CN104865508B - 基于数据分组量化的局部放电识别方法 - Google Patents

Abstract

一种基于数据分组量化的局部放电识别方法，包括如下步骤：步骤1：采集局部放电数据；步骤2：对采集到的局部放电数据进行预处理，得到脉冲时间序列；步骤3：对获得的脉冲时间序列进行分组量化，统计每个量化区间的脉冲数据；步骤4：对分组脉冲数据进行FFT变换，并计算得到幅值一频率值；步骤5：根据幅值频率值，计算不同频率下的能量；步骤6：根据能量占比判断是否发生局部放电，完成局部放电的识别。本发明克服了传统方法对相位信息和人工阈值的依赖，能够在不同的光噪背景下随时监测是否发生局部放电。

Description

基于数据分组量化的局部放电识别方法

技术领域

本发明涉及局部放电光测法领域，特别是涉及基于数据分组量化的局部放电识别方法。

背景技术

电力变压器等高压设备在电力***中占有重要的地位。实际运行中局部放电会导致电力变压器内部产生绝缘劣化，长此以往会影响设备的正常工作并带来安全隐患。对局部放电的检测和识别是目前监测变压器运行状况的重要手段之一。局部放电会伴随产生电，光现象，因此常用的局部放电检测方法主要以此为依据，分为电测法和光测法。

电测法通过检测阻抗或电流传感器，检测局部放电时产生的瞬时电脉冲，通过计算得到视在放电量来衡量局部放电。这种方法受现场电磁干扰严重，无法有效地应用于在线检测，且检测灵敏度低，检测误差大。

光测法主要通过检测局部放电产生的光辐射作为判断依据。实验表明，局部放电产生的光波长分布在200-800nm之间，其中放电前期，波长较短，以280-400nm紫外光为主。通过光纤将局部放电释出光传入光电转换器件，通过处理转换得到的电信号数据来分析局部放电。由于接收光信号的材料为非电材料，因而可以有效地避免电磁干扰，另外光电转换器件的高灵敏度也使光测法具有灵敏度高的优点。传统的光测法数据处理多依赖于人工设定阈值，认为幅值超过一定阈值的脉冲为放电脉冲，或认为在一个周期内脉冲数超过一定阈值则发生局部放电，或采集相位信息，通过建立相关物理量(脉冲幅值，脉冲数等)的相位图谱来完成局部放电的识别。在实验室环境下，相位信息容易获取，且避光条件理想，可以保证多次采集的数据有很好的噪声一致性。而在实际检测与运行中由于设备的复杂性，相位信息极难获取，并且外界光环境、设备的避光条件等变化比较大，人工难以设定合适的阈值。

因此，有必要找到一种能够用于随时检测局部放电，无需人工设定阈值，无需采集相位信息的数据处理方法。

发明内容

本发明的主要目的在于提供一种基于数据分组量化的局部放电识别方法，该方法通过对一次采集得到的放电数据进行分组统计和FFT变换，通过计算FFT变换后不同频率下的能量比完成局部放电的识别，克服了传统方法对相位信息和人工阈值的依赖，能够在不同的光噪背景下随时监测是否发生局部放电。

本发明提供一种基于数据分组量化的局部放电识别方法，包括如下步骤：

步骤1：采集局部放电数据；

步骤2：对采集到的局部放电数据进行预处理，得到脉冲-时间序列；

步骤3：对获得的脉冲-时间序列进行分组量化，统计每个量化区间的脉冲数据；

步骤4：对分组脉冲数据进行FFT变换，并计算得到幅值-频率值；

步骤5：根据幅值-频率值，计算不同频率下的能量；

步骤6：根据能量占比判断是否发生局部放电，完成局部放电的识别。

本发明具有以下技术效果：

1、本发明提供的基于数据分组量化的局部放电识别方法，能够从一次采集得到的光测法局部放电数据中分析得到放电结果；

2、本发明提供的基于数据分组量化的局部放电识别方法，无需依赖相位信息和人工阈值，能够随时测量和识别设备局部放电情况。

3、本发明提供的基于数据分组量化的局部放电识别方法，能够在不同的光噪背景下处理完成局部放电的识别。

附图说明

为进一步说明本发明的技术内容，以下结合附图及实施案例对本发明详细说明如下，其中：

图1为本发明提供的一种基于数据分组量化的局部放电识别方法的流程图。

图2为本发明中对采集得到的数据进行分组量化的流程图。

图3为本发明实施例中3kv电压下分组量化后统计得到的16个脉冲个数累加值结果图。

图4为本发明实施例中4.7kv电压下分组量化后统计得到的16个脉冲个数累加值结果图。

图5为本发明中对图3所示的统计结果做16点FFT变换后，绘制的幅值-频率图。

图6为本发明中对图4所示的统计结果做16点FFT变换后，绘制的幅值-频率图。

具体实施方式

请参阅图1和图2所示，本发明提供一种基于数据分组量化的局部放电识别方法，包括如下步骤：

步骤1(101)：采集局部放电数据，该数据为光电转换器件输出的离散电压-时间数据，幅值非负。

步骤2(102)：对采集到的局部放电数据进行预处理，得到脉冲-时间序列，所述的预处理过程为首先过滤掉幅值较小的基底噪声，该部分噪声来源于器件或采集电路本身，噪声幅值较小，数量密集，会对后续处理造成影响，因此将其滤除。滤除方法为设定阈值Th，将小于Th的值设为0，此处设定的阈值Th不作为局部放电发生与否的判定，Th视采集***的灵敏度和噪声大小而定。接着采用邻域滤波进行数据平滑，数据平滑用来去除由于数据波动造成的局部伪极大值点，同时避免出现连续的两个相同值，因为连续的两个相同值会对脉冲统计造成影响。所取的邻域大小视采样间隔作微小改变，通常取5邻域。最后搜索所有的局部极大值点，一个局部极大值点表示一个脉冲。在搜索得到局部极大值点的同时，还应记录极大值点所在的位置，该位置作为后续分组量化的依据。

步骤3(103)：对获得的脉冲-时间序列进行分组量化，统计每个量化区间的脉冲数据。

所述步骤3(103)具体包含：

步骤31(201)：从得到的脉冲-时间序列中截取连续的N个工频周期，所述的N个工频周期仅在长度上等于N个工频周期，不考虑初始相位，初始相位为任意值，要求此N个周期不重叠，不断裂，N足够大，以保证统计的有效性；

步骤32(202)：将每个工频周期平均量化成K个区间，一个工频周期的长度为20ms，量化后的每个区间为(20/K)ms，量化区间K的取值应适当，过小的话相位区分不够明显，过大的话统计误差会变大，此处选取K为16。统计K个区间中的每个区间内的脉冲个数。由于当施加电压大于局部放电的起始电压时将产生局部放电，因此局部放电脉冲在相位上呈现一定的分布，对周期进行量化即是利用这种相位分布特征。统计每个量化区间的脉冲个数，脉冲个数的分布体现了局部放电的相位分布。所述的脉冲个数物理量可以由脉冲幅值或脉冲能量等效替换；

步骤33(203)：将N个周期下处于相同量化区间里的脉冲个数统计结果进行累加，得到K组脉冲个数的累加值。考虑局部放电脉冲相位分布特征，将多个周期的脉冲个数累加有利于凸显这种特征，提高统计的效果。统计得到的脉冲个数累加值可以选择性地归一化到一个工频周期；

步骤4(104)：对分组脉冲数据进行FFT变换，并计算得到幅值-频率值。根据局部放电的相位分布特征，发生局部放电时，量化后的脉冲个数统计值会在出现放电脉冲的区间呈现峰值，该峰值出现在施加电压的瞬时值超过起始放电电压所处的量化区间上，即施加电压正负半周期的峰值附近，相位上表现为90°和270°附近。由于统计时初始相位未知，所以无法确定两个峰的具***置，但是其相对位置是固定的，为180°，在K个量化区间中表现为相距K/2。

对分组量化的统计结果作FFT变换，计算出每个频率下的幅度值。通过FFT变换能够判断量化统计后的脉冲个数是否存在固定频率的峰。

步骤5(105)：根据幅值-频率值，计算不同频率下的能量，所述计算不同频率下的能量，是将FFT之后的各频率下的幅值进行平方得到能量值。

步骤6(106)：根据能量占比判断是否发生局部放电，所述根据能量占比判断是否发生局部放电，是判断50Hz与100Hz下的能量和是否大于其他频率的能量和，若是则视为发生局部放电，否则视为没有发生局部放电，所述其他频率不包含直流分量，完成局部放电的识别。

根据上述步骤分析，局部放电的相位特征分布表现在90°和270°处出现放电脉冲，在分组量化统计得到的脉冲个数数据中，显示为两个峰。两个峰的相对位置固定为分组数K的一半，由于K是在一个工频周期下的量化长度，因此在FFT变换后，若发生局部放电，则100Hz处的信号幅值会较其他频率处的幅值大。

另外，考虑实际放电时，90°和270°处脉冲个数增加幅度不同，分组量化统计得到的脉冲个数中的两个峰的大小也不一样，这样在FFT变换后，除了100Hz的信号外，50Hz的信号也会较其他频率信号大。因此在判断是否出现放电时，可以将50Hz的信号与100Hz的信号能量相加，若这两者的和大于其他频率的信号能量和，则表明发生局部放电。而未发生局部放电时，分组量化得到的脉冲个数统计结果，在各个量化区间上无明显峰值，因而FFT变换后的频率上，无100Hz和50Hz的突出信号。

为验证本发明提供的一种基于数据分组量化的局部放电识别方法的功效，进行如下实验：

采集针-板电极下3kv和4.7kv的局部放电数据，截取得到100个工频周期长，将每个周期平均量化为16个区间，每个区间宽度为1.25ms。统计得到的脉冲个数累加值如图3和图4所示，从图中可以看出，3kv时脉冲个数统计结果在不同的量化区间上波动很小，而4.7kv时已经出现较为明显的两个峰，对统计的结果进行16点的FFT变换，变换之后的部分幅值-频率值如图5和图6所示，图中未显示直流分量。从图5可以看出，3kv时高频成分占比较大，50Hz及100Hz分量较小，而图6中4.7kv时50Hz及100Hz分量和已超过高频分量。可以得出4.7kv时已发生局部放电而3kv时尚未发生。

可见本发明提供的应用于光测法局部放电识别的数据分组方法在不依赖相位信息和人工阈值下，能够从一次采集的数据中有效地识别出是否发生局部放电。

需要说明的是，上述所涉及的物理量和变换并不仅限于实施方式中提到的，本领域中的普通技术人员可以对其进行简单的熟知的替换，例如：

(1)将统计的脉冲个数替换成脉冲幅值，能量或可通过简单计算得到的其他形式物理量；

(2)将FFT变换替换成其他时域到频域或小波域的变换。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于数据分组量化的局部放电识别方法，包括如下步骤：

步骤1：采集局部放电数据；

步骤2：对采集到的局部放电数据进行预处理，得到脉冲-时间序列；

步骤3：对获得的脉冲-时间序列进行分组量化，统计每个量化区间的脉冲数据；

其中所述步骤3具体包含：

步骤31：从得到的脉冲-时间序列中截取连续的N个工频周期；

步骤32：将每个工频周期平均量化成K个区间，统计K个区间中的每个区间内的脉冲个数；

步骤33：将N个周期下处于相同量化区间里的脉冲个数进行累加，得到K组脉冲个数的统计值；

步骤4：对分组脉冲数据进行FFT变换，并计算得到幅值-频率值；

步骤5：根据幅值-频率值，计算不同频率下的能量；

步骤6：根据能量占比判断是否发生局部放电，完成局部放电的识别。

2.根据权利要求1所述的基于数据分组量化的局部放电识别方法，其中所采集的局部放电数据为光电转换器件输出的离散电压-时间数据，所述的预处理过程为首先过滤掉幅值较小的本底噪声，接着采用邻域滤波进行数据平滑，最后搜索所有的局部极大值点。

3.根据权利要求2所述的基于数据分组量化的局部放电识别方法，其中在搜索得到局部极大值点的同时，还应记录极大值点所在的位置，该局部极大值点表示一个脉冲。

4.根据权利要求1所述的基于数据分组量化的局部放电识别方法，其中所述的脉冲个数是由物理量表征，该物理量是脉冲幅值或脉冲能量。

5.根据权利要求1所述的基于数据分组量化的局部放电识别方法，其中所述的N个周期为连续的周期，不是重叠或断裂，统计得到的脉冲个数累加值是选择性的归一化到一个工频周期。

6.根据权利要求1所述的基于数据分组量化的局部放电识别方法，其中所述计算不同频率下的能量占比，是将幅值进行平方得到能量，然后计算不同频率的能量占比。

7.根据权利要求1所述的基于数据分组量化的局部放电识别方法，其中所述根据能量占比判断是否发生局部放电，是判断50Hz与100Hz下的能量和是否大于其他频率的能量和，若是则视为发生局部放电，否则视为没有发生局部放电。

8.根据权利要求7所述的基于数据分组量化的局部放电识别方法，其中所述其他频率不包含直流分量。