CN113516026A - 一种闪电放电类型的识别方法 - Google Patents

一种闪电放电类型的识别方法 Download PDF

Info

Publication number
CN113516026A
CN113516026A CN202110462374.5A CN202110462374A CN113516026A CN 113516026 A CN113516026 A CN 113516026A CN 202110462374 A CN202110462374 A CN 202110462374A CN 113516026 A CN113516026 A CN 113516026A
Authority
CN
China
Prior art keywords
lightning
khz
frequency
sum
refers
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.)
Withdrawn
Application number
CN202110462374.5A
Other languages
English (en)
Inventor
周仿荣
马仪
马御棠
潘浩
高振宇
黄然
文刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202110462374.5A priority Critical patent/CN113516026A/zh
Publication of CN113516026A publication Critical patent/CN113516026A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本申请的一种闪电放电类型的识别方法，涉及闪电放电类型识别技术领域。本申请识别方法包括以下步骤：获取一次闪电在整个时域内产生的脉冲波形簇；将脉冲波形簇划分为若干段；利用小波变换对每段脉冲波形的能量频谱进行分析，生成一次闪电的能量频谱特征曲线；根据能量频谱特征曲线计算一次闪电的特征参数；对特征参数进行分析处理，获得一次闪电的闪电类型。本申请通过设计特征参数来判断闪电放电类型，能够快速准确地识别云闪、地闪回击及梯级先导，适用强，识别率高，为闪电检测研究及防雷减灾工作的进行提供重要技术支持。

Description

一种闪电放电类型的识别方法
技术领域
本申请涉及闪电放电类型识别技术领域，尤其涉及一种闪电放电类型的识别方法。
背景技术
近年来，受雷电灾害的危害程度不断加剧，由此对社会产生的影响和经济损失也越来越大。通常闪电致灾事故的鉴定首先是需要搞清楚闪电的类型，不用类型的闪电造成的灾害是不同的，因此，做好雷电活动的有效监测、预测和研究，对于防雷减灾工作的顺利推进，具有十分重要的现实意义。
区分云闪和地闪一直是闪电监测和研究的重要指标。现有技术中通过计算闪电波形的上升时间、下降时间以及波形的信噪比，以达到区分云闪和地闪的目的。但该方法通常是以大量的经验数据为基础进行闪电类型区分的，因此在实际应用中的分类效果并不准确：对云地闪识别率为70％～80％、对云闪识别率小于85％、以及不能有效区分电离层反射信号，可见并不能给出一种快速、准确及适用性强的方法来区分不同放电类型的闪电。
发明内容
本申请提供了一种闪电放电类型的识别方法，以解决的现有识别方法无法准确快速识别闪电类型的问题。
本申请采用的技术方案如下：
一种闪电放电类型的识别方法，包括以下步骤：
获取一次闪电在整个时域内产生的脉冲波形簇；
将所述脉冲波形簇划分为若干段；
利用小波变换对每段脉冲波形的能量频谱进行分析，生成所述一次闪电的能量频谱特征曲线；
根据所述能量频谱特征曲线计算所述一次闪电的特征参数；
对所述特征参数进行分析处理，获得所述一次闪电的闪电放电类型。
进一步地，生成所述能量频谱特征曲线的过程是：通过选取每段脉冲波形中的最大辐射能量峰值及所述最大辐射能量峰值所对应的频率，生成所述能量频谱特征曲线，所述每段脉冲波形的时长为180微秒-220微秒。
进一步地，所述特征参数包括F1、F2和F3，所述F1、F2和F3的计算式分别为：
Figure BDA0003042832170000011
Figure BDA0003042832170000012
Figure BDA0003042832170000021
其中，Ef是频率f所对应的辐射能量；
Figure BDA0003042832170000022
指的是频率从a kHz至g kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000023
指的是频率从h kHz至i kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000024
指的是频率从a kHz至b kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000025
指的是频率从ckHz至dkHz的所有频段的辐射能量之和；
Figure BDA0003042832170000026
指的是频率从a kHz至e kHz的所有频段的辐射能量之和；EE为整个频段内的所有辐射能量之和；所述0＜a＜b＜……＜i＜220。
进一步地，所述特征参数F1、F2和F3的计算式还包括：
Figure BDA0003042832170000027
Figure BDA0003042832170000028
Figure BDA0003042832170000029
其中，Ef是频率f所对应的辐射能量；
Figure BDA00030428321700000210
指的是频率从4kHz至100kHz的所有频段的辐射能量之和；
Figure BDA00030428321700000211
指的是频率从102kHz至198kHz的所有频段的辐射能量之和；
Figure BDA00030428321700000212
指的是频率从4kHz至20kHz的所有频段的辐射能量之和；
Figure BDA00030428321700000213
指的是频率从22kHz至38kHz的所有频段的辐射能量之和；
Figure BDA00030428321700000214
指的是频率从4kHz至80kHz的所有频段的辐射能量之和。
进一步地，对所述特征参数进行分析处理，获得所述一次闪电的闪电放电类型，包括：
若F1>0且F2<0且F3>20，则判定所述一次闪电为云闪；
若F1>0且F2>0且F3>50，则判定所述一次闪电为地闪回击；
若F1<10且F2<10且F3<30，则判定所述一次闪电为梯级先导。
采用本申请的技术方案的有益效果如下：
本申请通过特征参数来判断闪电放电类型，能够快速准确地识别云闪、地闪回击及梯级先导，且适用强、识别率高，为闪电检测研究及防雷减灾工作的进行提供重要依据。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的闪电放电类型的识别方法的的识别流程图。
具体实施方式
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的***和方法的示例。
参见图1，为本申请实施例所提供的闪电放电类型的识别方法的的识别流程图。
实施例一
为了快速准确区分闪电类型，本申请基于短时傅里叶变换，提出了一种闪电放电类型的识别方法。
本申请的一种闪电放电类型的识别方法，包括以下步骤：
步骤一：获取一次闪电时产生的脉冲波形。
步骤二：将脉冲波形划分为若干段。
一次闪电过程会产生很多脉冲，每个脉冲对应空中的一个点。从雷电发生的物理过程而言，这个脉冲可能是云内脉冲，也可能是梯级先导，也可能是地闪回击。由于每个脉冲的放电空间尺度不同，其激发的电磁脉冲的时域波形宽度也不同。一般来说，地闪回击持续时间可达几十至上百微秒，而云内梯级先导持续为几十微秒。因此，当将一次闪电在整个时域内产生的脉冲波形簇划分为180微秒/段-220微秒/段时，每段脉冲波形能够涵盖不同类型的雷电放电脉冲信号。
步骤三：利用小波变换对每段脉冲波形的能量频谱进行分析，将非平稳信号转换为频率和时间信号，选取每段脉冲波形中的最大辐射能量峰值及最大辐射能量峰值所对应的频率，生成一次闪电的能量频谱特征曲线。能量频谱特征曲线反映了整个时域中频率f与最大辐射能量峰值之间的关系。
步骤四：根据能量频谱特征曲线计算一次闪电的特征参数。
特征参数包括F1、F2和F3，F1、F2和F3的计算式分别为：
Figure BDA0003042832170000031
Figure BDA0003042832170000032
Figure BDA0003042832170000041
其中，Ef是频率f所对应的辐射能量；
Figure BDA0003042832170000042
指的是频率从a kHz至g kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000043
指的是频率从h kHz至i kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000044
指的是频率从a kHz至b kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000045
指的是频率从ckHz至dkHz的所有频段的辐射能量之和；
Figure BDA0003042832170000046
指的是频率从akHz至ekHz的所有频段的辐射能量之和；EE为整个频段内的所有辐射能量之和；0＜a＜b＜……＜i＜220。
步骤五：对特征参数F1、F2和F3进行分析处理，判定一次闪电的闪电类型。
若特征参数同时满足以下条件，则判定闪电为云闪：
(a)F1>0；
(b)F2<0；
(c)F3>20。
若特征参数同时满足以下条件，则判定闪电为地闪回击：
(d)F1>0；
(e)F2>0；
(f)F3>50。
若特征参数同时满足以下条件，则判定闪电为梯级先导：
(h)F1<10；
(i)F2<10；
(g)F3<30。
若特征参数无法满足以上条件，则此次判定闪电类型视为无法识别，需重新获取数据进行再次判断。
实施例二
本实施例利用南京地区的大量闪电磁场变化数据，通过频谱分析方法发现不同类型的闪电频谱存在很大的差异，云内放电、梯级先导和地闪回击三个阶段的频谱主要集中在9～56kHz、52～236kHz和2～14kHz。
本实施例提供的闪电类型的识别方法，包括以下步骤：
步骤一：获取一次闪电时产生的脉冲波形。
步骤二：将脉冲波形划分为若干段。经过大量测试试验发现，当一次闪电在整个时域内产生的的脉冲波形簇划分为200微秒/段时，能够涵盖不同阶段的雷电放电脉冲信号。因此按照200微秒/段将一次闪电产生的脉冲波形分为若干段。
步骤三：利用小波变换对每段脉冲波形的能量频谱进行分析，将非平稳信号转换为频率和时间信号，选取每段脉冲波形中的最大辐射能量峰值及最大辐射能量峰值所对应的频率生成一次闪电的能量频谱特征曲线。
步骤四：根据能量频谱特征曲线计算一次闪电的特征参数。
云闪脉冲、梯级先导和回击这三个放电过程的通道长度不同，相对应的能量辐射频谱不同。这三个特征参数F1、F2和F3能够表现出不同类型闪电的能量辐射频谱的差异性、是对观测到的数据经过大量的统计分析得到的结果。
Figure BDA0003042832170000051
Figure BDA0003042832170000052
Figure BDA0003042832170000053
其中，Ef是频率f所对应的辐射能量；
Figure BDA0003042832170000054
指的是频率从4kHz至100kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000055
指的是频率从102kHz至198kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000056
指的是频率从4kHz至20kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000057
指的是频率从22kHz至38kHz的所有频段的辐射能量之和；
Figure BDA0003042832170000058
指的是频率从4kHz至80kHz的所有频段的辐射能量之和。而EE指的是整个频段内的所有辐射能量之和。
步骤五：对特征参数F1、F2和F3进行分析处理，判定一次闪电的闪电类型。
若特征参数同时满足以下条件，则判定闪电为云闪：
(a)F1>0；
(b)F2<0；
(c)F3>20。
若特征参数同时满足以下条件，则判定闪电为地闪回击：
(d)F1>0；
(e)F2>0；
(f)F3>50。
若特征参数同时满足以下条件，则判定闪电为地闪梯级先导：
(h)F1<10；
(i)F2<10；
(g)F3<30。
若特征参数无法满足以上条件，则此次判定闪电类型视为无法识别，需重新获取数据进行再次判断。
现有技术中通过计算闪电波形的上升时间、下降时间以及波形的信噪比，以达到区分云闪和地闪的目的，采用该方法对云地闪识别率为70％～80％、对云闪识别率小于85％、以及不能有效区分电离层反射信号。本实施例二中采用本申请方法对南京地区发生的闪电进行以上分析得出，当闪电距离位于50km以内时，云闪、梯级先导和地闪回击的识别率分别为80％、91％和93％。
本申请通过大量的试验和规律研究设计了三个特征参数F1、F2和F3，并用这三个特征参数的范围来判断闪电放电类型，能够快速准确地识别云闪、地闪回击及梯级先导，且适用强、识别率高，为闪电检测研究及防雷减灾工作的进行提供重要依据。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (5)

1.一种闪电放电类型的识别方法，其特征在于，包括以下步骤：
获取一次闪电在整个时域内产生的脉冲波形簇；
将所述脉冲波形簇划分为若干段；
利用小波变换对每段脉冲波形的能量频谱进行分析，生成所述一次闪电的能量频谱特征曲线；
根据所述能量频谱特征曲线计算所述一次闪电的特征参数；
对所述特征参数进行分析处理，获得所述一次闪电的闪电放电类型。
2.根据权利要求1所述的闪电放电类型的识别方法，其特征在于，生成所述能量频谱特征曲线的过程是：通过选取每段脉冲波形中的最大辐射能量峰值及所述最大辐射能量峰值所对应的频率，生成所述能量频谱特征曲线，所述每段脉冲波形的时长为180微秒-220微秒。
3.根据权利要求2所述的闪电放电类型的识别方法，其特征在于，所述特征参数包括F1、F2和F3，所述F1、F2和F3的计算式分别为：
Figure FDA0003042832160000011
Figure FDA0003042832160000012
Figure FDA0003042832160000013
其中，Ef是频率f所对应的辐射能量；
Figure FDA0003042832160000014
指的是频率从a kHz至g kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000015
指的是频率从h kHz至i kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000016
指的是频率从a kHz至b kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000017
指的是频率从c kHz至dkHz的所有频段的辐射能量之和；
Figure FDA0003042832160000018
指的是频率从a kHz至e kHz的所有频段的辐射能量之和；EE为整个频段内的所有辐射能量之和；所述0＜a＜b＜……＜i＜220。
4.根据权利要求3所述的闪电放电类型的识别方法，其特征在于，所述特征参数F1、F2和F3的计算式还包括：
Figure FDA0003042832160000019
Figure FDA00030428321600000110
Figure FDA00030428321600000111
其中，Ef是频率f所对应的辐射能量；
Figure FDA0003042832160000021
指的是频率从4kHz至100kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000022
指的是频率从102kHz至198kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000023
指的是频率从4kHz至20kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000024
指的是频率从22kHz至38kHz的所有频段的辐射能量之和；
Figure FDA0003042832160000025
指的是频率从4kHz至80kHz的所有频段的辐射能量之和。
5.根据权利要求3或4所述的闪电放电类型的识别方法，其特征在于，对所述特征参数进行分析处理，获得所述一次闪电的闪电放电类型，包括：
若F1>0且F2<0且F3>20，则判定所述一次闪电为云闪；
若F1>0且F2>0且F3>50，则判定所述一次闪电为地闪回击；
若F1<10且F2<10且F3<30，则判定所述一次闪电为梯级先导。
CN202110462374.5A 2021-04-27 2021-04-27 一种闪电放电类型的识别方法 Withdrawn CN113516026A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110462374.5A CN113516026A (zh) 2021-04-27 2021-04-27 一种闪电放电类型的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110462374.5A CN113516026A (zh) 2021-04-27 2021-04-27 一种闪电放电类型的识别方法

Publications (1)

Publication Number Publication Date
CN113516026A true CN113516026A (zh) 2021-10-19

Family

ID=78063817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110462374.5A Withdrawn CN113516026A (zh) 2021-04-27 2021-04-27 一种闪电放电类型的识别方法

Country Status (1)

Country Link
CN (1) CN113516026A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117009784A (zh) * 2023-07-20 2023-11-07 南通大学 一种分布式切空间映射的云地闪特征信号的识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160161543A1 (en) * 2014-12-09 2016-06-09 Rosemount Inc. Partial discharge detection system
CN109342828A (zh) * 2018-09-05 2019-02-15 国网湖北省电力有限公司电力科学研究院 一种基于频域恒虚警的雷电脉冲信号检测方法
CN111881723A (zh) * 2020-06-09 2020-11-03 南瑞集团有限公司 雷电地闪回击波形的自动识别方法、***及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160161543A1 (en) * 2014-12-09 2016-06-09 Rosemount Inc. Partial discharge detection system
CN109342828A (zh) * 2018-09-05 2019-02-15 国网湖北省电力有限公司电力科学研究院 一种基于频域恒虚警的雷电脉冲信号检测方法
CN111881723A (zh) * 2020-06-09 2020-11-03 南瑞集团有限公司 雷电地闪回击波形的自动识别方法、***及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHIYE HUANG 等: "Distinguishing different lightning events based on wavelet packet transform of magnetic field signals", 《JOURNAL OF ATMOSPHERIC AND SOLAR-TERRESTRIAL PHYSICS》 *
卢舟 等: "闪电脉冲信号仿真及其小波分析", 《电子测量技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117009784A (zh) * 2023-07-20 2023-11-07 南通大学 一种分布式切空间映射的云地闪特征信号的识别方法

Similar Documents

Publication Publication Date Title
FI107081B (fi) Menetelmä ja järjestely osittaispurkauslähteiden lukumäärän selvittämiseksi
FI107083B (fi) Menetelmä ja järjestelmä osittaispurkauksen aiheuttajan tunnistamiseksi
Betz et al. LINET–An international VLF/LF lightning detection network in Europe
Gabarda et al. Detection of events in seismic time series by time–frequency methods
CN106382981B (zh) 一种单站次声波信号识别提取方法
CN104198999A (zh) 一种基于同构序列的脉冲分选方法
Karunarathne et al. Observations of positive narrow bipolar pulses
CN113516026A (zh) 一种闪电放电类型的识别方法
CN110650058A (zh) 一种网络流量分析方法、装置、存储介质及设备
Akhouayri et al. Automatic detection and picking of P-wave arrival in locally stationary noise using cross-correlation
Kohlmann et al. Evaluation of EUCLID IC/CG classification performance based on ground-truth data
CN113345443A (zh) 基于梅尔频率倒谱系数的海洋哺乳动物发声检测识别方法
US20220147777A1 (en) Automatic Partial Discharge and Noise Signals Separation using Arithmetic Coding in Time Domain and Magnitude Distributions in Frequency Domain
Patti et al. Methods for classification of nocturnal migratory bird vocalizations using Pseudo Wigner-Ville Transform
Soler-Ortiz et al. A new way of analyzing the Schumann resonances: A statistical approach
Shaharudin et al. Performance analysis and validation of modified singular spectrum analysis based on simulation torrential rainfall data
CN110515065A (zh) 一种辐射噪声线谱源深度辨识方法
CN113837003B (zh) 识别局部放电类型方法、装置、存储介质及电子装置
Merkens et al. Comparison of high-frequency echolocation clicks (likely Kogia) in two simultaneously collected passive acoustic data sets sampled at 200 kHz and 320 kHz
CN105467270B (zh) 基于频谱相似性评价的单端行波测距反射波辨识算法
CN116008735A (zh) 一种基于密度的局部放电信号提取方法及***
Zhou et al. Spike sorting using hidden markov models
CN110618196A (zh) 一种基于lmd样本熵与svm支柱绝缘子故障识别方法
Sánchez-García et al. A novel image-processing based method for the automatic detection, extraction and characterization of marine mammal tonal calls
Bahrami et al. Evaluation of underwater acoustical intermittent ambient noise

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211019