CN104020402A - 一种脉冲触发采集的变电站局部放电脉冲信号降噪方法 - Google Patents

Abstract

本发明涉及一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，包括以下步骤：1)采集带局部放电脉冲的样本信号，将样本信号平均分为两段；2)分别两段信号进行小波变换，将局部放电脉冲所在那一段定为脉冲信号段，另一段为噪声窗信号段；3)对噪声窗信号段进行小波变换，并提取各层小波系数的模最大值；4)将步骤3)获得的各层模最大值作为阈值对脉冲信号段采用小波阈值降噪法进行降噪处理；5)利用去噪后的小波系数和尺度系数重构出降噪后的局放信号。与现有技术相比，本发明可动态提取小波阈值，提高信号降噪的自适应性和降噪效果，在局部放电定位中可提高时间差提取准确性等优点。

Description

一种脉冲触发采集的变电站局部放电脉冲信号降噪方法

技术领域

本发明涉及一种放电脉冲信号处理方法，尤其是涉及一种脉冲触发采集的变电站局部放电脉冲信号降噪方法。

背景技术

变电站内的背景噪声在一定程度上会影响局放信号时间差的提取，甚至淹没局放信号，导致定位结果的精度和可靠性大大降低，因此对变电站采集到的局放信号进行降噪是很有意义的。变电站内的噪声与干扰信号可分为白噪声、连续窄带周期性干扰以及脉冲型干扰。白噪声即为各种随机噪声，如采集系统、信号传输通道内的噪声以及现场的随机噪声等。窄带周期干扰主要为电力系统载波通讯信号、高频保护信号、广播信号以及其他无线电干扰。脉冲型干扰包括线路或高压端电晕放电、电网中的开关、电力电子器件开断引起的脉冲干扰、变电站内其他非检测设备放电引起的干扰、接地不良引起的干扰等。

针对上述噪声与干扰，很多数字信号处理技术被用于提取局部放电脉冲信号，小波分析是发展最快应用最为广泛的方法。小波分析是局部化时频分析，它用时域和频域的联合表示信号的特征，对时域和频域均有良好的局部化性质和多分辨率多尺度的分析能力，非常适合处理奇异性很强的非平稳信号。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种提高局部放电定位中时间差提取准确性的变电站局部放电脉冲信号降噪方法。

本发明的目的可以通过以下技术方案来实现：

一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，包括以下步骤：

1)脉冲触发采集带局部放电脉冲的样本信号，将样本信号平均分为两段，将含局部放电脉冲的那一段定为脉冲信号段，另一段为噪声窗信号段；

2)对噪声窗信号段进行小波变换，并提取各层小波系数的模最大值；

3)将步骤2)获得的各层模最大值作为阈值对脉冲信号段采用小波阈值降噪法进行降噪处理；

4)利用去噪后的小波系数和尺度系数重构出降噪后的局放信号。

所述的小波变换中采用的母小波函数为Daubechies紧支集正交小波。

所述的步骤2)中，小波变换的分解层数为6层。

所述的步骤2)中，提取各层小波系数的模最大值具体包括如下步骤：

A)对噪声窗信号段信号进行离散小波变换，将信号分为低频部分a_i和离散部分d_i，i＝1，2，..，n，n为小波变换的分解层数，从而得到小波分解系数和系数数组长度，数据结构为[C L]，C中保存的是小波分解系数，L为各组系数长度；

B)将各层分解系数最大值作为各层降噪阈值t。

所述的步骤3)中采用小波阈值降噪法为软阈值法。

所述的步骤4)中，重构降噪后的局放信号具体包括如下步骤：利用步骤3)得到的小波分解系数对整段信号进行离散小波逆变换，重构得到降噪信号。

与现有技术相比，本发明具有以下优点：

(1)本发明采用信号分段构建噪声窗处理技术的自适应小波降噪方法，针对不同变电站不同的背景噪声与干扰，使用阈值降噪法，从采集到的信号中动态提取设定噪声阈值，实现对局部放电脉冲信号的提取和自适应降噪，从而提高了局部放电源定位中时间差提取的准确性。

(2)本发明将各层模最大值作为对信号段进行降噪的阈值，可以有效地去除信号中的干扰，实现对采集到的信号进行降噪的目的。

(3)本发明每次提取的噪声和局部放电脉冲是紧紧相邻的，在噪声瞬时不发生突变的情况下，结合软阈值降噪方法可以将噪声完全滤除。

附图说明

图1为本发明的流程示意图；

图2为变电站现场带噪声的局放信号波形图；

图3为经过小波降噪后的局放信号波形图；

图4双指数衰减振荡模拟信号波形图；

图5为加噪声信号及其频谱波形图；

图6为2路模拟时间差信号波形图；

图7为2路模拟信号去噪后波形；

图8为小波降噪后局部放电脉冲信号高频重构示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一、关于小波变换

设信号f(t)是平方可积函数，即f(t)∈L²(R)，ψ(t)为母小波，如果ψ(t)满足容许性条件

$C_{\mathrm{\&psi;}}={\&Integral;}_0^{\&infin;}\frac{{\left|\widehat{\mathrm{\&psi;}}\left(\mathrm{\&omega;}\right)\right|}^2}{\mathrm{\&omega;}}\mathrm{d\&omega;}<\&infin;---\left(1\right)$

对母小波ψ(t)做伸缩和平移得到

${\mathrm{\&psi;}}_{a,b}\left(t\right)=\frac{1}{\sqrt{a}}\mathrm{\&psi;}\left(\frac{t-b}{a}\right)a,b\&Element;R,a\&NotEqual;0---\left(2\right)$

式中ψ_a，b(t)——依赖于参数a、b的连续小波函数；

a——尺度因子，反映函数的尺度(或宽度)；

b——平移因子，检测小波函数在t轴上的平移位置。

对于信号f(t)，其连续小波变换定义为

$\mathrm{Wf}(a,b)=\&lang;f,{\mathrm{\&psi;}}_{a,b}\left(t\right)\&rang;={\&Integral;}_{-\&infin;}^{+\&infin;}f\left(t\right)\frac{1}{\sqrt{a}}{\mathrm{\&psi;}}^{*}\left(\frac{t-b}{a}\right)\mathrm{dt}---\left(3\right)$

其中a≠0，b、t均为连续变量，ψ^*(t)表示ψ(t)的复共轭。

在小波ψ(t)满足容许性条件(1)的前提下，连续小波变换逆变换可表示为

$f\left(t\right)=\frac{1}{C_{\mathrm{\&psi;}}}{\&Integral;}_0^{+\&infin;}{\&Integral;}_{-\&infin;}^{+\&infin;}\mathrm{Wf}(a,b){\mathrm{\&psi;}}_{a,b}\left(t\right)\frac{\mathrm{dadb}}{a^2}---\left(4\right)$

在实践信号分析处理的应用中，需要对变换参数进行离散化，即离散小波变换。在工程实践中，常取a＝2^j，即为二进小波变换。此时，母小波函数的形式为

${\mathrm{\&psi;}}_{2^j,b}\left(t\right)=2^{-\frac{j}{2}}\mathrm{\&psi;}\left(\frac{t-b}{2^j}\right)---\left(5\right)$

对应的小波变换可表示为

$\mathrm{Wf}(2^j,b)={\&Integral;}_{-\&infin;}^{+\&infin;}f\left(t\right)2^{-\frac{j}{2}}{\mathrm{\&psi;}}^{*}\left(\frac{t-b}{2^j}\right)\mathrm{dt}---\left(6\right)$

法国学者Mallat提出了小波分解的快速算法，将小波分解和重构与多分辨率分析结合起来，可得到信号在第j级的尺度系数(近似参数)c_j，k和小波分解系数(细节参数)d_j，k分别为

$c_{j,k}=\underset{m}{\mathrm{\&Sigma;}}h(m-2k)c_{j-1,m}---\left(7\right)$

$d_{j,k}=\underset{m}{\mathrm{\&Sigma;}}g(m-2k)c_{j-1,m}---\left(8\right)$

小波重构公式可表示为

$c_{j-1,m}=\underset{m}{\mathrm{\&Sigma;}}{c}_{j,k}h(m-2k)+\underset{k}{\mathrm{\&Sigma;}}{d}_{j,k}g(m-2k)---\left(9\right)$

式中{h(k)}——低通滤波器系数；

{g(k)}——高通滤波器系数。

对小波系数进行非线性阈值处理的方法主要有硬阈值法、软阈值法与混合阈值法等。硬阈值法对大于阈值的小波系数予以保留，对小于等于该阈值的小波系数置零，即

${\tilde{w}}_{j,k}=\left\{\begin{array}{cc}0& \left|w_{j,k}\right|\&le;\mathrm{\&lambda;}\\ w_{j,k}& \left|w_{j,k}\right|>\mathrm{\&lambda;}\end{array}\right.---\left(10\right)$

软阈值法对大于阈值的小波系数向着其减小的方向收缩阈值λ，对小于等于该阈值的小波系数置零，即

${\tilde{w}}_{j,k}=\left\{\begin{array}{cc}0& \left|w_{j,k}\right|\&le;\mathrm{\&lambda;}\\ \mathrm{sgn}\left(w_{j,k}\right)\&CenterDot;\left(\right|w_{j,k}|-\mathrm{\&lambda;})& \left|w_{j,k}\right|>\mathrm{\&lambda;}\end{array}\right.---\left(11\right)$

硬阈值法在均方误差意义上优于软阈值法，能够较好的保留信号的能量，但是由于硬阈值函数并非连续函数，其重构的信号会产生附加振荡，光滑性较差。经过软阈值法处理重构得到的信号整体连续性好，不会产生附加振荡。混合阈值结合硬阈值和软阈值各自的特点，对不同的尺度选用不同的阈值处理方法，可以取长补短，提升降噪的效果。

二、本发明原理

如图1所示，一种变电站局部放电脉冲信号降噪方法，主要分为波形分段、噪声窗小波变换、噪声阈值提取、信号段小波变换、阈值降噪、波形重构等几步构成，具体描述如下：

在步骤S1中，脉冲触发采集带局部放电脉冲的样本信号，将样本信号平均分为两段，将含局部放电脉冲的那一段定为脉冲信号段，另一段为噪声窗信号段。

在步骤S2中，对噪声窗信号段进行小波变换，并提取各层小波系数的模最大值。小波变换可以使噪声迅速衰减，而保留奇异性很强的局放信号，小波变换的分解层数为6层。

提取各层小波系数的模最大值具体为：

A)对噪声窗信号段信号进行离散小波变换，将信号分为低频部分a_i(称为近似部分)和离散部分d_i(称为细节部分)，近似部分代表了信号的主要特征，，i＝1，2，..，n，n为小波变换的分解层数，进而得到小波分解系数和系数数组长度，数据结构为[C L]，n＝6时，其中C＝[a₆ d₆ d₅ d₄ d₃ d₂ d₁]，L＝[length(a6)…length(d₁)]，C中保存的为小波分解系数，L为各组系数长度；

B)将各层分解系数最大值作为各层降噪阈值t，即t＝[max(d₁)max(d₂)…max(d₆)max(a₆)]。

采用matlab实现上述步骤时，[C，L]＝wavedec(X，N，′wname′)，将信号X，用名为wname的小波N层分解，返回值[C，L]为所得到的小波分解结构。

X＝wrocef(′type′，C，L，′wname′，N)是对一维小波系数进行单支重构的函数，重构上述分解所得[C，L]的第N层的分解系数，分解和重构所用的小波必需一致。函数有两种重构方式，type＝a，为低频重构；type＝d，为高频重构(或者成为细节部分重构)，局部放电脉冲信号为高频信号，为了更好地判断识别，因而采取高频重构，如图8所示。

在步骤S3中，将步骤S2获得的各层模最大值作为阈值对脉冲信号段采用小波阈值降噪法进行降噪处理。

在步骤S4中，利用去噪后的小波系数和尺度系数重构出降噪后的局放信号。

经过小波变换后，由信号产生的小波系数包含有信号的重要信息，其幅值较大，但数目比较少；而噪声对应的小波系数幅值比较小。通过在不同的尺度上选取合适的阈值，将小于该阈值的小波系数置零，保留或者部分保留大于阈值的小波系数，即可有效抑制信号中的噪声。小波阈值降噪法的核心思想在于小波变换将有用的信号信息压缩，将噪声的信息分散。

降噪效果的好坏主要取决于母小波函数、分解层数以及阈值的选取，选择合适的参数可以有效地提高降噪效果，从而更准确地提取信号之间的时间差来实现局放源定位。

母小波函数的选取是对信号进行小波分析的第一步。通常，母小波函数波形与所分析信号形状的匹配性越好，提取出的局放信号效果越好。可利用计算所分析信号与各母小波间的相关性来选择，本方法采用了Daubechies紧支集正交小波，它与局放信号有很好的匹配性，在信号的奇异点处有较大的小波系数，因此广泛用作局放信号提取和降噪的母小波函数。

分解层数的选取对于噪声中局部放电脉冲信号的有效提取也有很大的影响。分解层数太少难以去除低频干扰进而影响重构信号的准确度，去噪效果比较差；分解层数太多则会导致信号失真，影响对信号的分析和处理。本方法在进行了多次仿真试验后，对信号做6层分解来实现降噪。

阈值的选取是小波阈值降噪法的核心，选择合适的阈值对于降噪效果有决定性的影响。在局放源定位中，提取多路信号时间差的精确性是能否准确定位的关键所在。而对含噪信号而言，根据信号本身含有的噪声来动态提取降噪阈值，才能得到更好的降噪效果。通常，局放信号的长度在几十ns至一百ns左右，而采样时间一般在几μs左右，可以认为在采样时间内变电站的背景噪声中，周期性干扰和白噪声的时频特性变化很小，而脉冲型干扰出现的概率也比较小，且其对于定位时间差的影响很小。因此，采用对采集到的局放信号进行分段处理的思想，将采集到的用于定位的局部放电脉冲信号分为两段，即噪声窗信号段与信号段。对噪声窗信号段进行小波变换，并提取各层小波系数的模最大值。由于噪声窗信号段的噪声水平与信号段的噪声水平基本相当，将各层模最大值作为对信号段进行降噪的阈值，可以有效地去除信号中的干扰，实现对采集到的信号进行降噪的目的。本方法进小波阈值降噪时采用软阈值的方法。

图2为实际采集到的变电站内含有噪声的局部放电脉冲信号，可以看到其含有大量的窄带背景噪声信号，为局放信号起始时刻的提取带来了很大的困难。采用上述小波降噪方法之后，得到去噪后的信号如图3所示。可以看到背景噪声已经基本被除去，可以很清楚地看到局放信号的起始时刻。为了验证此方法是否会对波形本身及波形之间的时间差产生影响，进一步进行信号的仿真验证。利用双指数衰减振荡模型模拟局部放电脉冲信号，如图4所示，模拟信号采样率为5GS/s，采样时长为1。在模拟信号中添加900MHz的定频信号与白噪声信号，以近似模拟变电站内的背景噪声。添加噪声之后的信号及其频谱如图5所示。

验证降噪过程对于多路信号时间差的影响，模拟2路含有上述噪声的模拟信号，其时间差为1000个点，如图6所示。对该模拟信号进行小波阈值降噪后，得到如图7所示波形。不难看出，原含噪信号中的噪声得到了有效的抑制，而脉冲信号得到了保留。求取2路信号时间差得到二者仍然相差1000个点，即降噪未对信号之间的时间差产生影响。

Claims (6)

1.一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，其特征在于，包括以下步骤：

1)脉冲触发采集带局部放电脉冲的样本信号，将样本信号平均分为两段，将含局部放电脉冲的那一段定为脉冲信号段，另一段为噪声窗信号段；

2)对噪声窗信号段进行小波变换，并提取各层小波系数的模最大值；

3)将步骤2)获得的各层模最大值作为阈值对脉冲信号段采用小波阈值降噪法进行降噪处理；

4)利用去噪后的小波系数和尺度系数重构出降噪后的局放信号。

2.根据权利要求1所述的一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，其特征在于，所述的小波变换中采用的母小波函数为Daubechies紧支集正交小波。

3.根据权利要求1所述的一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，其特征在于，所述的步骤2)中，小波变换的分解层数为6层。

4.根据权利要求1所述的一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，其特征在于，所述的步骤2)中，提取各层小波系数的模最大值具体包括如下步骤：

A)对噪声窗信号段信号进行离散小波变换，将信号分为低频部分a_i和离散部分d_i，i＝1，2，..，n，n为小波变换的分解层数，从而得到小波分解系数和系数数组长度，数据结构为[C L]，C中保存的是小波分解系数，L为各组系数长度；

B)将各层分解系数最大值作为各层降噪阈值t。

5.根据权利要求1所述的一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，其特征在于，所述的步骤3)中采用小波阈值降噪法为软阈值法。

6.根据权利要求4所述的一种脉冲触发采集的变电站局部放电脉冲信号降噪方法，其特征在于，所述的步骤4)中，重构降噪后的局放信号具体包括如下步骤：利用步骤3)得到的小波分解系数对整段信号进行离散小波逆变换，重构得到降噪信号。