CN103050941B - 一种基于形态学梯度的变压器励磁涌流识别方法 - Google Patents

Abstract

本发明公开了一种基于形态学梯度的变压器励磁涌流识别方法，包括以下步骤：（1）采集变压器差动保护两侧电流互感器的差流信号I；（2）对差流信号I进行采样；（3）当采样得到的差流信号I超过差动保护的启动元件的整定值Icd时，进行励磁涌流的判别，具体步骤如下：（3-1）取数据窗口为半个基频周期长的差流信号I，利用改进的数学形态学梯度算法得到I的形态学梯度结果；（3-2）引入判据σ：若σ>σ_set，则判别I为励磁涌流，否则执行步骤（3-3）；（3-3）引人判据C：若C>C_set，则判别I为励磁涌流，否则为内部故障信号。本发明方法具有步骤简单、计算量小、延时小、可靠性高等优点，在CT饱和条件下，也能识别出励磁涌流实现闭锁差动保护。

Description

一种基于形态学梯度的变压器励磁涌流识别方法

技术领域

本发明属于变压器继电保护技术领域，特别涉及一种基于形态学梯度的变压器励磁涌流识别方法。

背景技术

变压器作为重要的电气设备之一，担负着电能传输和电压变换的重要作用，其运行状态直接影响到供电系统的安全性和稳定性。同时，变压器本身一般造价昂贵，一旦因故障而遭到破坏，检修难度大、时间长，会造成严重的经济损失。因此研究新的性能可靠、技术先进的变压器保护方案将具有较大的工程和理论价值。

长期以来，差动保护因具有良好的选择性和速动性而作为变压器的主保护。但是当变压器在空载合闸或外部故障切除后恢复供电时，差动回路会流入数值很大励磁电流(又称为励磁涌流)，此电流可能达到变压器额定电流的6～8倍，与变压器内部故障电流数值相当。励磁涌流是变压器差动保护误动作的主要原因，因此正确区分励磁涌流和内部故障电流是保证变压器保护可靠动作的关键所在。

鉴于励磁涌流一般包含有大量以二次谐波为主的高次谐波并且波形之间出现间断，传统的励磁涌流识别方法主要采用的是二次谐波制动原理和间断角原理。二次谐波制动原理是根据变压器励磁涌流中二次谐波含量较高而闭锁保护。但是近年来随着变压器铁芯材料的磁特性变化，励磁涌流中二次谐波含量将降低，而在系统带有长线路以及分布电容存在的情况下，内部故障电流的二次谐波含量有时会接近甚至大于励磁涌流的二次谐波含量，从而导致了变压器差动保护的拒动或误动。而间断角原理是利用励磁涌流波形之间有较大间断角的特性，通过检测差动电流间断角的大小实现涌流识别，但是由于对硬件的要求较高，并且在CT(current transformer，电流互感器)饱和时因反向电流的出现导致间断角减少，所以一般较少使用。总结以上分析可知传统的识别方法已不满足现代保护技术高可靠性的要求，因此，进一步探索快速、准确的区分变压器励磁涌流和内部故障电流的新方法以提高变压器差动保护的性能，是十分必要的。

而在目前已公开的专利、期刊和会议文献中，许多国内外学者针对如何识别变压器励磁涌流和内部故障电流进行了广泛的研究，并提出了许多新原理、新方法用于励磁涌流识别，也取得了一定成效，主要包括波形对称原理、磁通特性制动原理以及小波理论，模糊数学，数学形态学，神经网络等新手段，但这些方法中仍存在着诸如数据窗口长、保护整定复杂、特殊情况不可靠或计算负担较重等缺陷。

中国华北电力大学的Sun Yang等人在《Novel Theory of Identifying CurrentBased on Half-cycle Sine Waveform》(International Conference on Computer,Mechatronics,Control and Electronic Engineering,2010)(《基于正弦半波的励磁涌流识别新原理》(2010年IEEE国际计算机、机电、控制和电子工程学术会议))中利用输入波形与标准半波正弦比较。该方法需要的时间窗口为半个基频周期，延迟较小，但是该方法精度不高，当内部故障电流因噪声影响而畸变成非正弦波时就不能可靠区分励磁涌流和内部故障电流，特别是在CT饱和情况下这种方法的适用性较差。

伊朗伊斯兰阿扎德大学的G.Mokryani等人在《Detection of Inrush CurrentBased on Wavelet Transform and LVQ Neural Network》(Transmission andDistribution Conference and Exposition,2010IEEE PES)(《基于小波变换和LVQ神经网络的励磁涌流检测》(2010IEEE电力与能源国际会议))中利用将小波变换与LVQ神经网络相结合来鉴别励磁涌流，该方法能可靠识别励磁涌流，但利用神经网络需要大量的训练模型，并且小波变换计算较为复杂和需要的一个周波的数据窗口，这些缺点使得其实现起来比较困难。

英国利物浦大学的Z.Lu，W.H.Tang,T.Y.Ji和Q.H.Wu等人在《AMorphological Scheme for Inrush Identification in Transformer Protection》(IEEETransactions on Power Delivery,Vol.24,No.2,2009)(《一种基于形态学方法的变压器励磁涌流识别》(IEEE输电汇刊，2009年第2期))提出了一种基于数学形态学的分解方法提取励磁涌流的波形特征来进行识别，该算法具有计算负担不大、数据窗口短等特点。但这种方法在一些情况下并不可靠，如当故障出现不是在0度合闸角时出现，在电流的前一个半波将不能可靠识别。

公告号为CN 101567552A的中国发明专利公开了一种利用形态结构的电力变压器励磁涌流与内部短路识别方法，该发明专利提出了利用正弦半波结构元素分别对变压器三相差流进行形态学分析，求取原始信号与形态学分析结果波形的一致性，其本质为反应原波形信号与正弦波的相似程度，通过比较波形一致性系数的大小实现电力变压器励磁涌流与内部故障电流的识别；该方法虽然克服了一些现有技术的不足，但其采样数据窗口长达25ms，造成了较长时间的延迟，不能满足高压变压器需要快速动作的要求，较长的动作时间也加剧了内部故障电流对变压器的损害。在变压器CT饱和时，内部故障电流将不再是正弦波，此时就不能通过波形一致性系数的大小来识别励磁涌流与内部短路电流，因此该发明专利的方法不适合在变压器CT饱和时使用。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种延时小、可靠性高及计算量小的基于形态学梯度的变压器励磁涌流识别方法，本发明的识别方法在CT饱和时刻也能够识别出励磁涌流与内部故障电流。

本发明的目的通过下述技术方案实现：一种基于形态学梯度的变压器励磁涌流识别方法，包括以下步骤：

(1)采集变压器差动保护两侧电流互感器的差动电流信号I；

(2)采用f_s的采样频率对采集到的差动电流信号I进行采样，得到差动电流信号I在各采样点的值；

(3)当步骤(2)中采样得到的差动电流信号I的值超过差动保护启动元件的整定值I_cd时，识别差动电流信号I是否为励磁涌流，具体识别步骤为：

(3-1)选取数据窗口为半个基频周期长的差动电流信号I，利用改进后的数学形态梯度算法对差动电流信号I进行形态分析，得到差动电流信号I关于结构元素g⁺和g^-的形态梯度I_g，

$I_{g^{+}}=(I\⊕g^{+})-\left(\mathrm{I\Θ}{g}^{+}\right);$

$I_{g^{-}}=(I\⊕g^{-})-\left(\mathrm{I\Θ}{g}^{-}\right);$

$I_g=I_{g^{+}}+I_{g^{-}};$

g⁺和g^-是长度相同而原点不同的结构元素；Θ和⊕分别是数学形态学中的腐蚀和膨胀算子；I_g+表示差动电流信号I经结构元素g⁺膨胀和腐蚀后的形态梯度，I_g-表示差动电流信号I经结构元素g^-膨胀和腐蚀后的形态梯度；

(3-2)定义比值系数σ，σ表示半个基频周期内差动电流信号I的形态梯度峰值与差动电流信号I的幅值的比值，

$\mathrm{\σ}=\frac{\max \left\{\right|I_g\left|\right\}}{\left|\max \right\{I\}-\min \{I\left\}\right|};$

max{I}与min{I}分别为半个基频周期内差动电流信号I采样数据中的最大值和最小值；

当σ>σ_set时，则判定差动电流信号I为励磁涌流，否则执行步骤(3-3)；其中σ_set为变压器励磁涌流和内部故障电流识别的整定值；

(3-3)定义系数C，用于反映数据窗口内平缓波形采样点的数目；

若|I_g(n+1)-I_g(n)|<M,n＝1,2,3,...,N-1，则C＝C+1；

其中N为采用点的个数，N＝t×f_s，f_s为采样频率，t为数据窗口的长度，即半个基频周期；M为一个阀值；

若C>C_set，表示形态梯度I_g存在平缓的波形结构，则判别差动电流信号I为励磁涌流；否则判别该差动电流信号I为内部故障电流；其中C_set是判别是否存在平缓波形结构的判据。

优选的，所述σ_set的值设定为0.5。

优选的，所述系数C的初始值为0。

优选的，所述C_set的值设定为N/4。

优选的，所述步骤(3-3)中M的值设定为0.1I_cd。

优选的，所述结构元素g⁺为：

$g^{+}=\{0_1,0_2,...,0_{l-1},\underset{\&OverBar;}{0_l},\};$

所述结构元素g^-为：

$g^{-}=\{\underset{\&OverBar;}{0_1},0_2,...,0_{l-1},0_l,\};$

下划线表示g⁺和g^-各自的原点位置，l是结构元素的长度。

变压器励磁涌流出现的原因如下：

假设变压器是以正弦母线电压作为输入电压，则其稳态磁通可表示为

$\mathrm{\&phi;}=\frac{1}{N}\&Integral;\sin \mathrm{\&omega;tdt}=\frac{1}{\mathrm{\&omega;N}}\cos \mathrm{\&omega;t};$

其中N为绕组匝数，ω为角频率。

当变压器空载合闸或外部故障切除恢复通电，由于铁芯磁通不能突变，此时铁芯磁通将出现一个非周期分量的瞬态磁通，铁芯中的总磁通应看成两个磁通叠加而成，考虑通电时铁芯中有剩磁，经过线性化推导可以得到变压器通电后的磁通随时间变化的表达式，如下：

φ_t＝-φ_m cos(ωt+α)+φ_me^-τt cosα+φ_r；

其中φ_m为变压器正常运行时磁通幅值，φ_r为铁芯剩磁，α表示合闸角。有此表达式可知，铁芯的总磁通将可以达到2φ_m+φ_r，这将使得铁芯饱和。将铁芯磁通经过磁化曲线映射后可得到励磁涌流。

本发明相对于现有技术具有如下的优点及效果：

(1)本发明方法仅选取半个基频周期长的数据窗口即可实现励磁涌流的识别，因此本发明方法的延时小；本发明方法在判别励磁涌流和内部故障电流时，通过励磁涌流和内部故障电流的形态学梯度结果不同而实现判别，所利用的改进后的数学形态学梯度算法只涉及到少量的运算，因此本发明方法的步骤简单、计算量小，通过简单的硬件即可容易。

(2)本发明方法采用改进后的形态学梯度实现励磁涌流和内部故障电流的识别，当变压器的CT饱和时，励磁涌流和内部故障电流的形态梯度峰值与电流信号I的幅值(最大值与最小值之差)的比值σ均减小，因此内部故障电流和励磁涌流的形态梯度峰值与电流信号I幅值的比值σ均可能小于设定的整定值σ_set；但由于内部故障电流不存在间断角，因此其形态梯度中并不出现平缓的波形结构，此时通过第二判据C来判断所识别的电流信号是否为励磁涌流。因此即使是在CT饱和条件下，本发明方法都能有效识别出励磁涌流而闭锁差动保护。

(3)本发明方法通过两个判别依据σ和C实现对变压器中励磁涌流和内部故障电流识别，当差分电流信号的第一判别依据σ≤σ_set时，利用第二判别依据C对差分电流信号进行再次判别，因此本发明变压器励磁涌流识别方法的可靠性非常高。

附图说明

图1是本发明方法的流程图。

图2a和2b分别是本发明方法中内部故障电流和励磁涌流的波形图。

图3是本发明方法的励磁涌流及其形态梯度算法处理后的结果。

图4是本发明方法的内部故障电流及其形态梯度算法处理后的结果。

图5是本发明方法的在CT饱和时励磁涌流及其形态梯度算法处理后的结果。

图6是本发明方法的在CT饱和时内部故障电流及其形态梯度算法处理后的结果。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，本实施例一种基于形态学梯度的变压器励磁涌流识别方法，包括以下步骤：

(1)采集变压器差动保护两侧电流互感器的差动电流信号I；其中差动电流信号I的基频周期为20ms。

(2)采用f_s为3.2KHZ的采样频率对采集到的差动电流信号I进行采样，得到差动电流信号I在各采样点的值。

(3)当步骤(2)中采样得到的差动电流信号I的值超过差动保护启动元件的整定值I_cd＝0.1A时，识别差动电流信号I是否为励磁涌流，具体识别步骤为：

(3-1)选取数据窗口为半个基频周期长10ms的差动电流信号I，利用改进后的数学形态梯度算法对差动电流信号I进行形态分析，得到差动电流信号I关于结构元素g⁺和g^-的形态梯度I_g；

$I_{g^{+}}=(I\&CirclePlus;g^{+})-\left(\mathrm{I\&Theta;}{g}^{+}\right);$

$I_{g^{-}}=(I\&CirclePlus;g^{-})-\left(\mathrm{I\&Theta;}{g}^{-}\right);$

$I_g=I_{g^{+}}+I_{g^{-}};$

g⁺和g^-是长度相同而原点不同的结构元素；

本实施例采用的结构元素g⁺为：

$g^{+}=\{0_1,0_2,...,0_{l-1},\underset{\&OverBar;}{0_l},\};$

结构元素g^-为：

$g^{-}=\{\underset{\&OverBar;}{0_1},0_2,...,0_{l-1},0_l,\};$

下划线表示g⁺和g^-各自的原点位置，l是结构元素的长度；

Θ和⊕分别是数学形态学中的腐蚀和膨胀算子；I_g+表示差动电流信号I经结构元素g⁺膨胀和腐蚀后的形态梯度，I_g-表示差动电流信号I经结构元素g^-膨胀和腐蚀后的形态梯度。

(3-2)定义比值系数σ，σ表示半个基频周期内差动电流信号I的形态梯度峰值与差动电流信号I的幅值的比值，反映了差动电流信号I的尖峰特性，

$\mathrm{\&sigma;}=\frac{\max \left\{\right|I_g\left|\right\}}{\left|\max \right\{I\}-\min \{I\left\}\right|};$

max{I}与min{I}分别为半个基频周期内差动电流信号I采样数据中的最大值和最小值；

当σ>σ_set时，则判定差动电流信号I为励磁涌流，否则执行步骤(3-3)；其中σ_set为变压器励磁涌流和内部故障电流识别的整定值，本实施例中σ_set为0.5。

(3-3)定义系数C，用于反映数据窗口内平缓波形采样点的数目；

若|I_g(n+1)-I_g(n)|<M,n＝1,2,3,...,N-1，则C＝C+1；

其中N为采用点的个数，N＝t×f_s＝10ms×3.2KHZ＝32，f_s为采样频率，t为数据窗口的长度，即半个基频周期；C的初始值为0；M为一个阀值；本实施例的M取0.1I_cd＝0.01。

若C>C_set，表示形态梯度I_g存在平缓的波形结构，则判别差动电流信号I为励磁涌流；否则判别该差动电流信号I为内部故障电流；其中C_set是判别是否存在平缓波形结构的判据，本实施例的C_set＝N/4＝8。

上述步骤所采用的数学形态学是图象分析中形状表示的重要方法，是形状的定量描述。数学形态学在信号处理中的应用主要是灰值形态学，其两种基本的形态函数是灰值膨胀和灰值腐蚀。假设待处理信号f(n)是采样得到的一维信号，其定义域为D[f]＝{1,2,3,...,N}；N为f(n)的序列长度。g(k)为一维结构元素序列，其定义域为D[g]＝{1,2,3,...,P}；其中，P为g(k)的序列长度，P和N都是整数，N≥P。f(n)在以下公式中记为f，g(k)在以下公式中均记为g。则f(n)灰值膨胀(f⊕g)(n)和腐蚀(fΘg)(n)分别定义为：

(f⊕g)(n)＝max{f(n-x)+g(x)|(n-x)∈D_f且x∈D_g}；

(fΘg)(n)＝min{f(n+x)-g(x)|(n+x)∈D_f且x∈D_g}；

⊕表示膨胀运算，Θ表示腐蚀运算，腐蚀是求取极小值，膨胀运算是求取极大值。max表示集合中{f(n-x)+g(x)|(n-x)∈D_f且x∈D_g}中的最大元素，min表示集合{f(n+x)-g(x)|(n+x)∈D_f且x∈D_g}中的最小元素，x为平移变量。灰值腐蚀和膨胀是不可逆运算，先腐蚀后膨胀称为灰值开运算，先膨胀后腐蚀称为灰值闭运算。序列f(n)关于g(k)的开运算fοg和闭运算f·g分别定义为：

fοg＝fΘg⊕g；

f·g＝f⊕gΘg；

ο为形态开运算，·为形态闭运算。

形态学梯度被定义为：原始采样函数f(n)分别经结构元素g腐蚀、膨胀后的数字差分，可表示为：

G_grad＝(f⊕g)-(fΘg)。

改进的形态学梯度是采用两个长度相同而原点位置不同的结构元素对信号进行形态学算法处理，可表示为：

$f_{g^{+}}=(f\&CirclePlus;g^{+})-\left(\mathrm{f\&Theta;}{g}^{+}\right);$

$f_{g^{-}}=(f\&CirclePlus;g^{-})-\left(\mathrm{f\&Theta;}{g}^{-}\right);$

$f_g=f_{g^{+}}+f_{g^{-}};$

其中，g⁺和g^-是长度相同而原点位置不同的结构元素，g⁺用于提取上升边缘的形态梯度，而g^-则用于提取下降边缘的形态梯度。

改进后的形态梯度与标准形态梯度相比，由于其分别针对信号的上升边缘及下降边缘作出提取，因此其能更好地提取出波形信号的梯度特征。其中只提取上升边缘的形态梯度，只提取下降边缘的形态梯度，两者相加得到整个波形信号的形态梯度。

励磁涌流和内部故障电流的波形有明显的区别，励磁涌流是因变压器铁芯饱和而产生的，其波形是非正弦的，并且每一个波形之间都有一个间断，而内部故障电流基本是正弦波形。如图2b所示，在励磁涌流出现的初始阶段，其斜率很小，随着时间的变化而不断增大，出现尖峰波形状；而内部故障电流则恰好相反，如图2a所示，其在开始时刻斜率较大，在波峰时则斜率较小。励磁涌流和内部故障电流在斜率上的这一特点促使它们能够利用形态梯度进行区分，由于形态梯度能在一定程度上反映斜率的大小，其相比于普通差分算法具有较好的抗噪声能力。

如图3所示为利用本实施例中改进的数学形态学梯度算法所得到的励磁涌流的形态梯度，如图4所示为利用本实施例中改进的数学形态学梯度算法所得到的内部故障电流的形态梯度，对比图3和图4可以得出励磁涌流和内部故障电流的形态梯度有比较明显的区别。在形态梯度的峰值与信号幅值的比值σ上，励磁涌流的比值要比内部故障电流的要大，这反映了励磁涌流在峰值处的斜率要比内部故障电流的要大，体现了励磁涌流所具有的尖峰特性，基于这一区别，可以通过电流信号的形态梯度的峰值与电流信号幅值的比值系数σ来区分该电流信号是励磁涌流还是内部故障电流，若σ>σ_set，则该电流信号为励磁涌流。其中本实施例中σ_set为0.5，从图3和图4中可以看出：在出现励磁涌流时，σ>0.5，而在出现内部故障电流时，σ<0.5，故可以区分出励磁涌流和内部故障电流。变压器励磁涌流的形态梯度中存在平缓的波形结构，而内部故障电流的形态梯度中并没有，其实这本质上是反映了励磁涌流存在间断角的特性，因此本实施例在σ判别后再通过判定形态梯度中是否存在平缓波形结构来进一步判定电流信号是励磁涌流还是内部故障电流，提高了本实施例识别方法的可靠性。

本实施例根据这两个判据σ和C可以有效识别出励磁涌流而闭锁差动保护，当识别为励磁涌流时将闭锁保护，闭锁信号以“1”标记，而当识别为内部故障电流则不闭锁，闭锁信号则以“0”标记，励磁涌流和内部故障电流使用本实施例方法后得到的闭锁信号如图3和图4所示，从图中可知当出现励磁涌流时能有效发出闭锁信号，有效的防止了变压器差动保护的误动作。

如图5和图6所示分别为本实施例在电流互感器CT饱和条件下所识别出的变压器励磁涌流和内部故障电流。当CT饱和时，励磁涌流和内部故障电流的形态梯度峰值与电流信号幅值的比值σ均减小，因此内部故障电流和励磁涌流的形态梯度峰值与电流信号幅值的比值均可能小于设定的整定值σ_set；但由于内部故障电流不存在间断角，因此其形态梯度中并不出现平缓的波形结构，此时可以通过第二判据C来判断所识别的电流信号是否为励磁涌流。因此即使是在CT饱和条件下，本实施例的方法也能有效识别出励磁涌流而闭锁差动保护。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种基于形态学梯度的变压器励磁涌流识别方法，其特征在于，包括以下步骤：

(1)采集变压器差动保护两侧电流互感器的差动电流信号I；

(2)采用f_s的采样频率对采集到的差动电流信号I进行采样，得到差动电流信号I在各采样点的值；

(3)当步骤(2)中采样得到的差动电流信号I的值超过差动保护启动元件的整定值I_cd时，识别差动电流信号I是否为励磁涌流，具体识别步骤为：

(3-1)选取数据窗口为半个基频周期长的差动电流信号I，利用数学形态梯度算法对差动电流信号I进行形态分析，得到差动电流信号I关于结构元素g⁺和g_-的形态梯度I_g，

$I_{g^{+}}=(I\&CirclePlus;g^{+})-\left(\mathrm{I\&Theta;}{g}^{+}\right);$

$I_{g^{-}}=\left(\mathrm{I\&Theta;}{g}^{-}\right)-(I\&CirclePlus;g^{-});$

$I_g=I_{g^{+}}+I_{g^{+}};$

g⁺和g_-是长度相同而原点不同的结构元素；Θ和⊕分别是数学形态学中的腐蚀和膨胀算子；表示差动电流信号I经结构元素g⁺膨胀和腐蚀后的形态梯度，I_g-表示差动电流信号I经结构元素g_-膨胀和腐蚀后的形态梯度；

(3-2)定义比值系数σ，σ表示半个基频周期内差动电流信号I的形态梯度峰值与差动电流信号I的幅值的比值，

$\mathrm{\&sigma;}=\frac{\max \left\{\right|I_g\left|\right\}}{\left|\max \right\{I\}-\min \{I\left\}\right|};$

max{I}与min{I}分别为半个基频周期内差动电流信号I采样数据中的最大值和最小值；

当σ>σ_set时，则判定差动电流信号I为励磁涌流，否则执行步骤(3-3)；其中σ_set为变压器励磁涌流和内部故障电流识别的整定值；

(3-3)定义系数C，用于反映数据窗口内平缓波形采样点的数目；

若|I_g(n+1)-I_g(n)|<M,n＝1,2,3,...,N-1，则C＝C+1；

其中N为采用点的个数，N＝t×f_s，f_s为采样频率，t为数据窗口的长度，即半个基频周期；M为一个阀值；

若C>C_set，表示形态梯度I_g存在平缓的波形结构，则判别差动电流信号I为励磁涌流；否则判别该差动电流信号I为内部故障电流；其中C_set是判别是否存在平缓波形结构的判据。

2.根据权利要求1所述的基于形态学梯度的变压器励磁涌流识别方法，其特征在于，所述σ_set的值设定为0.5。

3.根据权利要求1所述的基于形态学梯度的变压器励磁涌流识别方法，其特征在于，所述系数C的初始值为0。

4.根据权利要求1所述的基于形态学梯度的变压器励磁涌流识别方法，其特征在于，所述C_set的值设定为N/4。

5.根据权利要求1所述的基于形态学梯度的变压器励磁涌流识别方法，其特征在于，所述步骤(3-3)中M的值设定为0.1I_cd。

6.根据权利要求1所述的基于形态学梯度的变压器励磁涌流识别方法，其特征在于，所述结构元素g⁺为：

g⁺＝{0₁,0₂,…,0_l-1,0 _l ,}；

所述结构元素g_-为：

g^-＝{0 ₁ ,0₂,…,0_l-1,0_l,}；

下划线表示g⁺和g_-各自的原点位置，l是结构元素的长度。