CN102736000A - 电力电容器在线检测方法及装置 - Google Patents

Abstract

本发明公开一种电力电容器在线检测方法及装置；通过电流传感器采集电容器含有噪声的局部放电信号；该信号经处理后利用经验模态分解将复杂信号分解成有限个本征模态函数分量；通过扁平结构元素对本证模态函数分量进行数学形态学交替混合滤波；再采用3σ粗差准则确定阈值及硬阈值规则对新的本证模态函数分量进行阈值判别；由阈值处理后的本证模态函数分量重构得消噪之后的电力电容器局部放电信号；该信号送入计算机中获取电容器在线工作状况。本发明对处理非线性非平稳信号具有清晰的物理意义，在频域和时域具有很好的局部化特性，可以最大限度的保留信号的原始形态特征，分析信号局部信号动态行为和特性，较好地实现了电力电容器在线检测的目标。

Description

电力电容器在线检测方法及装置

技术领域

本发明属于电力系统领域，具体涉及一种电力电容器在线检测方法及装置。

背景技术

随着社会经济的发展，社会用电量迅速增长，电力系统的规模和输送容量也迅速增长，对电力系统可靠运行的要求也越来越高。电力电容器在电力系统中的作用主要是补偿电力系统感性负荷的无功功率，提高功率因数，改善电压质量，降低线路损耗，其运行的可靠性直接关系电力系统的安全和稳定运行。但是由于运行中受到过电压、过电流、温度、谐波等影响，因此绝缘介质的强度会逐渐下降，明显表现为局部放电的起始电压降低，最后导致绝缘击穿。实际故障的统计分析表明，绝缘故障是影响电力电容器正常运行的主要原因，而局部放电是造成绝缘故障的根本原因和初始征兆。因此，对电力电容器局部放电进行有效在线检测，对电力电容器的安全稳定运行具有重要意义。

伴随着电力电容器绝缘局部放电的发生，放电电荷的转移将在放电回路中形成脉冲电流信号，并产生宽频电磁辐射信号，以及光和热辐射，针对这些现象对应产生了以脉冲电流法、超高频检测法等为代表的电测法和以超声波检测法、光检测法等为代表的非电测量法。目前常用的检测高压电力电容器内部局部放电信号的方法主要是超声检测法和脉冲电流法。超声波检测法由于电力电容器内部是非常紧密的油浸纸、浸渍薄膜、以及浸渍纸和薄膜的组合结构，使局部放电产生的声波传播受到影响，而且在安装使用以及定量上也存在困难，因此目前在线检测电力电容器局部放电信号仍然以脉冲电流法为主。传统脉冲电流法检测电力电容器局部放电信号时，由于试品的电容量大，现场干扰信号复杂多变，灵敏度大大降低，因此脉冲电流法的关键问题在于传感器的选择以及消噪方法的选择。

目前传统的脉冲电流法检测局部放电信号时基本上采用基于傅里叶变换的数字滤波法或者硬件滤波法来滤波。这些方法在一定程度上虽然能抑制干扰信号，但是原始的局部放电信号的能量损失比较大，且当出现新干扰或者干扰的中心频率发生变化时，原有的参数设置就会失效。小波变换虽然可以较好地提取局部放电信号，但该方法会使消噪后的信号损失部分能量，会使信号有所失真。

发明内容

本发明所要解决的技术问题是提供一种安装方便、抗干扰能力强、灵敏度高的电力电容器在线检测方法及装置。

为解决上述问题，本发明是通过以下方案实现的：

一种电力电容器在线检测方法，包括如下步骤：

（1）通过套接在电力电容器低压套管接地线上的电流传感器采集电力电容器局部放电信号；

（2）采集到的电力电容器局部放电信号经过信号调理后送至数据采集处理单元；

（3）数据采集处理单元对调理后的电力电容器局部放电信号进行模数转换和数据采样；

（4）数据采集处理单元根据电力电容器局部放电信号波形特点对采集到的含有噪声的电力电容器局部放电信号x（t）进行经验模态分解（EMD），筛选各个本证模态函数（IMF）分量c_i；

（5）选择扁平结构元素g对各分解尺度下的本证模态函数分量c_i进行数学形态学交替混合滤波，得到新的本证模态函数分量c_i'；

（6）先采用3σ粗差准则检测新的本证模态函数分量c_i'，求出随机噪声的均方值σ_i，得到σ_i后取阈值t_i为3σ_i；后利用硬阈值规则对新的本证模态函数分量c_i′进行阈值判别，得到阈值处理后的本证模态函数分量c_i″；

（7）由阈值处理后的本证模态函数分量c_i″重构，得到消噪之后的电力电容器局部放电信号；

（8）消噪之后的电力电容器局部放电信号送入计算机中进行数字信号进行统计分析及处理，获取电力电容器在线工作状况。

由于步骤（4）中IMF分量需满足的条件主要有：在整个数据序列中极值点的数量与过零点的数量必须相等，或最多相差不能多于一个；在任意时间点上信号的局部极大值和局部极小值定义的包络平均值为零。EMD分解的过程就是提取IMF的过程。因此，上述步骤（4）中EMD分解的过程为：

（4.1）确定原始局部放电信号x（t）的所有极大值点和极小值点；

（4.2）采用样条函数求出x（t）的上下包络线，并计算上下包络线的均值m（t）；

（4.3）作差h（t）=x（t）-m（t）；

（4.4）判断h（t）是否满足筛选终止条件：mean[h_i，k(t)]＜ε，其中mean[h_i，k(t)]表示h_i，k(t)的均值曲线，ε为一个预设的足够小的数值，若满足上述筛选条件则转（4.5），否则将h（t）作为新的输入信号转至（4.1）；

（4.5）令c=h（t），c为一个IMF分量，作差r＝x（t）-c；

（4.6）判断r是否满足终止条件：r_i为一个常量或一个单调的函数，若满足上述终止条件则EMD分解过程结束，不能提取的为残留量，若不满足则将r作为新的输入信号转至（4.1）；

对于总阶数为n的时间序列，EMD分解之后的信号可表示为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i\left(t\right)+r\left(t\right)$

其中：c_i(t)为IMF分量，r(t)为残余函数，为单调函数。

上述步骤（5）中选择信号长度为1/100的扁平结构元素对信号进行数学形态学交替混合滤波处理。

上述步骤（5）所述的数学形态学交替混合滤波的过程为：

（5.1）对一维离散的电力电容器局部放电信号即IMF函数分量进行数学形态学膨胀、腐蚀以及开运算和闭运算；

（5.2）利用结构元素对IMF函数分量进行开闭运算以及闭开运算；

（5.3）对开闭运算和闭开运算进行均值处理，得到新的IMF函数分量。

即步骤（5）所述数学形态学交替混合滤波的算法公式为：

其中

$(c_i\⊕g)\left(n\right)=\max [c_i(n-m)+g\left(m\right)]$ (n-m∈F，m∈G)

(c_iΘg)(n)=min[c_i(n+m)-g(m)](n+m∈F，m∈G)

$(c_i\·g)\left(n\right)=(c_i\⊕\mathrm{g\Θg})\left(n\right)$

上述各式中，c_i代表本证模态函数分量，g代表扁平结构元素，

代表膨胀运算，Θ代表腐蚀运算，○表示开运算，●表示闭运算。

步骤（6）中为得到光滑的局部放电信号，需要对新的IMF分量进行进一步的阈值处理，关键问题在于阈值的确定和阈值规则的选取。

上述步骤（6）中粗差定义为观测中既不具有明确分布规律也不具有随机分布规律的误差。信号中含的随机噪声经EMD分解及形态学处理后得到的IMF分量仍满足随机分布规律，而信号不具有这种分布规律，则将信号视为粗差，结合阈值处理方法实现噪声和信号的分离。阈值的确定是由3σ粗差准则确定的，3σ准则的基本思想是：由于随机误差是服从正态分布，则误差的绝对值主要集中在均值附近，用公式表示有：

p{-3σ＜z-μ＜3σ}＝0.9974

上式中，z~N(0,σ²)，即取均值为0，均方差为σ²的白噪声，因此反所测的数据大于3σ的则视为粗差。运用上述3σ粗差准则检测信号分量，求出随机噪声的均方值σ_i，得到σ_i后可取阈值t_i为3σ_i。

上述步骤（6）中采用硬阈值处理方法对信号进行阈值处理，以尽量保留局部放电信号的特征，公式为：

$c_i{\left(k\right)}^{\′\′}=\left\{\begin{array}{cc}{c}_i{\left(k\right)}^{\′}& \left|c_i{\left(k\right)}^{\′}\right|>t_i\\ 0& \left|c_i{\left(k\right)}^{\′}\right|\≤t_i\end{array}\right.$

式中，c_i(k)'为形态学处理后的IMF分量，c_i(k)＂为阈值处理后的IMF分量，t_i为阈值。

一种电力电容器在线检测装置，主要由电流互感器、信号调理单元和数据采集处理单元组成，其中数据采集处理单元包括模数转换模块、数据采样模块、EMD分解筛选IMF分量模块、数学形态学交替混合滤波器、阈值量化处理模块和重构模块。电流互感器套接在电力电容器低压套管接地线上，电流互感器的输出端经由信号调理单元与数据采集处理单元的模数转换模块的输入端相连，模数转换模块的输出端经数据采样模块与EMD分解筛选IMF分量模块的输入端相连，EMD分解筛选IMF分量模块输出端连接数学形态学交替混合滤波器的输入端，数学形态学交替混合滤波器的输出端通过阈值量化处理模块连接至重构模块的输入端；重构模块的输出端接入计算机。

电流互感器采集电力电容器局部放电信号。信号调理单元对采集到的局部放电信号进行预处理。模数转换模块对调理后的电力电容器局部放电信号进行模数转换。数据采样模块对模数转换后的电力电容器局部放电信号进行采样。EMD分解筛选IMF分量模块将含有噪声的电力电容器局部放电信号进行EMD分解，筛选IMF分量。数学形态学交替混合滤波器采用扁平结构元素对各个IMF分量进行数学形态学交替混合滤波。阈值量化处理模块通过3σ粗差准则确定各个阈值然后利用硬阈值规则对新的IMF分量进行阈值量化处理。重构模块通过处理后的IMF分量进行重构，得到消噪之后的电力电容器局部放电信号。计算机对消噪之后的电力电容器局部放电信号进行统计分析及处理。

上述方案中，所述信号调理单元包括前置放大单元、带通滤波单元和后级放大单元；前置放大单元的输入端与电流互感器的输出端相连，带通滤波单元的输入端连接前置放大单元的输出端，带通滤波单元的输出端与后级放大单元的输入端相连，后级放大单元的输出端连接数据采集处理单元。

上述方案中，所述电流互感器为宽带高频电流互感器。

本发明通过宽带电流传感器采集电力电容器含有噪声的局部放电信号并经过信号调理电路处理后送至数据采集处理单元，利用基于经验模态（EMD）分解的希尔伯特-黄变换（Hilbert-Huang Transform HHT）将复杂信号分解成有限个本征模态函数（IMF）分量，通过选择扁平结构元素对各分解尺度下的本证模态函数分量进行数学形态学交替混合滤波得到新的本证模态函数分量，再采用3σ粗差准则确定阈值并用硬阈值规则对新的本证模态函数分量进行阈值判别，得到阈值处理后的本证模态函数分量，并由阈值处理后的本证模态函数分量进行重构，得到消噪之后的电力电容器局部放电信号；消噪之后的电力电容器局部放电信号送入计算机中进行数字信号进行统计分析及处理从而获取电力电容器在线工作状况。本发明对处理非线性非平稳信号具有清晰的物理意义，在频域和时域具有很好的局部化特性，可以最大限度的保留信号的原始形态特征，分析信号局部信号动态行为和特性，较好地实现了电力电容器在线检测的目标。

与现有技术相比，本发明具有如下特点：

(1)本发明利用宽带高频电流互感器为传感器不改变设备原有的连接方式，灵敏度高，抗干扰能力强，能实现电力电容器局部放电的在线检测；

(2)信号调理单元中的带通滤波器能够消除局部放电信号中的大部分噪声，提高检测的灵敏度；

(3)采用基于EMD和3σ粗差准则的自适应直接阈值算法（ADT算法）与数学形态学交替混合滤波器相结合进行数字滤波，弥补了模拟滤波的不足，软硬滤波相结合可更好的消除噪声，同时不会改变信号原有的形态特征，更好的保留原始局部放电信号的参数特点。

(4)可以采用以LabWindows/CVI为开发平台的虚拟仪器监测软件对数据采集卡传输的数字信号进行统计分析及处理，将电子设备与计算机技术更深层次的结合起来应用到电力电容器局部放电在线监测技术中，图形界面更加友好，能更好更直观地反映电力电容器局部放电状态。

附图说明

图1是一种电力电容器在线检测装置的电路原理框图。

图2是一种电力电容器在线检测方法流程图。

图3是经验模态分解（EMD分解）算法流程图

图4是数学形态学交替混合滤波器算法流程图。

具体实施方式

一种电力电容器在线检测装置如图1所示，主要由电流互感器、信号调理单元和数据采集处理单元组成，其中数据采集处理单元包括模数转换模块、EMD分解筛选IMF分量模块、数学形态学交替混合滤波器、阈值量化处理模块和重构模块。电流互感器套接在电力电容器低压套管接地线上，电流互感器的输出端经由信号调理单元与数据采集处理单元的模数转换模块的输入端相连，模数转换模块的输出端与EMD分解筛选IMF分量模块的输入端相连，EMD分解筛选IMF分量模块输出端连接数学形态学交替混合滤波器的输入端，数学形态学交替混合滤波器的输出端通过阈值量化处理模块连接至重构模块的输入端；重构模块的输出端接入计算机。

电流互感器采集电力电容器局部放电信号。在本实施例中，电流互感器选用宽带高频电流互感器，该宽带高频电流互感器以相对磁导率μr=2000、使用频率为5KHz～13MHz的铁氧体为铁芯，负载电阻R为200～500Ω，匝数N为50～70之间，杂散电容小，它的频带范围为100KHz～10MHz，增益为20dB，符合电力电容器局部放电信号的频带特点，用其套接在电力电容器低压套管接地线上采集局部放电信号，此传感器也相当于一个带通滤波器和放大器，不仅无需改变电力电容器原有连接状态，而且能安全有效的采集局部放电信号。

信号调理单元对采集到的局部放电信号进行预处理。在本实施例中，信号调理单元包括前置放大单元、带通滤波单元和后级放大单元；前置放大单元的输入端与电流互感器的输出端相连，带通滤波单元的输入端连接前置放大单元的输出端，带通滤波单元的输出端与后级放大单元的输入端相连，后级放大单元的输出端连接数据采集处理单元。利用前置放大电路对原始信号进行固定倍数的放大，使信号的幅值满足A/D采样的要求。利用带通滤波器限制信号的频带以抑制高频干扰和频域混叠。利用后级放大电路对滤波器输出信号的衰减和远传的衰减进行放大补偿，从而增强传输驱动能力。放大器选择带宽为0～10MHz，符合电力电容器局部放电带宽，与传感器带宽相吻合。由于本装置的AD输入电压范围在±10V之间，传感器增益为20dB，而传感器输出的电力电容器典型局部放电脉冲范围在5mV～10mV之间，因此放大倍数应为100～200倍。带通滤波器的带宽为100KHz～10MHz，将频率小于100KHz以及大于10MHz的干扰信号滤除。

数据采集处理单元对预处理后的局部放电信号进行进一步的采样与核心处理。在本实施例中，数据采集处理单元包括模数转换模块、数据采样模块、EMD分解筛选IMF分量模块、数学形态学交替混合滤波器、阈值量化处理模块和重构模块。模数转换模块对调理后的电力电容器局部放电信号进行模数转换。数据采样模块对模数转换后的电力电容器局部放电信号进行采样。EMD分解筛选IMF分量模块将含有噪声的电力电容器局部放电信号进行EMD分解，筛选IMF分量。数学形态学交替混合滤波器采用扁平结构元素对各个IMF分量进行数学形态学交替混合滤波。阈值量化处理模块通过3σ粗差准则确定各个阈值然后利用硬阈值规则对新的IMF分量进行阈值量化处理。重构模块通过处理后的IMF分量进行重构，得到消噪之后的电力电容器局部放电信号。在本实施例中，数据采集处理单元采用最高采样频率为40MHz、数据精度为12位的高速AD转换器AD9224作为模数转换模块。数据采集处理单元的EMD分解筛选IMF分量模块、数学形态学交替混合滤波器、阈值量化处理模块和重构模块可以通过集成的DSP芯片实现，在本实施例中，采用TMS320F2812作为核心DSP数据处理芯片。采用基于EMD和3σ粗差准则的自适应直接阈值算法（ADT算法）与数学形态学交替混合滤波器相结合的方法对硬件调理后的信号进行数字滤波处理，提取纯净局部放电信号。

计算机终端采用以LabWindows/CVI为开发平台的虚拟仪器监测软件对消噪之后的电力电容器局部放电信号进行统计分析及处理，显示电力电容器局部放电信号的各种参数，包括最大放电量，平均放电量，放电次数，放电幅值，相位以及放电发展趋势等。

上述装置所实现的一种电力电容器在线检测方法如图2所示，包括如下步骤：

（1）通过套接在电力电容器低压套管接地线上的电流传感器采集电力电容器局部放电信号。

（2）采集到的电力电容器局部放电信号经过信号调理后送至数据采集处理单元。

（3）数据采集处理单元对调理后的电力电容器局部放电信号进行模数转换和数据采样。

（4）数据采集处理单元将含有噪声的局部放电信号x（t）进行经验模态分解（EMD），得到n个本证模态函数（IMF）分量c_i和一个剩余分量r，其中i=1,2，...，n。

上述EMD分解的过程如图3所示，其具体为：

（4.1）确定原始局部放电信号x（t）的所有极大值点和极小值点；

（4.2）采用样条函数求出x（t）的上下包络线，并计算上下包络线均值m（t）；

（4.3）作差h（t）＝x（t）-m（t）；

（4.4）判断h（t）是否满足筛选终止条件：mean[h_i，k(t)]＜ε，其中mean[h_i，k(t)]表示h_i，k(t)的均值曲线，ε为一个预设的足够小的数值，若满足上述筛选条件则转（4.5），否则将h（t）作为新的输入信号转至（4.1）；

（4.5）令c=h（t），c为一个IMF分量，作差r=x（t）-c；

（4.6）判断r是否满足终止条件：r_i为一个常量或一个单调的函数，若满足上述终止条件则EMD分解过程结束，不能提取的为残留量，若不满足则将r作为新的输入信号转至（4.1）；

对于总阶数为n的时间序列，分解之后的信号可表示为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i\left(t\right)+r\left(t\right)$

其中：c_i(t)为IMF分量，r(t)为残余函数，为单调函数。

（5）选择扁平结构元素g对各个IMF分量c_i进行数学形态学交替混合滤波，得到新的IMF分量c_i'。

由于扁平结构元素(指在定义域上取常数0的结构元素)的膨胀和腐蚀运算有取信号局部极大和局部极小功能，因此本实施例选择长度为信号长度1/100的扁平结构元素对信号进行数学形态学交替混合滤波处理。

参见图4，上述数学形态学交替混合滤波的过程为：

（5.1）对IMF分量c_i进行数学形态学膨胀、腐蚀以及开运算和闭运算。设c_i(n)为输入序列即IMF分量，g(m)为结构元素序列，c_i(n)的定义域为C={0,1....N-1}，g(m)的定义域为G={0,1....M-1}，N、M为序列长度，且N≥M，则：

$(c_i\⊕g)\left(n\right)=\max [c_i(n-m)+g\left(m\right)]$ (n-m∈F，m∈G)

(c_iΘg)(n)=min[c_i(n+m)-g(m)](n+m∈F，m∈G)

$(c_i\·g)\left(n\right)=(c_i\⊕\mathrm{g\Θg})\left(n\right)$

式中，

代表膨胀运算，Θ代表腐蚀运算，○表示开运算，●表示闭运算。

（5.2）利用结构元素对IMF分量c_i进行开闭运算(先开运算后闭运算)以及闭开运算(先闭运算后开运算)。

[(c_i)oc(g)](n)=(c_iоg·g)(n)

[((c_i)co(g)](n)=(c_i·gоg)(n)

（5.3）对开闭运算和闭开运算进行均值处理，得到数学形态学交替混合滤波器的算法公式：

$\left[\left(c_i\right)\mathrm{altmix}\left(g\right)\right]\left(n\right)=\frac{[\left(c_i\right)\mathrm{oc}\left(g\right)+\left(c_i\right)\mathrm{co}\left(g\right)]}{2}$

（6）对形态学处理后的信号进行阈值处理，进一步的去噪。首先采用3σ粗差准则检测新的IMF分量c_i'，计算各分解尺度下噪声的均方值σ_i，进一步计算出多分辨率的阈值t_i，其中i=1,2，...，n。然后采用硬阈值方法对各尺度下新的IMF分量c_i′进行阈值判别，得到阈值处理后的IMF分量c_i″；

本步骤的关键问题在于阈值的确定和阈值规则的选取。

由3σ粗差准则确定阈值，粗差被定义为观测中既不具有明确分布规律也不具有随机分布规律的误差。信号中所含的随机噪声经EMD分解及形态学处理后得到的各IMF分量仍然满足随机分布规律，而信号不具有该分布规律，那么将信号视为粗差，结合阈值处理方法可实现噪声和信号的分离。3σ准则的基本思想是：由于随机误差是服从正态分布，则误差的绝对值主要集中在均值附近，用公式表示有：

p{-3σ＜z-μ＜3σ}＝0.9974

式中，z~N(0,σ²)，即取均值为0，均方差为σ²的白噪声，因此反所测的数据大于3σ的则视为粗差。运用上述3σ粗差准则检测信号分量，求出随机噪声的均方值σ_i，得到σ_i后可取阈值t_i为3σ_i。

采用硬阈值处理方法对信号进行阈值处理，以尽量保留局部放电信号的特征，公式为：

$c_i{\left(k\right)}^{\′\′}=\left\{\begin{array}{cc}{c}_i{\left(k\right)}^{\′}& \left|c_i{\left(k\right)}^{\′}\right|>t_i\\ 0& \left|c_i{\left(k\right)}^{\′}\right|\≤t_i\end{array}\right.$

式中，c_i(k)'为形态学处理后的IMF分量，c_i(k)''为阈值处理后的IMF分量，t_i为阈值。

（7）根据阈值处理后的IMF分量c_i(k)＂重构，得到消噪之后的电力电容器局部放电信号，。

（8）计算机终端采用以LabWindows/CVI为开发平台的虚拟仪器监测软件对数据采集卡传输的数字信号进行统计分析及处理，显示电力电容器局部放电信号的各种参数，包括最大放电量，平均放电量，放电次数，放电幅值，相位以及放电发展趋势等，获取电力电容器在线工作状况。

Claims (9)

1.电力电容器在线检测方法，其特征是包括如下步骤：

（1）通过套接在电力电容器低压套管接地线上的电流传感器采集电力电容器局部放电信号；

（2）采集到的电力电容器局部放电信号经过信号调理后送至数据采集处理单元；

（3）数据采集处理单元对调理后的电力电容器局部放电信号进行模数转换和数据采样；

（4）数据采集处理单元根据电力电容器局部放电信号波形特点对采集到的含有噪声的电力电容器局部放电信号x（t）进行经验模态分解，筛选各个本证模态函数分量c_i；

（5）选择扁平结构元素g对各分解尺度下的本证模态函数分量c_i进行数学形态学交替混合滤波，得到新的本证模态函数分量c_i'；

（6）先采用3σ粗差准则检测新的本证模态函数分量c_i'，求出随机噪声的均方值σ_i，得到σ_i后取阈值t_i为3σ_i；后利用硬阈值规则对新的本证模态函数分量c_i′进行阈值判别，得到阈值处理后的本证模态函数分量c_i″；

（7）由阈值处理后的本证模态函数分量c_i″重构，得到消噪之后的电力电容器局部放电信号；

（8）消噪之后的电力电容器局部放电信号送入计算机中进行数字信号进行统计分析及处理，获取电力电容器在线工作状况。

2.根据权利要求1所述的电力电容器在线检测方法，其特征是：步骤（4）中所述经验模态分解的具体过程为：

（4.1）确定原始局部放电信号即含有噪声的电力电容器局部放电信号x（t）的所有极大值点和极小值点；

（4.2）采用样条函数求出x（t）的上下包络线，并计算上下包络线的均值m（t）；

（4.3）将获得的均值m（t）与原始局部放电信号x（t）作差，即h（t）＝x（t）-m（t）；

（4.4）判断h（t）是否满足筛选终止条件：mean[h_i，k(t)]＜ε，其中mean[h_i，k(t)]表示h_i，k(t)的均值曲线，ε为一个预设的足够小的数值；

若满足上述筛选条件则转（4.5），否则将h（t）作为新的输入信号转至（4.1）；

（4.5）令c=h（t），c为一个本证模态函数分量，作差r＝x（t）-c；

（4.6）判断r是否满足终止条件：r_i为一个常量或一个单调的函数；

若满足上述终止条件则经验模态分解过程结束，不能提取的为残留量，若不满足则将r作为新的输入信号转至（4.1）。

3.根据权利要求2所述的电力电容器在线检测方法，其特征是：对于总阶数为n的时间序列，经验模态分解之后的信号表示为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i\left(t\right)+r\left(t\right)$

其中：c_i(t)为本证模态函数分量；r(t)为残余函数，为单调函数。

4.根据权利要求1所述的电力电容器在线检测方法，其特征是：步骤（5）中选择信号长度为1/100的扁平结构元素对信号进行数学形态学交替混合滤波处理。

5.根据权利要求1所述的电力电容器在线检测方法，其特征是：步骤（5）所述的数学形态学交替混合滤波的算法公式为：

其中，

$(c_i\⊕g)\left(n\right)=\max [c_i(n-m)+g\left(m\right)]$ (n-m∈F，m∈G)

(c_iΘg)(n)=min[c_i(n+m)-g(m)](n+m∈F，m∈G)

$(c_i\·g)\left(n\right)=(c_i\⊕\mathrm{g\Θg})\left(n\right)$

上述各式中，c_i代表本证模态函数分量，g代表扁平结构元素，

代表膨胀运算，Θ代表腐蚀运算，○表示开运算，●表示闭运算。

6.根据权利要求1所述的电力电容器在线检测方法，其特征是：步骤（6）所述硬阈值规则为，

$c_i{\left(k\right)}^{\′\′}=\left\{\begin{array}{cc}{c}_i{\left(k\right)}^{\′}& \left|c_i{\left(k\right)}^{\′}\right|>t_i\\ 0& \left|c_i{\left(k\right)}^{\′}\right|\≤t_i\end{array}\right.$

其中，c_i(k)'为新的本证模态函数分量，c_i(k)＂为阈值处理后的本证模态函数分量，t_i为阈值。

7.电力电容器在线检测装置，其特征是：主要由电流互感器、信号调理单元、数据采集处理单元和计算机组成，其中数据采集处理单元包括模数转换模块、数据采样模块、经验模态分解筛选本证模态函数分量模块、数学形态学交替混合滤波器、阈值量化处理模块和重构模块；电流互感器套接在电力电容器低压套管接地线上，电流互感器的输出端经由信号调理单元与数据采集处理单元的模数转换模块的输入端相连，模数转换模块的输出端与经验模态分解筛选本证模态函数分量模块的输入端相连，经验模态分解筛选本证模态函数分量模块输出端连接数学形态学交替混合滤波器的输入端，数学形态学交替混合滤波器的输出端通过阈值量化处理模块连接至重构模块的输入端；重构模块的输出端接入计算机；

电流互感器，采集电力电容器局部放电信号；

信号调理单元，对采集到的局部放电信号进行预处理；

模数转换模块，对调理后的电力电容器局部放电信号进行模数转换；

数据采样模块，对模数转换后的电力电容器局部放电信号进行采样；

经验模态分解筛选本证模态函数分量模块，将含有噪声的电力电容器局部放电信号进行经验模态分解，筛选本证模态函数分量；

数学形态学交替混合滤波器，采用扁平结构元素对各个本证模态函数分量进行数学形态学交替混合滤波；

阈值量化处理模块，先通过3σ粗差准则确定各个阈值后利用硬阈值规则对新的本证模态函数分量进行阈值量化处理；

重构模块，通过阈值处理后的本证模态函数分量进行重构，得到消噪之后的电力电容器局部放电信号；

计算机，对消噪之后的电力电容器局部放电信号进行统计分析及处理，获取电力电容器在线工作状况。

8.根据权利要求7所述的电力电容器在线检测装置，其特征是：所述信号调理单元包括前置放大单元、带通滤波单元和后级放大单元；前置放大单元的输入端与电流互感器的输出端相连，带通滤波单元的输入端连接前置放大单元的输出端，带通滤波单元的输出端与后级放大单元的输入端相连，后级放大单元的输出端连接数据采集处理单元。

9.根据权利要求7所述的电力电容器在线检测装置，其特征是：所述电流互感器为宽带高频电流互感器。

Images