CN105652166A - 一种用于局放在线监测的加权阈值小波降噪方法 - Google Patents

Abstract

一种用于局放在线监测的加权阈值小波降噪方法，所述方法首先按照相似性准则选定一种基小波，对包含噪声的局部放电信号进行<i>n</i>层小波分解；然后对信号噪声方差进行估计，结合小波分解系数采用相应的阈值策略估计阈值，对分解得到的各层系数选择综合统一阈值、Birge-Massart阈值、penalty阈值和多阈值策略加权，对系数作用阈值处理；最后将处理后的系数通过小波重建恢复原始信号，即得到去噪后的信号时域波形。加权阈值明显改善了Birge-Massart阈值带来的信号幅值衰减问题，同时保证了较好的信号局部化特征。本发明适用于高压开关柜、变压器、电力电缆、GIS设备等高压电气设备内部局部放电信号的去噪。

Description

一种用于局放在线监测的加权阈值小波降噪方法

技术领域

本发明涉及一种用于高压电气设备局部放电(简称局放)在线监测的加权阈值小波降噪方法，属高压电气设备运行维护检修技术领域。

背景技术

造成高压电气设备绝缘老化和破坏的主要原因之一是局部放电，在绝缘介质击穿之前往往表现为局部放电的逐步发展和增强。因此，局部放电在线监测对提高电力***的安全性和可靠性具有相当的实用价值。设备内部缺陷的早期局部放电信号比较微弱，而运行中的电气设备周围往往存在强大的干扰噪声源。局部放电信号相对噪声信噪比低，有些几乎淹没在复杂的现场干扰中。现场各种干扰根据其时域特征的不同，可以分为连续的周期性干扰，脉冲型干扰和白噪声等，而脉冲型干扰又可分为随机型脉冲干扰和周期型脉冲干扰。

如何有效的抑制干扰成为局部放电在线监测的关键。针对周期性窄带干扰，目前采用的抑制方法主要有：FFT阈值滤波、自适应滤波、陷波滤波器和数学形态滤波器。小波变换法用于白噪声和随机干扰抑制效果较理想。阈值滤波和陷波器法使原始局部放电能量损失较大，现场中干扰频带发生变化时，滤波器参数难以确定，降噪效果不甚理想；自适应滤波虽然能够根据信号自动调节参数，但收敛速度较慢，稳定性较差，难以应用于在线监测。IIR陷波滤波器对于多谐波成分的周期性干扰存在参数调整困难、滤波时间长等问题。由于在正交小波中，正交基的选取比传统方法更接近于实际放电信号本身，所以通过小波变换可以更容易的分离出噪声。

发明内容

本发明的目的是，为了有效抑制高压电气设备局部放电在线监测中获取的信号噪声，本发明公开了一种用于局放在线监测的加权阈值小波降噪方法。

本发明的技术方案是，本发明首先按照相似性准则选定一种基小波，对包含噪声的局部放电信号进行n层小波分解；然后对信号噪声方差σ²进行估计，结合小波分解系数采用相应的阈值策略估计阈值，对分解得到的各层系数选择综合统一阈值、Birge-Massart阈值、penalty阈值和多阈值策略加权，对系数作用阈值处理；最后将处理后的系数通过小波重建恢复原始信号，即得到去噪后的信号时域波形。

本发明所述去噪方法包括以下步骤：

1)一个局部放电信号f(n)被噪声污染后为s(n)，其基本的噪声模型就可以表示为：

s(n)＝f(n)+σe(n)(1)

其中e(n)为噪声，σ为噪声强度，定义噪声w(n)＝σe(n)。在最简单的情况下可以假设e(n)为高斯白噪声，σ＝1。

对局部放电信号，用式(2)决定的相关系数γ来评估放电脉冲信号和小波原子的相似性。

$\mathrm{\&gamma;}=\frac{\mathrm{\&Sigma;}(x_i-\stackrel{\&OverBar;}{x})(y_i-\stackrel{\&OverBar;}{y})}{\sqrt{{(x_i-\stackrel{\&OverBar;}{x})}^2{(y_i-\stackrel{\&OverBar;}{y})}^2}}---\left(2\right)$

式中，x_i为局部放电脉冲信号数据序列，为x_i的均值；y_i为小波原子的数据序列，为的y_i均值。γ越大表示放电信号和所选小波的相似性越高。

局部放电信号具有上升沿陡峭，低幅值，持续时间短，衰减快的特性。与局部放电信号的特性相比，紧支撑正交小波Daubechies(db)小波函数族有较高的相似性。在db小波函数族中，db5小波支集长度为9，消失矩为5，使得变换后的能量更集中，同时具备较好的边界特性。分解层数对降噪效果影响也较大，分解越细低频部分将会得到更好的抑制，但增加分解层数需要更多的处理时间，综合考虑以上因素，选择5层db5小波分解对局部放电信号进行降噪。

2)统一阈值估计。Donoho和Johnstone提出了统一阈值的概念，并证明在所有的对角估计子中，因子2log_eN是最优的，统一阈值计算公式如下：

$T=\mathrm{\&sigma;}\sqrt{2{\log }_{e}N}---\left(3\right)$

式中，σ²为从信号中估计的噪声方差(σ为标准差)，N为各级小波细节系数长度，由该公式计算各级分层阈值。

若M是P个均值为零、方差为的独立高斯随机变量的绝对值中位，则可以证明：

Ε{M}≈0.6745σ₀(4)

Ε{M}是的M数学期望，通过忽略局部放电脉冲信号自身的影响，采用细节系数的中位M来估计噪声W的方差：

$\widetilde{\mathrm{\&sigma;}}=\frac{M}{0.6745}---\left(5\right)$

将式(5)带入式(3)可得到如下计算统一阈值的等价公式：

$T=\frac{M\sqrt{2{\log }_{e}N}}{0.6745}---\left(6\right)$

3)Birge-Massart阈值估计。Birge-Massart阈值策略包含两个经验系数M和α，计算规则如下：

给定一个指定的分解层数j，对j+1及更高层，所有系数均保留。对第i层(1≤i≤j)，保留绝对值最大的n_i个系数，n_i由下式确定：

n_i＝M(j+2-i)^α(7)

式中M和α为经验系数，缺省情况下取M＝L(1)，L(1)也就是第1层分解后小波系数的长度，一般情况下，M应该满足L(1)≤M≤2L(1)；α在降噪情况下取α＝3。

4)penalty阈值估计。penalty阈值从Donoho-Johnstone方法派生而来，类似于式(6)给出的统一阈值，因子用log₂N替换，计算方法见下式：

$T=\frac{M(0.3936+0.1829{\log }_{2}N)}{0.6745}---\left(8\right)$

式中M和N的定义与式(6)相同。

5)多阈值策略加权，得到改进的分层阈值T_w(j)：

$T_w\left(j\right)=\underset{i=1}{\overset{N}{\&Sigma;}}{w}_i\left(j\right)\&CenterDot;T_i\left(j\right),(1\&le;j\&le;lev)---\left(9\right)$

式中，i为阈值策略标识，j为小波系数级，lev为分分解层数，N为总的阈值策略数，T_i(j)为第i种阈值策略确定的第j级阈值，w_i(j)为对应的权重。对确定的级数j＝j₀而言，权值系数w_i(j₀)满足以下约束式：

$\underset{i=1}{\overset{N}{\&Sigma;}}{w}_i\left(j_0\right)=1,(1\&le;j_0\&le;lev)---\left(10\right)$

本发明采用5级小波分解以及3种阈值策略加权，因此lev＝5，N＝3。

6)将处理后的系数通过小波重建恢复原始信号，即得到去噪后的信号时域波形。

本发明的有益效果是，统一阈值降噪信号太过于光滑，失去了信号本身的一些信息，不符合相似性准则。penalty阈值降噪后毛刺较多，仍然存在明显的噪声信号。由表1的各级阈值可以看出统一阈值较大，去除了部分有用信号，增加了去噪风险。penalty阈值刚好与之相反，阈值较小，降噪效果不理想。Birge-Massart阈值降噪效果较好，但对信号幅值有一定的影响。利用T_w(j)对原始信号进行降噪，发现加权阈值明显改善了Birge-Massart阈值带来的信号幅值衰减问题，同时保证了较好的信号局部化特征。

本发明适用于高压开关柜、变压器、电力电缆、GIS设备等高压电气设备内部局部放电信号的去噪。

附图说明

图1是本发明方法进行高压电气设备局部放电在线监测信号去噪的工作流程图；

图2是现场信号各级小波分解系数图；

图3是现场信号利用改进阈值进行降噪处理后时域波形图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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。

实施例：

本实施例现场局部放电信号来自某500kV变压器在线监测***。如图1所示，本实施例对局部放电信号按图1流程进行在线监测信号去噪。

如图2所示。分析现场数据发现，本实施例局部放电信号包含大量的干扰信号，有的甚至淹没在干扰中。

图2中yn是一个工频周期的局部放电放电原始信号，其它为小波分解系数，其中A5为第5级近似系数，Di(1≤i≤5)为第i级细节系数。D2表明小波分解到第二层时，干扰已经基本被剥离。

采用以上3种阈值(统一阈值、Birge-Massart阈值、penalty阈值)策略计算的阈值如表1所示，图3显示了各阈值策略的降噪效果，其中yn为原始信号，yd1～yd4为降噪信号。统一阈值降噪效果较理想，但信号局部特征丢失严重；penalty阈值普遍偏小，降噪后仍然存在部分干扰；Birge-Massart阈值对幅值较小的脉冲衰减较大，部分正负极性脉冲衰减至单极性(图3中yd3的前5个脉冲)。

表1现场信号分层小波阈值

根据各阈值策略的特点，由式(10)计算得到加权阈值T_w(j)见表1。利用T_w(j)对原始信号进行降噪，得到的降噪信号如图3中yd4所示。比较yd3和yd4信号的前5个脉冲，可以发现加权阈值明显改善了Birge-Massart阈值带来的信号幅值衰减问题，同时保证了较好的信号局部化特征。

Claims (4)

1.一种用于局放在线监测的加权阈值小波降噪方法，其特征在于，所述方法首先按照相似性准则选定一种基小波，对包含噪声的局部放电信号进行n层小波分解；然后对信号噪声方差σ²进行估计，结合小波分解系数采用相应的阈值策略估计阈值；对分解得到的各层系数选择综合统一阈值、Birge-Massart阈值、penalty阈值和多阈值策略加权，对系数作用阈值处理；最后将处理后的系数通过小波重建恢复原始信号，即得到去噪后的信号时域波形。

2.根据权利要求1所述的一种用于局放在线监测的加权阈值小波降噪方法，其特征在于，所述n层小波选择5层db5小波分解。

3.根据权利要求1所述的一种用于局放在线监测的加权阈值小波降噪方法，其特征在于，所述多阈值策略加权，得到改进的分层阈值T_w(j)：

$T_w\left(j\right)=\underset{i=1}{\overset{N}{\&Sigma;}}{w}_i\left(j\right)\&CenterDot;T_i\left(j\right),(1\&le;j\&le;lev)$

式中，i为阈值策略标识，j为小波系数级，lev为分分解层数，N为总的阈值策略数，T_i(j)为第i种阈值策略确定的第j级阈值，w_i(j)为对应的权重；

对确定的级数j＝j₀而言，权值系数w_i(j₀)满足以下约束式：

$\underset{i=1}{\overset{N}{\&Sigma;}}{w}_i\left(j_0\right)=1,(1\&le;j_0\&le;lev).$

4.根据权利要求1所述的一种用于局放在线监测的加权阈值小波降噪方法，其特征在于，所述多阈值策略加权，采用5级小波分解以及3种阈值策略加权，因此，lev＝5，N＝3。