CN104198901A - 变电站局部放电信号的定位方法和*** - Google Patents

Abstract

本发明提供一种变电站局部放电信号的定位方法和***，该方法包括如下步骤：通过至少四个超高频传感器采集变电站产生的局部放电信号；利用预设的复小波函数对所述局部放电信号进行去噪处理；利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置。本发明可以提高变电站局部放电信号定位的精确度和可靠性，解决了传统技术中敞开式变电站超高频法局部放电信号定位的复杂问题。

Description

变电站局部放电信号的定位方法和***

技术领域

本发明涉及局部放电技术领域，特别是涉及一种变电站局部放电信号的定位方法，以及一种变电站局部放电信号的定位***。

背景技术

电力设备局部放电信号检测方法主要是采用脉冲电流法、超声检测法、超高频检测法。

脉冲电流法灵敏度高且传感器容易安装，但抗干扰能力差。变电站内电力设备产生局部放电现象的同时会伴随则各种干扰，外加的干扰信号会对检测产生影响。

电力设备产生局部放电时会产生超声波，超声检测法的原理是在电力设备上安装超声发射传感器来识别、定位局部放电缺陷。超声信号衰减较严重，这种检测方法在传感器接近局部放电点的情况下精度大，而在远离故障缺陷的情况下，该方法的灵敏度大大降低。

超高频法是近年来提出的新的电气设备局部放电检测方法，得到了快速发展。由于发生局部放电时绝缘体内气泡放电产生的脉冲信号上升时间很短，大约0.35-3ns，脉宽1-5ns，因此局部放电产生的电磁脉冲信号频带应当在数百MHz以上。而变电站中由线路电晕、载波通信、无线电广播等产生的背景噪声频率通常在几MHz左右，基于超高频法的局部放电监测***带宽可达数百MHz到上GHz，灵敏度高，可以有效避免低频段噪声的影响，且能实现非接触式测量，对一次设备影响较小。对于敞开式变电站，站内的任何高压设备均可能发生局部放电，若对每个设备安装局部放电在线监测装置，成本极高，而且造成资源浪费。

传统技术中，局部信号的采集可在汽车顶部安装四个超高频传感器，车载局部放电检测***在敞开式变电站内各个设备附近进行巡逻，能够有效检测到设备因局部放电辐射到空气中的超高频信号。由于传播路径的不同，局部放电信号到达各个传感器的时间不同，利用各个传感器间形成的时间差，能够计算出局部放电源的位置。该装置能够在移动中进行检测，可实现对整个敞开式变电站的电气设备进行局部放电监测，具有抗干扰能力强、灵敏度高、结构紧凑、效率高等优点。

变电站局部放电超高频检测法则主要是通过检测电力设备局部放电情况下所激发的超高频电磁波来实现局部放电信号的检测、识别和定位，但是由于变电站内的高压设备运行时可能存在电晕放电，在超高频信号上叠加干扰，以及背景白噪声的干扰，造成超高频信号的起始点难以确定，影响了超高频局部放电定位的精度和可靠性。

发明内容

基于此，本发明提供一种变电站局部放电信号的定位方法和***，可以提高变电站局部放电信号定位的精确度和可靠性。

一种变电站局部放电信号的定位方法，包括如下步骤：

通过至少四个超高频传感器采集变电站产生的局部放电信号；

利用预设的复小波函数对所述局部放电信号进行去噪处理；

利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；

根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置。

一种变电站局部放电信号的定位***，包括：

采集模块，用于通过至少四个超高频传感器采集变电站产生的局部放电信号；

去噪模块，用于利用预设的复小波函数对所述局部放电信号进行去噪处理；

时延计算模块，用于利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；

位置计算模块，用于根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置。

上述变电站局部放电信号的定位方法和***，采用超高频传感器采集局部放电信号，利用小波变换对局部放电信号进行去噪，能有效剔除噪声对信号起始点辨认的干扰，提高了后续信号时延估算的精度，进而提高了局部放电定位的准确度和精度。本发明局部放电信号的定位准确度和精度高，处理速度快，解决了传统技术中敞开式变电站超高频法局部放电信号定位的复杂问题，便于实际应用。

附图说明

图1为本发明变电站局部放电信号的定位方法在一实施例中的流程示意图。

图2为图1中步骤S12的流程示意图。

图3为图2中步骤S221的流程示意图。

图4为本发明变电站局部放电信号的定位***在一实施例中的结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

如图1所示，是本发明变电站局部放电信号的定位方法的流程示意图，包括：

S11、通过至少四个超高频传感器采集变电站产生的局部放电信号；

变电站内电力设备产生的局部放电信号，超高频(UHF)电磁波具有抗干扰性强、灵敏度高和传播速度稳定的优点；本实施例中采用超高频传感器采集局部放电信号，采集到的局部放电信号为超高频信号，其频率为300MHz～3GHz；具体的，至少需要四组超高频全向传感器阵列，可将传感器阵列安装在可移动支架上；安装后，还可以变电站现场的某个位置作为原点，建立变电站现场的坐标系，记录各组传感器阵列的安装位置坐标。

S12、利用预设的复小波函数对所述局部放电信号进行去噪处理；

对采集到的局部放电信号，首先重要的处理是进行去噪；本实施例中采用小波变换对局部放电信号进行去噪处理，小波变换方法相较于传统的傅里叶变换去噪，其时域和频域同时具有良好的局部性，更适合于局部放电信号这类高频、微弱并混有杂波的突变信号检测。

在一较佳实施例中，如图2所示，步骤S12可包括：

S221、根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的细节信号和近似信号；

在对局部放电信号进行分解时，复小波函数的选取与分解阶数的确定是进行复小波分解的关键；

在一较佳实施例中，由于进行小波变换时所采用的小波基不具有唯一性，不同小波基有不同的属性，差别较大，可根据局部放电信号的特点选择出最合适的小波基函数，如图3所示，步骤S221可包括：

S2211、对预设的小波函数数据集中的每个小波基函数，根据下式计算所述局部放电信号的波形与小波基函数的相似度：

$r=\frac{\mathrm{\Σ}(s-\stackrel{\‾}{s})(w-\stackrel{\‾}{w})}{\sqrt{\mathrm{\Σ}{(s-\stackrel{\‾}{s})}^2{(w-\stackrel{\‾}{w})}^2}}$

其中，r为所述相似度，s为所述局部放电信号，w为所述小波函数数据集中的小波基函数，和分别为s和w的均值；

本实施例中，在选取小波函数时，需要对小波波形和信号波形进行相似程度比较，来选取相似度高的小波函数作为小波变换的基函数；

小波函数数据集包含有预设的多个小波基函数，例如有Haar小波基、db系列小波基、Biorthogonal(biorNr.Nd)小波系、Coiflet(coifN)小波系、SymletsA(symN)小波系、Molet(morl)小波、Mexican Hat(mexh)小波、Meyer小波等小波函数；预设的小波基函数越多，则可选取到与局部放电信号波形更为相似的小波基函数，从而提高去噪效果。

S2212、将相似度最高的小波基函数作为复小波函数的实部，将所述复小波函数的实部进行希尔伯特变换得到复小波函数的虚部，组合所述实部和虚部得到所述复小波函数；

选取到小波基函数后，则需要将小波基函数构成复小波函数，再对局部放电信号进行分解。

S2213、根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的多层细节信号和一层近似信号，其中，所述细节信号的层数为 $L_1=\mathrm{fix}\left({\log }_2\right[\frac{l_s}{l_w-1}\left]\right)$ 和 $L_2=\mathrm{rou}\left({\log }_2\right[\frac{f_s}{f_l}\left]\right)-1$ 中的较小值，l_s为所述局部放电信号的长度，l_w为所述复小波函数的滤波器的长度，fix表示对计算后的值舍去小数位取整；f_s为所述局部放电信号的采样频率，f_l为所述局部放电信号的频率范围最小值，rou表示对计算后的值四舍五入后取整。

S222、采用阈值滤波对所述细节信号进行去噪；

局部放电信号进行复小波分解之后分解成多层细节信号和一层近似信号，细节信号中包含较少的噪声信息和大量的超高频局部放电脉冲信息，对每一层的细节信号进行阈值滤波，可以减少信号噪声的影响，因此阈值的选取尤为关键；小波阈值滤波是利用小波变换，除去小幅度的小波系数，收缩或保留幅度较大的小波系数，抑制信号中的噪声。滤波时阈值的确定是小波阈值滤波的关键问题，直接决定着滤波效果。

在一较佳实施例中，步骤S222可为：

对每一层所述细节信号，将所述细节信号中小于阈值的小波系数置零；其中，所述阈值为T_h为所述阈值，N为每一层细节信号中小波系数的长度，m为所述细节信号中小波系数的中值。

S223、利用所述复小波函数对去噪后的所述细节信号和所述近似信号进行重构，获得所述去噪处理后的局部放电信号；

本实施例中，对阈值滤波后的信号利用小波变换进行重组，得到去噪后的局部放电信号；信号重构即信号小波分解的逆过程，局部放电信号进行小波变换处理之后分解为多层细节信号和一层近似信号，信号去噪过程即对细节信号进行处理，处理完成后，再利用与分解过程相同的小波函数进行重构，将处理后的多层细节信号和一层近似信号重新组成局部放电信号，从而实现局部放电信号的去噪处理。

S13、利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；

本实施例中，对任意两个传感器采集到的局部放电信号，可表示为：

$\left\{\begin{array}{c}x\left(t\right)=s\left(t\right)+n_1\left(t\right)\\ y\left(t\right)=\mathrm{As}(t-D)+n_2\left(t\right)\end{array}\right.$

式中，x(t)和y(t)分别为传感器1和传感器2在时刻t采集到局部放电放电信号；s(t)为x(t)的原始局部放电信号，n₁(t)为传感器1采集到的噪声信号；

由于不同传感器的安装位置不同，信号s(t)在到达传感器2时具有一定延迟，As(t-D)为传感器2接收到的经过延迟的原始局部放电信号，n₂(t)为传感器2采集到的噪声信号；时延计算即根据观测信号x(t)和y(t)估计时间延迟D；

求解信号s₁(t)和s₂(t)之间的相关性，最佳匹配发生在位移为D的时候。

信号s₁(t)和s₂(t)的相关性函数为：

$\begin{array}{c}{C}_{\mathrm{xy}}\left(\mathrm{\τ}\right)=E\left(x\left(t\right)y(t+\mathrm{\τ})\right)\\ =A{C}_{2s}(\mathrm{\τ}-D)\end{array}$

式中，C_xy(τ)为信号x(t)和信号y(t)的相关性函数，τ是时移变量，E表示求均值，C_2s(τ)为信号s(t)的自相关函数；A为预设的倍数因子；

噪声信号n₁(t)和n₂(t)为零均值，彼此独立，且与原始局部放电信号独立，则：

C_2s(τ)＝E{s(t)s(t+τ)}

即C_xy(τ)在τ＝D时取峰值。

对两个观测信号的高阶累积量进行最大匹配值跟踪，实现信号的时延估计计算，本实施例选取4阶累积量C_xxyy(τ₁,τ₂,τ₃)进行时延估计；

其中，C_xxyy(τ₁,τ₂,τ₃)＝C₄{x(t),x^*(t+τ₁),y(t+τ₂),y^*(t+τ₃)}，*表示共轭，τ₁，τ₂和τ₃表示时延。

S14、根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置；

本实施例中，最少需要四个信号检测传感器来定位局部放电信号的产生位置，设定局部放电信号产生的时间和位置分别为t₀和(x₀，y₀，z₀)；各个传感器阵列的安装位置为(x_i，y_i，z_i)，i＝1，2，3，4；传感器检测到局部信号的初始时间为t_i0，i＝1，2，3，4。则：

$\left\{\begin{array}{c}c\×(t_{10}-t_0)=\sqrt{{(x_1-x_0)}^2+{(y_1-y_0)}^2+{(z_1-z_0)}^2}\\ c\×(t_{20}-t_0)=\sqrt{{(x_2-x_0)}^2+{(y_2-y_0)}^2+{(z_2-z_0)}^2}\\ c\×(t_{30}-t_0)=\sqrt{{(x_3-x_0)}^2+{(y_3-y_0)}^2+{(z_3-z_0)}^2}\\ c\×(t_{40}-t_0)=\sqrt{{(x_4-x_0)}^2+{(y_4-y_0)}^2+{(z_4-z_0)}^2}\end{array}\right.$

其中，c为局部放电高频信号传播速度。

已知两个传感器之间局部放电信号达到的时延t₁，t₂，t₃，且已知检测天线放置的位置(x_i，y_i，z_i)，i＝1，2，3，4。通过公式

$\left\{\begin{array}{c}c\×t_1=c\×(t_{20}-t_{10})=\sqrt{{(x_1-x_0)}^2+{(y_1-y_0)}^2+{(z_1-z_0)}^2}-\sqrt{{(x_2-x_0)}^2+{(y_2-y_0)}^2+{(z_2-z_0)}^2}\\ c\×t_2=c\×(t_{30}-t_{20})=\sqrt{{(x_2-x_0)}^2+{(y_2-y_0)}^2+{(z_2-z_0)}^2}-\sqrt{{(x_3-x_0)}^2+{(y_3-y_0)}^2+{(z_3-z_0)}^2}\\ c\×t_3=c\×(t_{40}-t_{30})=\sqrt{{(x_3-x_0)}^2+{(y_3-y_0)}^2+{(z_3-z_0)}^2}-\sqrt{{(x_4-x_0)}^2+{(y_4-y_0)}^2+{(z_4-z_0)}^2}\end{array}\right.$

可以求解出局部放电信号产生的位置(x₀，y₀，z₀)。

如图4所示，本发明还提供一种变电站局部放电信号的定位***，包括：

采集模块41，用于通过至少四个超高频传感器采集变电站产生的局部放电信号；

变电站内电力设备产生的局部放电信号，超高频(UHF)电磁波具有抗干扰性强、灵敏度高和传播速度稳定的优点；本实施例中采用超高频传感器采集局部放电信号，采集到的局放信号为超高频信号，其频率为300MHz～3GHz；具体的，至少需要四组超高频全向传感器阵列，可将传感器阵列安装在可移动支架上；安装后，还可以变电站现场的某个位置作为原点，建立变电站现场的坐标系，记录各组传感器阵列的安装位置坐标。

去噪模块42，用于利用预设的复小波函数对所述局部放电信号进行去噪处理；

对采集到的局部放电信号，首先重要的处理是进行去噪；本实施例中采用小波变换对局部放电信号进行去噪处理，小波变换方法相较于传统的傅里叶变换去噪，其时域和频域同时具有良好的局部性，更适合于局部放电信号这类高频、微弱并混有杂波的突变信号检测。

在一较佳实施例中，去噪模块41可包括：

复小波分解模块，用于根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的细节信号和近似信号；

在对局部放电信号进行分解时，复小波函数的选取与分解阶数的确定是进行复小波分解的关键；

在一较佳实施例中，由于进行小波变换时所采用的小波基不具有唯一性，不同小波基有不同的属性，差别较大，可根据局部放电信号的特点选择出最合适的小波基函数，复小波分解模块可包括：

相似度计算模块，用于对预设的小波函数数据集中的每个小波基函数，根据下式计算所述局部放电信号的波形与小波基函数的相似度：

$r=\frac{\mathrm{\Σ}(s-\stackrel{\‾}{s})(w-\stackrel{\‾}{w})}{\sqrt{\mathrm{\Σ}{(s-\stackrel{\‾}{s})}^2{(w-\stackrel{\‾}{w})}^2}}$

其中，r为所述相似度，s为所述局部放电信号，w为所述小波函数数据集中的小波基函数，和分别为s和w的均值；

本实施例中，在选取小波函数时，通常对小波波形和信号波形进行相似程度比较，来选取相似度高的小波函数作为小波变换的基函数；

小波函数数据集包含有预设的多个小波基函数，例如有Haar小波基、db系列小波基、Biorthogonal(biorNr.Nd)小波系、Coiflet(coifN)小波系、SymletsA(symN)小波系、Molet(morl)小波、Mexican Hat(mexh)小波、Meyer小波等小波函数；预设的小波基函数越多，则可选取到与局部放电信号波形更为相似的小波基函数，从而提高去噪效果。

组合模块，用于将相似度最高的小波基函数作为复小波函数的实部，将所述复小波函数的实部进行希尔伯特变换得到复小波函数的虚部，组合所述实部和虚部得到所述复小波函数；

选取到小波基函数后，则需要将小波基函数构成复小波函数，再对局部放电信号进行分解。

信号分解模块，用于根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的多层细节信号和一层近似信号，其中，所述细节信号的层数为 $L_1=\mathrm{fix}\left({\log }_2\right[\frac{l_s}{l_w-1}\left]\right)$ 和 $L_2=\mathrm{rou}\left({\log }_2\right[\frac{f_s}{f_l}\left]\right)-1$ 中的较小值，l_s为所述局部放电信号的长度，l_w为所述复小波函数的滤波器的长度，fix表示对计算后的值舍去小数位取整；f_s为所述局部放电信号的采样频率，f_l为所述局部放电信号的频率范围最小值，rou表示对计算后的值四舍五入后取整。

滤波模块，用于采用阈值滤波对所述细节信号进行去噪；

局部放电信号进行复小波分解之后分解成多层细节信号和一层近似信号，细节信号中包含较少的噪声信息和大量的超高频局部放电脉冲信息，对每一层的细节信号进行阈值滤波，可以减少信号噪声的影响，因此阈值的选取尤为关键；小波阈值滤波是利用小波变换，除去小幅度的小波系数，收缩或保留幅度较大的小波系数，抑制信号中的噪声。滤波时阈值的确定是小波阈值滤波的关键问题，直接决定着滤波效果。

在一较佳实施例中，所述滤波模块还用于：对每一层所述细节信号，将所述细节信号中小于阈值的小波系数置零；其中，所述阈值为T_h为所述阈值，N为每一层细节信号中小波系数的长度，m为所述细节信号中小波系数的中值。

重构模块，用于利用所述复小波函数对去噪后的所述细节信号和所述近似信号进行重构，获得所述去噪处理后的局部放电信号；

本实施例中，对阈值滤波后的信号利用小波变换进行重组，得到去噪处理后的局部放电信号；信号重构即信号小波分解的逆过程，局部放电信号进行小波变换处理之后分解为多层细节信号和一层近似信号，信号去噪过程即对细节信号进行处理，处理完成后，再利用与分解过程相同的小波函数进行重构，将处理后的多层细节信号和一层近似信号重新组成局部放电信号，从而实现局部放电信号的去噪处理。

时延计算模块43，用于利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；

本实施例中，对任意两个传感器采集到的局部放电信号，可表示为：

$\left\{\begin{array}{c}x\left(t\right)=s\left(t\right)+n_1\left(t\right)\\ y\left(t\right)=\mathrm{As}(t-D)+n_2\left(t\right)\end{array}\right.$

式中，x(t)和y(t)分别为传感器1和传感器2在时刻t采集到局部放电放电信号；s(t)为x(t)的原始局部放电信号，n₁(t)为传感器1采集到的噪声信号；

由于不同传感器的安装位置不同，信号s(t)在到达传感器2时具有一定延迟，As(t-D)为传感器2接收到的经过延迟的原始局部放电信号，n₂(t)为传感器2采集到的噪声信号；时延估计即根据观测信号x(t)和y(t)估计时间延迟D；

求解信号s₁(t)和s₂(t)之间的相关性，最佳匹配发生在位移为D的时候。

信号s₁(t)和s₂(t)的相关性函数为：

$\begin{array}{c}{C}_{\mathrm{xy}}\left(\mathrm{\τ}\right)=E\left(x\left(t\right)y(t+\mathrm{\τ})\right)\\ =A{C}_{2s}(\mathrm{\τ}-D)\end{array}$

式中，C_xy(τ)为信号x(t)和信号y(t)的互相关函数，τ是时移变量，E表示求均值，C_2s(τ)为信号s(t)的自相关函数；A为预设的倍数因子；

噪声信号n₁(t)和n₂(t)为零均值，彼此独立，且与原始局部放电信号独立，则

C_2s(τ)＝E{s(t)s(t+τ)}

即C_xy(τ)在τ＝D时取峰值。

对两个观测信号的高阶累积量进行最大匹配值跟踪，实现信号的时延估计计算，本实施例选取4阶累积量C_xxyy(τ₁,τ₂,τ₃)进行时延估计；

其中，C_xxyy(τ₁,τ₂,τ₃)＝C₄{x(t),x^*(t+τ₁),y(t+τ₂),y^*(t+τ₃)}，*表示共轭，τ₁，τ₂和τ₃表示时延。

位置计算模块44，用于根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置；

本实施例中，最少需要四个信号检测传感器来定位局部放电信号的产生位置，设定局部放电信号产生的时间和位置分别为t₀和(x₀，y₀，z₀)；各个传感器阵列的安装位置为(x_i，y_i，z_i)，i＝1，2，3，4；传感器检测到局部信号的初始时间为t_i0，i＝1，2，3，4。则：

$\left\{\begin{array}{c}c\×(t_{10}-t_0)=\sqrt{{(x_1-x_0)}^2+{(y_1-y_0)}^2+{(z_1-z_0)}^2}\\ c\×(t_{20}-t_0)=\sqrt{{(x_2-x_0)}^2+{(y_2-y_0)}^2+{(z_2-z_0)}^2}\\ c\×(t_{30}-t_0)=\sqrt{{(x_3-x_0)}^2+{(y_3-y_0)}^2+{(z_3-z_0)}^2}\\ c\×(t_{40}-t_0)=\sqrt{{(x_4-x_0)}^2+{(y_4-y_0)}^2+{(z_4-z_0)}^2}\end{array}\right.$

其中，c为局部放电高频信号传播速度。

已知两个传感器之间局部放电信号达到的时延t₁，t₂，t₃，且已知检测天线放置的位置(x_i，y_i，z_i)，i＝1，2，3，4。通过公式

$\left\{\begin{array}{c}c\×t_1=c\×(t_{20}-t_{10})=\sqrt{{(x_1-x_0)}^2+{(y_1-y_0)}^2+{(z_1-z_0)}^2}-\sqrt{{(x_2-x_0)}^2+{(y_2-y_0)}^2+{(z_2-z_0)}^2}\\ c\×t_2=c\×(t_{30}-t_{20})=\sqrt{{(x_2-x_0)}^2+{(y_2-y_0)}^2+{(z_2-z_0)}^2}-\sqrt{{(x_3-x_0)}^2+{(y_3-y_0)}^2+{(z_3-z_0)}^2}\\ c\×t_3=c\×(t_{40}-t_{30})=\sqrt{{(x_3-x_0)}^2+{(y_3-y_0)}^2+{(z_3-z_0)}^2}-\sqrt{{(x_4-x_0)}^2+{(y_4-y_0)}^2+{(z_4-z_0)}^2}\end{array}\right.$

可以求解出局部放电信号产生的位置(x₀，y₀，z₀)。

本发明变电站局部放电信号的定位方法和***，采用超高频传感器采集局部放电信号，利用小波变换对局部放电信号进行去噪，能有效剔除噪声对信号起始点辨认的干扰，提高了后续信号时延估算的精度，进而提高了局部放电定位的准确度和精度。本发明局部放电信号的定位准确度和精度高，处理速度快，解决了传统技术中敞开式变电站超高频法局部放电信号定位的复杂问题，便于实际应用。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种变电站局部放电信号的定位方法，其特征在于，包括如下步骤：

通过至少四个超高频传感器采集变电站产生的局部放电信号；

利用预设的复小波函数对所述局部放电信号进行去噪处理；

利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；

根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置。

2.根据权利要求1所述的变电站局部放电信号的定位方法，其特征在于，所述利用所述复小波函数对所述局部放电信号进行去噪处理的步骤包括：

根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的细节信号和近似信号；

采用阈值滤波对所述细节信号进行去噪；

利用所述复小波函数对去噪后的所述细节信号和所述近似信号进行重构，获得所述去噪处理后的局部放电信号。

3.根据权利要求2所述的变电站局部放电信号的定位方法，其特征在于，所述根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的细节信号和近似信号的步骤包括：

对预设的小波函数数据集中的每个小波基函数，根据下式计算所述局部放电信号的波形与小波基函数的相似度：

$r=\frac{\mathrm{\Σ}(s-\stackrel{\‾}{s})(w-\stackrel{\‾}{w})}{\sqrt{\mathrm{\Σ}{(s-\stackrel{\‾}{s})}^2{(w-\stackrel{\‾}{w})}^2}}$

其中，r为所述相似度，s为所述局部放电信号，w为所述小波函数数据集中的小波基函数，和分别为s和w的均值；

将相似度最高的小波基函数作为复小波函数的实部，将所述复小波函数的实部进行希尔伯特变换得到复小波函数的虚部，组合所述实部和虚部得到所述复小波函数；

根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的多层细节信号和一层近似信号，其中，所述细节信号的层数为 $L_1=\mathrm{fix}\left({\log }_2\right[\frac{l_s}{l_w-1}\left]\right)$ 和 $L_2=\mathrm{rou}\left({\log }_2\right[\frac{f_s}{f_l}\left]\right)-1$ 中的较小值，l_s为所述局部放电信号的长度，l_w为所述复小波函数的滤波器的长度，fix表示对计算后的值舍去小数位取整；f_s为所述局部放电信号的采样频率，f_l为所述局部放电信号的频率范围最小值，rou表示对计算后的值四舍五入后取整。

4.根据权利要求3所述的变电站局部放电信号的定位方法，其特征在于，所述采用阈值滤波对所述细节信号进行去噪的步骤包括：

对每一层所述细节信号，将所述细节信号中小于阈值的小波系数置零；其中，所述阈值为N为每一层细节信号中小波系数的长度，m为所述细节信号中小波系数的中值。

5.一种变电站局部放电信号的定位***，其特征在于，包括：

采集模块，用于通过至少四个超高频传感器采集变电站产生的局部放电信号；

去噪模块，用于利用预设的复小波函数对所述局部放电信号进行去噪处理；

时延计算模块，用于利用预设的高阶累积量函数计算所述去噪处理后的局部放电信号在不同所述超高频传感器的时延；

位置计算模块，用于根据所述时延以及各个所述超高频传感器的安装位置，计算所述局部放电信号的产生位置。

6.根据权利要求5所述的变电站局部放电信号的定位***，其特征在于，所述去噪模块包括：

复小波分解模块，用于根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的细节信号和近似信号；

滤波模块，用于采用阈值滤波对所述细节信号进行去噪；

重构模块，用于利用所述复小波函数对去噪后的所述细节信号和所述近似信号进行重构，获得去噪的局部放电信号。

7.根据权利要求6所述的变电站局部放电信号的定位***，其特征在于，所述分解模块包括：

相似度计算模块，用于对预设的小波函数数据集中的每个小波基函数，根据下式计算所述局部放电信号的波形与小波基函数的相似度：

$r=\frac{\mathrm{\Σ}(s-\stackrel{\‾}{s})(w-\stackrel{\‾}{w})}{\sqrt{\mathrm{\Σ}{(s-\stackrel{\‾}{s})}^2{(w-\stackrel{\‾}{w})}^2}}$

其中，r为所述相似度，s为所述局部放电信号，w为所述小波函数数据集中的小波基函数，和分别为s和w的均值；

组合模块，用于将相似度最高的小波基函数作为复小波函数的实部，将所述复小波函数的实部进行希尔伯特变换得到复小波函数的虚部，组合所述实部和虚部得到所述复小波函数；

信号分解模块，用于根据所述复小波函数对所述局部放电信号进行复小波分解，得到所述局部放电信号的多层细节信号和一层近似信号，其中，所述细节信号的层数为 $L_1=\mathrm{fix}\left({\log }_2\right[\frac{l_s}{l_w-1}\left]\right)$ 和 $L_2=\mathrm{rou}\left({\log }_2\right[\frac{f_s}{f_l}\left]\right)-1$ 中的较小值，l_s为所述局部放电信号的长度，l_w为所述复小波函数的滤波器的长度，fix表示对计算后的值舍去小数位取整；f_s为所述局部放电信号的采样频率，f_l为所述局部放电信号的频率范围最小值，rou表示对计算后的值四舍五入后取整。

8.根据权利要求7所述的变电站局部放电信号的定位***，其特征在于，所述滤波模块还用于：对每一层所述细节信号，将所述细节信号中小于所述阈值的小波系数置零；其中，所述阈值为N为每一层细节信号中小波系数的长度，m为所述细节信号小波系数的中值。