CN109557429B - 基于改进小波阈值去噪的gis局部放电故障检测方法 - Google Patents
基于改进小波阈值去噪的gis局部放电故障检测方法 Download PDFInfo
- Publication number
- CN109557429B CN109557429B CN201811320158.1A CN201811320158A CN109557429B CN 109557429 B CN109557429 B CN 109557429B CN 201811320158 A CN201811320158 A CN 201811320158A CN 109557429 B CN109557429 B CN 109557429B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- threshold
- coefficient
- decomposition
- partial discharge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 11
- 238000000034 method Methods 0.000 abstract description 10
- 230000007547 defect Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000010355 oscillation Effects 0.000 description 6
- 230000008602 contraction Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种基于改进小波阈值去噪的GIS局部放电故障检测方法。本发明的方法包括以下步骤:将特高频传感器检测到的数据进行小波变换,选用dB4母小波对传感器检测数据进行4层分解,得到各尺度下的小波系数;小波分解系数阈值量化,阈值选定后,去除小于阈值的小波系数,将大于阈值的小波系数进行阈值函数处理,进而得到阈值函数处理后的各层系数;通过小波逆变换将处理后的各层系数进行信号重构,从而实现小波去噪。本发明与传统的软、硬阈值降噪算法相比,降噪后不仅进一步提高了信噪比,而且降低了方差,使得处理后的信号波形更为逼近原始局部放电信号,有利于后续进行放电缺陷类型的识别。
Description
技术领域
本发明涉及GIS局部放电检测技术,特别是一种基于改进小波阈值去噪的GIS局部放电故障检测方法。
背景技术
GIS结构紧凑、可靠性高,被广泛应用在电力***中。GIS故障类型繁多,包括机械故障、绝缘故障以及线路故障等。根据历年设备运行的故障统计,电路绝缘体长期工作在高温、高压等恶劣运行环境导致的绝缘故障占整个故障类型的80%左右,而局部放电是造成电力设备绝缘缺陷的主要原因,因此,及时发现GIS内部潜伏性故障对设备的安全运行意义重大。
特高频局部放电检测技术是通过检测GIS辐射出的特高频电磁波信号来分析诊断局部缺陷的方法,避免了大量低频率噪声信号的干扰。然而电气设备产生的热噪声、保护装置和线路耦合产生的噪声以及半导体器件的散粒噪声会对采集的局部放电信号产生强大干扰,局部放电信号甚至会被这些强白噪声湮没,严重影响了局部放电在线监测的灵敏度及正确度。为了实现精确分析局部放电信号,必须首先解决对噪声干扰的抑制问题。多尺度小波变换能将信号分解到多个尺度空间,该方法适合非稳态、高频和暂态信号降噪。GIS特高频局部放电信号上升时间极短,数量级为ns,是典型的高频非稳态信号,因此小波分解适合作为GIS局部放电信号降噪处理。
软、硬阈值算法是比较常见的两种收缩规则,在实际应用中也取得了较好的效果,但它们各自都存在一些缺陷。硬阈值算法将小波系数绝对值低于阈值的置为零,高于阈值的部分全部保留,这样可以很好保留信号边缘等局部特征,但相较于软阈值处理后的信号也就更为粗糙,这是因为硬阈值算法在±thr处具有不连续性,产生较大的方差,因此利用Cj,k(被噪声干扰后的小波分解系数)重构的信号会产生振荡现象。软阈值算法对于绝对值大于阈值的小波系数作收缩(减去阈值)处理,是一个连续的函数,因此相对于硬阈值处理的信号平滑效果好,且具有良好的连续性;但由于对所有绝对值大于阈值的系数都做了收缩,造成Cj,k与(估计的小波系数)之间存在恒定偏差,这样影响了重构所得的信号准确度。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种基于改进小波阈值去噪的GIS局部放电故障检测方法,其利用特高频局部放电传感器检测强白噪声干扰下的放电数据,处理后的信号波形更为逼近原始局部放电信号,以利于后续进行放电缺陷类型的识别。
为此,本发明采用如下的技术方案:基于改进小波阈值去噪的GIS局部放电故障检测方法,其包括步骤:
步骤1,将特高频传感器检测到的数据进行小波变换,选用dB4母小波对特高频传感器检测数据进行4层分解,得到各尺度下的小波系数;
步骤2,小波分解系数阈值量化,阈值选定后,去除小于阈值的小波系数,将大于阈值的小波系数进行阈值函数处理,进而得到阈值函数处理后的各层系数;
步骤3,通过小波逆变换将处理后的各层系数进行信号重构,从而实现小波去噪。
其中,thr(j)为阈值,N为对应层小波系数个数;j为小波分解的尺度;σn为所染噪声的方差,e为自然数。
作为上述技术方案的补充,σn=median(|Cj,k|)/0.6745,Cj,k为被噪声干扰后的小波分解系数,j为小波分解的尺度,k为第k个小波系数。
作为上述技术方案的补充,步骤2中,所述阈值处理函数为:
本发明与现有方法相比,具有如下优点和有益效果:
(1)本发明提供的一种基于改进小波阈值去噪的GIS局部放电故障检测方法,解决了硬阈值算法在±thr处具有不连续性、产生较大的方差以及重构的信号会产生振荡现象的缺陷,同时也避免了软阈值算法对所有绝对值大于阈值的系数做收缩,造成Cj,k与之间存在的恒定偏差。
(2)改进的阈值函数中加入了调节系数,可以根据实际情况进行灵活取值,有利于提高降噪效果。
(3)与传统的软、硬阈值降噪算法相比,降噪后不仅进一步提高了信噪比,而且降低了方差,使得处理后的信号波形更为逼近原始局部放电信号,有利于后续进行放电缺陷类型的识别。
附图说明
图1是本发明去噪(降噪)的流程图;
图2是本发明所述改进的阈值函数在正半轴的示意图,并对比软硬阈值函数曲线图,其中λ=1.0506,thr=4(图2中的本文阈值函数曲线即为本发明阈值函数曲线);
图3是模拟原始局部放电信号并进行降噪的效果图,如图3a为染噪前模拟的四种不同局放信号类型的波形图,这四种局部放电类型信号分别是:单指数衰减脉冲模型、单指数衰减振荡脉冲模型、双指数衰减脉冲模型以及双指数衰减振荡脉冲模型,图3b为加入信噪比为-10dB的高斯白噪声后四种局部放电类型的波形图,图3c为利用硬阈值函数处理后去噪的效果,图3d为利用软阈值函数处理后去噪的效果图,图3e为调节系数λ=1.0506时本发明所述的改进阈值函数去噪效果图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
结合图1,一种基于改进小波阈值去噪的GIS局部放电故障检测方法,包括以下步骤:
步骤1,本实施例选取dB4为母小波,采取分解层数4层对模拟染噪的四种局部放电数据进行小波分解,得到被高斯白噪声干扰后的小波分解系数Cj,k,其中j为小波分解的尺度,k为第k个小波系数。
步骤2,小波分解系数阈值量化。小波分解具有很强的数据去相关性,能够使有用的局放信号集中在小波域数值大的系数上,而噪声是分布在整个小波域上,对应的小波系数也较小,因此在不同尺度上要选取恰当的阈值。采用式中N为对应层小波系数个数;j为小波分解的尺度;σn为所染噪声的方差。而现实情况是所染噪声方差是未知的,可通过第一层小波分解系数进行估计,即σn=median(|Cj,k|)/0.6745。由估值函数可以看出:随着分解尺度j变大,阈值thr(j)随之变小,符合分解尺度变大而噪声幅值随之变小的特点。
步骤3,有了阈值,便可通过相应的阈值函数对小波系数进行阈值处理,采用改进的小波阈值函数对小波系数进行阈值处理,改进的阈值函数为:
考察此函数:
由于f(-x)=-f(x),且函数f(x)定义域为R,因此本阈值函数为奇函数,这点和传统的硬阈值函数与软阈值函数一致。由于f+(thr)=f-(thr)=0,因此,f(x)在x=thr处连续,又f(x)为奇函数,易推f(x)在x=-thr处连续。此性质可以改善硬阈值函数不连续导致重构信号的振荡现象。由上面分析可知,此阈值函数渐近线为y=x,所以,当小波系数Cj,k较大时,可以有效抑制软阈值函数处理所带来的Cj,k与之间的恒定偏差。图2画出了此阈值函数在正半轴的示意图,并对比软硬阈值函数曲线图,其中λ=1.0506,thr=4,负半轴可由奇偶性得出,发现此改进的阈值函数曲线分布在软硬阈值曲线之间,这样既能实现在高尺度上尽可能减少局放脉冲信号的能量损失,又可实现去噪的效果。
步骤4,通过小波逆变换,将阈值函数处理后的各层小波系数进行信号重构,从而实现小波去噪的目的。
为验证改进阈值函数在GIS局部放电去噪算法中的有效性,构造了原始局部放电信号,如图3a所示,共有四种不同局放信号类型,模拟衰减常数0.2μs,振荡频率60kHz,采样点数4096个。加入信噪比为-10dB的高斯白噪声,污染后的信号波形如图3b所示,由于叠加的噪声干扰较大,原始放电信号被湮没。选取dB4为母小波,采取分解层数4层进行分解。分别采用硬阈值算法、软阈值算法和取调节系数λ=1.0506时的本发明所提改进阈值方法进行去噪实验,信噪比和均方误差的比较结果如表1所示,去噪后波形效果图分别如图3c、3d、3e所示。
利用信噪比(5NR)和均方误差(MSE)作为降噪算法性能指标。SNR是计算信号中噪声的含量,算法如下所示:
式中,X(i)为原始参考信号;Y(i)为降噪后信号;n为信号采样个数。若信号能量大于噪声能量则SNR值为正,反之为负。
MSE是评估局部放电脉冲波形的失真率指标,算法如下所示:
式中,n为信号长度;F(i)为原始信号;R(i)为重构后的信号。MSE越小表示失真度越小,即重构信号和原始信号相似度越大。
表1不同阈值函数处理的SNR和MSE对比
性能评价 | 硬阈值函数 | 软阈值函数 | 本发明方法 |
SNR(dB) | 2.0211 | 3.0002 | 5.0089 |
MSE | 1.0747 | 0.9535 | 0.4355 |
由表1得知,与传统的软、硬阈值降噪算法相比,降噪后不仅进一步提高了信噪比,而且降低了方差。从图3可以看出,本发明改进的阈值函数处理后的信号波形更为逼近原始局部放电信号,而且新阈值算法灵活,响应速度快,稳定性较高,能够很好的完成对局放波形的提取,适合应用到GIS局部放电在线监测***中,从而提高故障诊断的效率。
Claims (1)
1.基于改进小波阈值去噪的GIS局部放电故障检测方法,其特征在于,包括步骤:
步骤1,将特高频传感器检测到的数据进行小波变换,选用dB4母小波对特高频传感器检测数据进行4层分解,得到各尺度下的小波系数;
步骤2,小波分解系数阈值量化,阈值选定后,去除小于阈值的小波系数,将大于阈值的小波系数进行阈值函数处理,进而得到阈值函数处理后的各层系数;
步骤3,通过小波逆变换将处理后的各层系数进行信号重构,从而实现小波去噪;
其中,thr(j)为阈值,N为对应层小波系数个数;j为小波分解的尺度;σn为所染噪声的方差,e为自然数;
σn=median(|Cj,k|)/0.6745,Cj,k为被噪声干扰后的小波分解系数,j为小波分解的尺度,k为第k个小波系数;
步骤2中,所述阈值处理函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811320158.1A CN109557429B (zh) | 2018-11-07 | 2018-11-07 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811320158.1A CN109557429B (zh) | 2018-11-07 | 2018-11-07 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109557429A CN109557429A (zh) | 2019-04-02 |
CN109557429B true CN109557429B (zh) | 2021-08-27 |
Family
ID=65866014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811320158.1A Active CN109557429B (zh) | 2018-11-07 | 2018-11-07 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109557429B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991363B (zh) * | 2019-12-09 | 2023-05-30 | 天地(常州)自动化股份有限公司 | 不同采煤工序下煤矿安全监控***co涌出特征提取方法 |
CN111245389B (zh) * | 2020-01-17 | 2024-01-30 | 湖南理工学院 | 一种基于改进阈值函数的微流控芯片信号去噪方法 |
CN111666912B (zh) * | 2020-06-15 | 2024-01-23 | 国网山东省电力公司潍坊供电公司 | 计及电气特征量与图形特征的局部放电融合特征提取方法 |
CN111665424A (zh) * | 2020-06-15 | 2020-09-15 | 国网山东省电力公司潍坊供电公司 | 一种电气设备局部放电信号去噪方法及*** |
CN112115842B (zh) * | 2020-09-14 | 2024-04-30 | 南京航空航天大学 | 一种基于改进提升小波变换和高次自相关处理的微弱电信号检测***及其方法 |
CN112348031A (zh) * | 2020-11-17 | 2021-02-09 | 安徽理工大学 | 一种去除指纹图像混合噪声的改进小波阈值去噪方法 |
CN112395992B (zh) * | 2020-11-18 | 2024-06-28 | 云南电网有限责任公司电力科学研究院 | 一种基于改进小波阈值的电力谐波信号去噪方法 |
CN112528853B (zh) * | 2020-12-09 | 2021-11-02 | 云南电网有限责任公司昭通供电局 | 改进型双树复小波变换去噪方法 |
CN113642417B (zh) * | 2021-07-21 | 2024-05-14 | 江苏大学 | 一种基于改进小波算法的绝缘架空导线局部放电信号的去噪方法 |
CN113970683A (zh) * | 2021-09-27 | 2022-01-25 | 国网浙江省电力有限公司电力科学研究院 | 基于小波变换的电缆检测方法、设备及介质 |
CN114510976B (zh) * | 2022-02-15 | 2024-05-24 | 杭州电子科技大学 | 基于双变量阈值函数的呼吸信号去噪方法及装置 |
CN115169418A (zh) * | 2022-08-03 | 2022-10-11 | 国网上海市电力公司 | 基于改进小波阈值法的开关柜局部放电识别方法和*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576060A (zh) * | 2013-10-11 | 2014-02-12 | 华南理工大学 | 基于小波自适应阈值的局部放电信号去噪方法 |
CN103961092A (zh) * | 2014-05-09 | 2014-08-06 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
CN104020402A (zh) * | 2014-06-18 | 2014-09-03 | 国网上海市电力公司 | 一种脉冲触发采集的变电站局部放电脉冲信号降噪方法 |
CN106570843A (zh) * | 2016-11-14 | 2017-04-19 | 山东理工大学 | 一种自适应小波阈值函数图像噪声抑制方法 |
CN106646406A (zh) * | 2016-12-08 | 2017-05-10 | 南京理工大学 | 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法 |
CN108665054A (zh) * | 2018-05-23 | 2018-10-16 | 中国计量大学 | 基于遗传算法优化阈值的Mallat算法在心音信号降噪的应用 |
-
2018
- 2018-11-07 CN CN201811320158.1A patent/CN109557429B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576060A (zh) * | 2013-10-11 | 2014-02-12 | 华南理工大学 | 基于小波自适应阈值的局部放电信号去噪方法 |
CN103961092A (zh) * | 2014-05-09 | 2014-08-06 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
CN104020402A (zh) * | 2014-06-18 | 2014-09-03 | 国网上海市电力公司 | 一种脉冲触发采集的变电站局部放电脉冲信号降噪方法 |
CN106570843A (zh) * | 2016-11-14 | 2017-04-19 | 山东理工大学 | 一种自适应小波阈值函数图像噪声抑制方法 |
CN106646406A (zh) * | 2016-12-08 | 2017-05-10 | 南京理工大学 | 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法 |
CN108665054A (zh) * | 2018-05-23 | 2018-10-16 | 中国计量大学 | 基于遗传算法优化阈值的Mallat算法在心音信号降噪的应用 |
Also Published As
Publication number | Publication date |
---|---|
CN109557429A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109557429B (zh) | 基于改进小波阈值去噪的gis局部放电故障检测方法 | |
CN112395992B (zh) | 一种基于改进小波阈值的电力谐波信号去噪方法 | |
CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
Hussein et al. | Denoising of acoustic partial discharge signals corrupted with random noise | |
CN112380934B (zh) | 基于小波熵与稀疏度的电缆局放信号自适应小波去噪方法 | |
CN113378661A (zh) | 一种基于改进小波阈值和相关检测的直流电能信号去噪方法 | |
CN109581516B (zh) | 曲波域统计量自适应阈值探地雷达数据去噪方法及*** | |
CN112014692A (zh) | 基于主成分分析的局部放电特高频信号盲源分离去噪方法 | |
CN106771905A (zh) | 一种适用于高频电流局部放电检测的脉冲提取方法 | |
CN114781430A (zh) | 一种局部放电信号去噪方法 | |
CN116698398A (zh) | 一种基于ceemdan分阈值降噪与能量熵的齿轮故障特征提取方法 | |
CN113642417B (zh) | 一种基于改进小波算法的绝缘架空导线局部放电信号的去噪方法 | |
Lu et al. | Partial discharge location algorithm based on total least-squares with Matern kernel in cable systems | |
CN114690003A (zh) | 一种基于eemd的局放信号降噪方法 | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
CN110703089B (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 | |
CN110780162B (zh) | 一二次融合配电开关局部放电信号提取方法及检测装置 | |
CN113589253A (zh) | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 | |
Cui et al. | A GAN noise modeling based blind denoising method for guided waves | |
CN116401513A (zh) | 一种基于深度残差网络的磁共振工频谐波噪声抑制方法 | |
CN110459197B (zh) | 用于微弱盲信号去噪与提取的信号增强器及方法 | |
LU502454B1 (en) | A Bearing Fault Identification Method and System Based on EEMD Sparse Decomposition | |
Shuchong et al. | Seismic signals wavelet packet de-noising method based on improved threshold function and adaptive threshold | |
CN109884483A (zh) | 绝缘管型母线局部放电声学在线监测方法及装置 | |
CN113702821A (zh) | 一种提取gis局部放电信号的方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |