冲噪声以及背景噪声来自不同信源的特性，根据群稀疏性性质，实现背景噪声(包括异常点)和脉冲噪声的分离和滤除。所提出的方法具有较好的鲁棒性，计算也较为简单。

附图说明

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，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明的方法流程示意图；

图2为本发明的系统流程示意图；

图3为本发明的具体实施案例流程示意图。

具体实施方式

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。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1一种利用群稀疏性的振声检测信号滤波方法的流程示意图

图1为本发明一种利用群稀疏性的振声检测信号滤波方法的流程示意图。如图1所示，所述的一种利用群稀疏性的振声检测信号滤波方法具体包括以下步骤：

步骤101获取按时间顺序采集的信号序列s；

步骤102求取平均相关矩阵，具体为：平均相关矩阵记为b，其计算公式为m0为所述信号序列s的均值；σ0为所述信号序列s的均方差；

步骤103求取群延迟常数，具体为：群延迟常数记为κ，其值为所述平均相关矩阵b的非零特征值个数；

步骤104求取群延迟差分序列，具体为：群延迟差分序列记为δs，其第n个元素记为δsn，计算公式为其中，n为元素序号，其取值范围为n＝1,2,···,n；n为所述信号序列s的长度；为所述信号序列s的第|n+κ|n个元素；为所述信号序列s的第|n+κ-1|n个元素；||n表示以n为模取余数运算；

步骤105求取分群总数，具体为：分群总数记为q，其计算公式为其中，σδ为所述群延迟差分序列δs的均方差；||||f表示frobenus模；表示下取整运算；

步骤106求取分群信号序列，具体为：第i个分群信号序列记为gi，其第j个元素记为计算公式为其中，l为所述第i个分群信号序列gi的长度，值为表示上取整运算；i为分群序列序号，其取值范围为i＝1,2,···,q；j为分群元素序号，其取值范围为j＝1,2,···,l；

步骤107求取滤波矩阵，具体为：第i个滤波矩阵记为wi，计算公式为wi＝σi[gi-mi]^t[gi-mi]；其中，σi为所述第i个分群信号序列gi的均方差；mi为所述第i个分群信号序列gi的均值；

步骤108求取滤除噪声后的信号序列，具体为：滤除噪声后的信号序列记为snew，其第i个分群滤波信号序列记为的求取方法如下：在所有中间参数矢量x中，选择||wigi-x||²+||x||∞取值最小的x作为所述第i个分群滤波信号序列所述滤除噪声后的信号序列

图2一种利用群稀疏性的振声检测信号滤波系统的结构意图

图2为本发明一种利用群稀疏性的振声检测信号滤波系统的结构示意图。如图2所示，所述一种利用群稀疏性的振声检测信号滤波系统包括以下结构：

模块201获取按时间顺序采集的信号序列s；

模块202求取平均相关矩阵，具体为：平均相关矩阵记为b，其计算公式为m0为所述信号序列s的均值；σ0为所述信号序列s的均方差；

模块203求取群延迟常数，具体为：群延迟常数记为κ，其值为所述平均相关矩阵b的非零特征值个数；

模块204求取群延迟差分序列，具体为：群延迟差分序列记为δs，其第n个元素记为δsn，计算公式为其中，n为元素序号，其取值范围为n＝1,2,···,n；n为所述信号序列s的长度；为所述信号序列s的第|n+κ|n个元素；为所述信号序列s的第|n+κ-1|n个元素；||n表示以n为模取余数运算；

模块205求取分群总数，具体为：分群总数记为q，其计算公式为其中，σδ为所述群延迟差分序列δs的均方差；||||f表示frobenus模；表示下取整运算；

模块206求取分群信号序列，具体为：第i个分群信号序列记为gi，其第j个元素记为计算公式为其中，l为所述第i个分群信号序列gi的长度，值为表示上取整运算；i为分群序列序号，其取值范围为i＝1,2,···,q；j为分群元素序号，其取值范围为j＝1,2,···,l；

模块207求取滤波矩阵，具体为：第i个滤波矩阵记为wi，计算公式为wi＝σi[gi-mi]^t[gi-mi]；其中，σi为所述第i个分群信号序列gi的均方差；mi为所述第i个分群信号序列gi的均值；

模块208求取滤除噪声后的信号序列，具体为：滤除噪声后的信号序列记为snew，其第i个分群滤波信号序列记为的求取方法如下：在所有中间参数矢量x中，选择||wigi-x||²+||x||∞取值最小的x作为所述第i个分群滤波信号序列所述滤除噪声后的信号序列

下面提供一个具体实施案例，进一步说明本发明的方案

图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：

步骤301获取按时间顺序采集的信号序列s；

步骤302求取平均相关矩阵，具体为：平均相关矩阵记为b，其计算公式为m0为所述信号序列s的均值；σ0为所述信号序列s的均方差；

步骤303求取群延迟常数，具体为：群延迟常数记为κ，其值为所述平均相关矩阵b的非零特征值个数；

步骤304求取群延迟差分序列，具体为：群延迟差分序列记为δs，其第n个元素记为δsn，计算公式为其中，n为元素序号，其取值范围为n＝1,2,···,n；n为所述信号序列s的长度；为所述信号序列s的第|n+κ|n个元素；为所述信号序列s的第|n+κ-1|n个元素；||n表示以n为模取余数运算；

步骤305求取分群总数，具体为：分群总数记为q，其计算公式为其中，σδ为所述群延迟差分序列δs的均方差；||||f表示frobenus模；表示下取整运算；

步骤306求取分群信号序列，具体为：第i个分群信号序列记为gi，其第j个元素记为计算公式为其中，l为所述第i个分群信号序列gi的长度，值为表示上取整运算；i为分群序列序号，其取值范围为i＝1,2,···,q；j为分群元素序号，其取值范围为j＝1,2,···,l；

步骤307求取滤波矩阵，具体为：第i个滤波矩阵记为wi，计算公式为wi＝σi[gi-mi]^t[gi-mi]；其中，σi为所述第i个分群信号序列gi的均方差；mi为所述第i个分群信号序列gi的均值；

步骤308求取滤除噪声后的信号序列，具体为：滤除噪声后的信号序列记为snew，其第i个分群滤波信号序列记为的求取方法如下：在所有中间参数矢量x中，选择||wigi-x||²+||x||∞取值最小的x作为所述第i个分群滤波信号序列所述滤除噪声后的信号序列

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。