CN105137297A - 变电设备多源局部放电信号的分离方法及装置 - Google Patents

Abstract

本发明公开了一种变电设备多源局部放电信号的分离方法，包括获取变电设备的局部放电信号；计算该信号的时域积累能量函数信号和频域积累能量函数信号，并分别对时域和频域的积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；采集归一化后的时域和频域的积累能量函数信号的特征信息；根据归一化后的时域和频域的积累能量函数信号以及所述特征信息，得到局部放电信号的预定特征信息；根据预定特征信息，利用密度聚类算法将局部放电信号进行分离；该方法能够将变电设备内部混合绝缘缺陷下的多源局部放电信号进行分离；本发明还公开了一种变电设备多源局部放电信号的分离装置。

Description

变电设备多源局部放电信号的分离方法及装置

技术领域

本发明涉及电气工程领域，特别涉及一种变电设备多源局部放电信号的分离方法及装置。

背景技术

变电设备绝缘故障早期的主要表现形式是局部放电，其中，局部放电是指高压电气设备内在电、热、化学等作用下所产生的微弱非贯穿性放电，长期任其发展可能会导致设备击穿。它既是引起绝缘劣化的主要原因，又是表征绝缘状况的特征量。通过开展变电设备局部放电的检测，可以在一定程度上发现变电设备可能存在的缺陷，对保证变电设备安全可靠的运行具有重要的现实意义。

近年来，针对变电设备单一缺陷下的局部放电特性、图谱特征及状态评估等问题，国内外学者开展了大量研究并取得了一定成效。但实际情况是变电设备内部有时会存在多个缺陷，形成了多个缺陷源混合的图谱和信号特征，如采用基于单一缺陷的局部放电检测与诊断理论，将无法准确判断缺陷的数量和相应类型，对变电设备局部放电的诊断和状态评估带来误判，带来一定的安全运行风险。因此十分有必要开发一种将变电设备内部混合绝缘缺陷下的多源局部放电信号进行分离的方法。

发明内容

本发明的目的是提供一种变电设备多源局部放电信号的分离方法，该方法能够准确将变电设备内部混合绝缘缺陷下的多源局部放电信号进行分离；本发明的另一目的是提供一种变电设备多源局部放电信号的分离装置。

为解决上述技术问题，本发明提供一种变电设备多源局部放电信号的分离方法，包括：

获取所述变电设备的局部放电信号；

计算所述局部放电信号的时域积累能量函数信号和频域积累能量函数信号，并分别对所述时域积累能量函数信号和所述频域积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；

采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息；

根据所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号以及所述特征信息，得到所述局部放电信号的预定特征信息；

根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离。

其中，还包括：根据所述预定特征信息，利用密度聚类算法对所述局部放电信号进行类型检测。

其中，所述获取所述变电设备的局部放电信号包括：

根据脉冲电流检测方法、高频电流检测方法、特高频检测方法或超声波检测方法，获取所述变电设备的局部放电信号。

其中，所述采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息包括：

求取所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的数学形态学梯度。

其中，所述预定特征信息包括宽度、峭度和重心。

其中，所述根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离包括：

将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；

将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

利用密度聚类算法对所述h数据空间进行聚类；

根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

利用不同源的局部放电信号在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。

其中，还包括：

将不同源的局部放电信号划分为不同簇，并提取各簇的局部放电信息；

根据各簇的局部放电信息得到各簇的局部放电信号的类型。

本发明还提供一种变电设备多源局部放电信号的分离装置，包括：

获取模块，用于获取所述变电设备的局部放电信号；

归一化模块，用于计算所述局部放电信号的时域积累能量函数信号和频域积累能量函数信号，并分别对所述时域积累能量函数信号和所述频域积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；

采集模块，用于采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息；

特征信息提取模块，用于根据所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号以及所述特征信息，得到所述局部放电信号的预定特征信息；

分离模块，用于根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离。

其中，还包括：

类型检测模块，用于根据所述预定特征信息，利用密度聚类算法对所述局部放电信号进行类型检测。

其中，所述分离模块包括：

划分单元，用于将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；

h数据空间单元，用于将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

聚类单元，用于利用密度聚类算法对所述h数据空间进行聚类；

索引单元，用于根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

分离单元，用于利用不同源的局部放电信号在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。

本发明所提供的变电设备多源局部放电信号的分离方法，该方法通过对获取的局部放电信号进行归一化处理，可以去除信号幅度的影响；再采集进行归一化处理后的信号的特征信息，根据以上信息可以计算得到局部放电信号的预定特征信息。又由于同一放电源产生的信号特征相似，其局部放电信号在特征信息呈现簇状分布，因此，采用密度聚类的方法对得到的预定特征信息进行聚类分析，可以将所述局部放电信号进行分离。

该方法可以准确的分离变电设备多源局部放电信号，由于该方法针对局部放电信号进行处理，因此适用面比较广，适用于利用任何方式得到的局部放电信号。且该方法不需要再实验室内模拟建立样本库，可直接根据现场检测结果进行多源局部放电的分离。

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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的变电设备多源局部放电信号的分离方法的流程图；

图2为本发明实施例提供的变电设备多源局部放电信号的分离和类型检测方法的流程图；

图3为本发明实施例提供的变电设备多源局部放电信号的分离装置的结构框图；

图4为本发明实施例提供的变电设备多源局部放电信号的分离和类型检测装置的结构框图。

具体实施方式

本发明的核心是提供一种变电设备多源局部放电的类型检测方法，该方法能够准确识别变电设备内部混合绝缘缺陷下的多源局部放电的类型；本发明的另一核心是提供一种变电设备多源局部放电的类型检测装置。

为使本发明实施例的目的、技术方案和优点更加清楚，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。

请参考图1，图1为本发明实施例提供的变电设备多源局部放电信号的分离方法的流程图；该方法可以包括：

步骤s100、获取所述变电设备的局部放电信号；

其中，这里只需要对得到的局部放电信号进行处理，因此并不限定于该局部放电信号是如何检测得到的，因此，可选的，获取所述变电设备的局部放电信号可以是根据脉冲电流检测方法、高频电流检测方法、特高频检测方法或超声波检测方法，获取所述变电设备的局部放电信号。

步骤s110、计算所述局部放电信号的时域积累能量函数信号和频域积累能量函数信号，并分别对所述时域积累能量函数信号和所述频域积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；

其中，这里可以采用脉冲电流、高频电流、特高频，超声波等方法检测变电设备(如变压器、GIS、高抗等)内部的局部放电信号，将时域与频域下的累积能量函数信号应用于检测得到的局放信号。假定采集的单次局部放电的脉冲电流、高频电流、特高频信号或超声波信号波形为v(t_i)，i＝1,2,…N，N为单次脉冲的采样点数，时域累积能量函数信号与频域累积能量函数信号E_T(t_k)、E_F(t_k)分别按下式计算：

$\begin{array}{cc}{E}_T\left(t_k\right)=\underset{i=1}{\overset{k}{\Σ}}v{\left(t_i\right)}^2/\underset{i=1}{\overset{N}{\Σ}}v{\left(t_i\right)}^2*100& k=1,...,N\end{array}$

$\begin{array}{cc}{E}_F\left(t_k\right)=\underset{i=1}{\overset{k}{\Σ}}F{\left(i\right)}^2/\underset{i=1}{\overset{N/2}{\Σ}}F{\left(i\right)}^2*100& k=1,...,N/2\end{array}$

其中，F(i)为v(t_i)经快速傅里叶变换(FFT)得到的频谱。

这里为了去除信号幅度的影响，将时域累积能量函数信号对总累积能量和频域累积能量函数信号对总累积能量进行归一化。

步骤s120、采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息；

其中，需要收集对归一化时域积累能量函数信号和归一化频域积累能量函数信号的特征信息，并且可以对其进行抑制噪声的处理。这里可以选取效果好的数学形态学方法来求取归一化时域积累能量函数信号和归一化频域积累能量函数信号的特征信息。优选的，求取所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的数学形态学梯度。即采用数学形态学中的结构元素在信号中的不断移动收集信号的信息，达到特征提取及抑制噪声的目的。

具体过程可以是：若定义时域或者频域累积能量函数信号为f，则f关于结构元素g的膨胀和腐蚀fΘg分别定义为：

$f\⊕g\left(n\right)=\max \{f(n-m)+g\left(m\right)|(n-m)\∈D_f,m\∈D_g\}$

fΘg(n)＝min{f(n+m)-g(m)|(n+m)∈D_f,m∈D_g}

$\mathrm{mg}\left(n\right)=f\⊕g\left(n\right)-\mathrm{f\Θg}\left(n\right)$

其中，D_f、D_g分别为信号f及结构元素g的定义域，mg为数学形态学梯度。

将时域累积能量函数信号和频域累积能量函数信号分别利用上述方式进行数学形态学梯度的计算。

步骤s130、根据所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号以及所述特征信息，得到所述局部放电信号的预定特征信息；

其中，这里的预订特征信息可以是宽度，也可以是峭度，或者也可以是重心，也可以是其他的特征信息，这里优选的，所述预定特征信息具体为宽度、宽度和重心。

例如当预订特征信息具体为宽度、宽度和重心时，由于同一种信号源产生的局部放电信号波形特征具有相似性，以此可以检测不同信号源产生的局部放电信号。为全面反映局部放电信号在时域及频域的特征。因此，分别在时域及频域提取了宽度、峭度及重心三个特征信息用以提取局放信号的特征，局部放电信号的宽度、峭度及重心的计算公式为：

T_w＝t|E_T＝80-t|E_T＝20

F_w＝f|E_F＝80-f|E_F＝20

ξ_T＝max{mg_T}

ξ_F＝max{mg_F}

$g_T=\underset{i}{\Σ}{t}_i*({\mathrm{mg}}_{Ti}/\underset{i}{\Σ}{\mathrm{mg}}_{Ti})$

$g_F=\underset{i}{\Σ}{f}_i*({\mathrm{mg}}_{Fi}/\underset{i}{\Σ}{\mathrm{mg}}_{Fi})$

其中，T_w、F_w为时域、频域的宽度，表征了信号的时间长度与频带宽度；ξ_T、ξ_F为时域、频域累积能量函数信号数学形态学梯度的峭度，表征了信号的上升陡度；g_T、g_F为时域、频域的重心，表征了信号震荡程度。

步骤s140、根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离。

其中，由于不同局部放电源产生的局部放电信号在数据空间中集聚的位置不同，因此，可以以此来分离混合局部放电源。

具体的，利用各簇在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。

其中，优选的，利用密度聚类算法对所述局部放电信号进行类型检测可以包括：

将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；其中，N可以为200。

将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

利用密度聚类算法对所述h数据空间进行聚类；

根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

利用不同源的局部放电信号在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。

基于上述技术方案，本发明实施例提供的变电设备多源局部放电信号的分离方法，该方法可以准确的将变电设备多源局部放电信号进行分离，由于该方法针对局部放电信号进行处理，因此适用面比较广，适用于利用任何方式得到的局部放电信号。且该方法不需要再实验室内模拟建立样本库，可直接根据现场检测结果进行多源局部放电的分离。

利用数学形态学的方式，进一步获取了宽度、峭度和重心这三个特征信息，通过这三个区别技术特征可以描述局部放电信号的变化特征，足够用于分离不同局部放电信号。

又因为同一放电源产生的局部放电信号特征相似，其局部放电点在特征信息数据空间中呈现簇状分布。采用密度聚类方法对局部放电信号序列的特征信息进行聚类分析，将混合放电源划分为具有相似特征的簇，并提取各簇的局部放电信息。因此，采用密度聚类的方法对得到的预定特征信息进行聚类分析，可以将所述局部放电信号进行分离。

请参考图2，图2为本发明实施例提供的变电设备多源局部放电信号的分离和检测类型方法的流程图；该方法还可以包括：

步骤s150、根据所述预定特征信息，利用密度聚类算法对所述局部放电信号进行类型检测。

其中，又由于同一放电源产生的信号特征相似，其局部放电信号在特征信息呈现簇状分布。因此利用密度聚类算法对所述局部放电信号进行类型检测。

其中，优选的，利用密度聚类算法对所述局部放电信号进行类型检测可以包括：

将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；其中，N可以为200。

将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

利用密度聚类算法对所述h数据空间进行聚类；

根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

将不同源的局部放电信号划分为不同簇，并提取各簇的局部放电信息；

其中，提取各簇的局部放电信息也可以为宽度，峭度和重心。

根据各簇的局部放电信息得到各簇的局部放电信号的类型。

其中，可以通过各簇的宽度，峭度和重心来判定局部放电信号的类型。

基于上述技术方案，本发明实施例提供的变电设备多源局部放电信号的分离方法，不仅仅可以对局部放电信号的类型进行识别，还可以对不同的局部放电信号进行分离。

请参考图3，图3为本发明实施例提供的变电设备多源局部放电信号的分离装置的结构框图；该装置可以包括：

获取模块100，用于获取所述变电设备的局部放电信号；

归一化模块200，用于计算所述局部放电信号的时域积累能量函数信号和频域积累能量函数信号，并分别对所述时域积累能量函数信号和所述频域积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；

采集模块300，用于采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息；

特征信息提取模块400，用于根据所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号以及所述特征信息，得到所述局部放电信号的预定特征信息；

分离模块500，用于根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离。

请参考图4，图4为本发明实施例提供的变电设备多源局部放电信号的分离和类型检测装置的结构框图；该装置还可以包括：

类型检测模块600，用于根据所述预定特征信息，利用密度聚类算法对所述局部放电信号进行类型检测。

可选的，所述类型检测模块可以包括：

划分单元，用于将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；

h数据空间单元，用于将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

聚类单元，用于利用密度聚类算法对所述h数据空间进行聚类；

索引单元，用于根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

分离单元，用于利用不同源的局部放电信号在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。

上述模块还可以包括：

提取单元，用于将不同源的局部放电信号划分为不同簇，并提取各簇的局部放电信息；

确定单元，用于根据各簇的局部放电信息得到各簇的局部放电信号的类型。

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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的变电设备多源局部放电信号的分离方法、装置进行了详细介绍。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。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种变电设备多源局部放电信号的分离方法，其特征在于，包括：

获取所述变电设备的局部放电信号；

计算所述局部放电信号的时域积累能量函数信号和频域积累能量函数信号，并分别对所述时域积累能量函数信号和所述频域积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；

采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息；

根据所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号以及所述特征信息，得到所述局部放电信号的预定特征信息；

根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离。

2.如权利要求1所述的分离方法，其特征在于，还包括：根据所述预定特征信息，利用密度聚类算法对所述局部放电信号进行类型检测。

3.如权利要求2所述的分离方法，其特征在于，所述获取所述变电设备的局部放电信号包括：

根据脉冲电流检测方法、高频电流检测方法、特高频检测方法或超声波检测方法，获取所述变电设备的局部放电信号。

4.如权利要求3所述的分离方法，其特征在于，所述采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息包括：

求取所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的数学形态学梯度。

5.如权利要求4所述的分离方法，其特征在于，所述预定特征信息包括宽度、峭度和重心。

6.如权利要求1至5任一项所述的分离方法，其特征在于，所述根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离包括：

将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；

将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

利用密度聚类算法对所述h数据空间进行聚类；

根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

利用不同源的局部放电信号在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。

7.如权利要求6所述的分离方法，其特征在于，还包括：

将不同源的局部放电信号划分为不同簇，并提取各簇的局部放电信息；

根据各簇的局部放电信息得到各簇的局部放电信号的类型。

8.一种变电设备多源局部放电信号的分离装置，其特征在于，包括：

获取模块，用于获取所述变电设备的局部放电信号；

归一化模块，用于计算所述局部放电信号的时域积累能量函数信号和频域积累能量函数信号，并分别对所述时域积累能量函数信号和所述频域积累能量函数信号进行归一化处理，得到归一化时域积累能量函数信号和归一化频域积累能量函数信号；

采集模块，用于采集所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号的特征信息；

特征信息提取模块，用于根据所述归一化时域积累能量函数信号和所述归一化频域积累能量函数信号以及所述特征信息，得到所述局部放电信号的预定特征信息；

分离模块，用于根据所述预定特征信息，利用密度聚类算法将所述局部放电信号进行分离。

9.如权利要求8所述的分离装置，其特征在于，还包括：

类型检测模块，用于根据所述预定特征信息，利用密度聚类算法对所述局部放电信号进行类型检测。

10.如权利要求8所述的分离装置，其特征在于，所述分离模块包括：

划分单元，用于将所述局部放电信号空间划分为M个超立方体，将所述预定特征信息划分为N个区间；其中，M、N为正整数；

h数据空间单元，用于将包含多于预定个数所述预定特征信息的数据的所述超立方体的中心构成h数据空间；

聚类单元，用于利用密度聚类算法对所述h数据空间进行聚类；

索引单元，用于根据每个所述超立方体包含的数据进行索引，将所述聚类结果映射到所述局部放电信号空间；

分离单元，用于利用不同源的局部放电信号在所述局部放电信号空间聚类位置的不同，将所述局部放电信号进行分离。