CN106845131B - 一种基于递归滤波算法的局部放电特征参数提取方法 - Google Patents

Abstract

一种基于递归滤波算法的局部放电特征参数提取方法，将得到的放电脉冲幅值G_k与得到的相应概率强度值Z_k‑1进行比较，若G_k>Z_k‑1，则计算，重复进行上述技算，递归计算结束所得Z_k即为单位时间内概率放电强度，表征重复出现的最大局部放电值；简化运算量，实时对每一个新的数据进行分析并递归，不需要对历史数据进行存储。

Description

一种基于递归滤波算法的局部放电特征参数提取方法

技术领域

本发明涉及一种基于递归滤波算法的局部放电脉冲特征参数提取方法，适用于局部放电在线监测装置；属于电气设备局部放电检测技术领域。

背景技术

通过监测电气设备的局部放电脉冲强度并分析局部放电发展趋势，可判断绝缘内部是否存在局部缺陷和介质的老化速度，以便及时进行干预，防止破坏性放电造成的巨大损失，对保障电气设备稳定运行具有重要意义。

局部放电具有波动性，即使是同一缺陷造成的局部放电现象，也是一种既具波动性，又具稳定重复性的现象。《局部放电测量GB/T 7354-2003》4.3.3章节指出，“特别推荐用指示仪器和记录仪对重复出现的最大局放值进行定量”。所以厂商应将测量“重复出现的最大局部放电值”作为局放检测类产品的核心功能进行研发。实际测量过程中，受电磁干扰、测量误差等影响，测量得到的最大局部放电值很难是一个稳定值，而是一系列小幅波动的数据。将这些数据进行分析处理，可得到一个能表征“重复出现的最大局部放电值”的确切值，为方便描述，暂且将这个确切值称为概率放电强度。

概率放电强度的提取一般采用对单位时间内的数据进行概率分析的方式得出，但这种计算方式需存储单位时间内的所有数据，并实时完成大量的运算。而目前监测终端设备普遍采用的嵌入式***，无论是内存空间还是浮点运算能力，都很难满足要求。所以在此提出一种新的概率强度提取方法，用递归的方式求取概率放电强度，既不用保存数据，又能极大的减少运算量，来解决目前嵌入式***性能不足的问题。

发明内容

本发明一种针对嵌入式***的局部放电概率强度提取办法，简化运算量，实时对每一个新的数据进行分析并递归，不需要对历史数据进行存储。

为实现上述技术目的，所采用的技术方案是：一种基于递归滤波算法的局部放电特征参数提取方法，包括以下步骤：

步骤一、将得到的放电脉冲幅值G_k与得到的相应概率强度值Z_k-1进行比较，其中，Z₀＝0，若G_k<Z_k-1，则不执行任何运算，仅将Z_k-1的值传递给Z_k，即Z_k＝Z_k-1；

步骤二、若G_k>Z_k-1，则计算Z_k＝αZ_k-1+βG_k，其中，α为递归因子，β为校准因子；

步骤三、重复进行步骤一与步骤二，直到单位时间内放电脉冲幅值全部计算完毕，递归计算结束所得Z_k即为单位时间内概率放电强度，表征重复出现的最大局部放电值；

步骤四、将Z_k＝αZ_k-1+βG_k展开，得：

其中，k的值为单位时间内的脉冲信号最大值重复出现的最少次数，校准因子β根据计算出的递归因子α的值进行调整，故可将校准系数视为固定值，则递归运算仅考虑(1-α^k)·G_k即可，1-α^k的值为数据的置信度，取1-α^k＝x％，则递归运算k次后，Z_k即可达到最大放电脉冲幅值G_k的且随着递归次数增加，Z_k值将无限接近于

本发明所述的1-α^k的值根据所需数据置信度进行设定，可取范围在0至1之间。

本发明有益效果是：

简化计算过程，解决嵌入式***浮点运算能力不足问题，不必存储历史数据，解决嵌入式***存储能力不足的问题；

局部放电的概率放电强度基于历史量进行递归迭代，样本量越大，测量准确度越高；

几十个数据左右即可达到持续稳定稳态状态，测量结果具有实时性和连续性的特点。

附图说明

图一为本发明具体实施式中一段时间内的局部放电脉冲幅值样本；

图二为本发明具体实施式中放电强度的概率分布图；

图三为本发明具体实施式中根据放电强度的概率累积分布曲线求取80％概率最大值；

图四为本发明具体实施式中用递归滤波算法求取概率放电强度的数据演化图。

具体实施方式

一种基于递归滤波算法的局部放电特征参数提取方法，包括以下步骤：

步骤1：将最新得到的放电脉冲幅值G_k与之前递归得到的概率强度值Z_k-1进行比较，若G_k<Z_k-1，则不执行任何运算，仅将Z_k-1的值传递给Z_k，即Z_k＝Z_k-1；

步骤2：若G_k>Z_k-1，则计算Z_k＝αZ_k-1+βG_k，α为递归因子，β为校正因子，；

步骤3：重复进行，直到单位时间内放电脉冲幅值全部计算完毕。递归计算结束所得Z_k即为单位时间内概率放电强度，表征重复出现的最大局部放电值。

步骤4：将Z_k＝αZ_k-1+βG_k展开，得：

β为校准因子，当根据需要计算出α值后调整，故的值可视为固定值，则递归运算仅考虑(1-α^k)·G_k即可，假设取1-α^k＝0.8，则递归运算k次后，Zk即可达到最大值Gk的80％，且随着递归次数增加，Z_k值将无限接近于G_k。k的值为单位时间内的脉冲信号最大值重复出现的最少次数。这里我们以脉冲信号最大值必须重复出现最少20次为例，即取k＝20，计算得α＝0.9227，为方便计算，取校准系数为1，则校准因子β为0.0773。

结合附图和样本讲解具体实施方式，如图1所示，样本如下：

采用全息数据累积分布曲线算法计算，结合图2，得到样本的概率分布序列为：

结合图3，样本的概率累积分布序列为：

用插值法计算求取80％概率最大强度，得

步骤1：提取最新的放电脉冲信号的幅值，即G(1)＝36；

步骤2：因概率放电强度Z₀初始化为0，故Z₁＝0×0.9227+36×0.0773＝2.78；

步骤3：提取最新的放电脉冲信号的幅值，即G(2)＝40；

步骤4：判断G(2)>Z₁，则Z₂＝2.78×0.9227+40×0.0773＝5.66；

步骤5：提取最新的放电脉冲信号的幅值，即G(3)＝39；

步骤6：判断G(3)>Z₂，则Z₃＝5.66×0.9227+39×0.0773＝8.24；

……

步骤99：提取最新的放电脉冲信号的幅值，即G(50)＝39；

步骤100：判断G(50)<Z₄₉，则Z₅₀＝Z₄₉＝40.61。

图4显示了概率放电强度随样本演化的过程

可以看到，因在G(10)、G(14)、G(19)和G(22)处，G(k)<Z_k-1，并未进行递归运算，故实际递归计算达到20次是在第24个数据时，Z₂₄＝33.71，即已达到概率强度40.60的83％。继续进行递归，Z_k的值无限趋近于概率放电强度，在样本数据全部递归结束时Z₅₀达到40.61，与用全息法得出的结果40.60已几乎完全相等。

Claims (2)

1.一种基于递归滤波算法的局部放电特征参数提取方法，其特征在于：包括以下步骤，

步骤一、将得到的放电脉冲幅值G_k与得到的相应概率强度值Z_k-1进行比较，其中，Z₀＝0，若G_k<Z_k-1，则不执行任何运算，仅将Z_k-1的值传递给Z_k，即Z_k＝Z_k-1；

步骤二、若G_k>Z_k-1，则计算Z_k＝αZ_k-1+βG_k，其中，α为递归因子，β为校准因子；

步骤三、重复进行步骤一与步骤二，直到单位时间内放电脉冲幅值全部计算完毕，递归计算结束所得Z_k即为单位时间内概率放电强度，表征重复出现的最大局部放电值；

步骤四、将Z_k＝αZ_k-1+βG_k展开，得：

其中，k的值为单位时间内的脉冲信号最大值重复出现的最少次数，校准因子β根据计算出的递归因子α的值进行调整，故可将校准系数视为固定值，则递归运算仅考虑(1-α^k)·G_k即可，1-α^k的值为数据的置信度，取1-α^k＝x％，则递归运算k次后，Z_k即可达到最大放电脉冲幅值G_k的且随着递归次数增加，Z_k值将无限接近于

2.如权利要求1所述的一种基于递归滤波算法的局部放电特征参数提取方法，其特征在于：所述的1-α^k的值根据所需数据置信度进行设定，可取范围在0至1之间。