CN106771905A - 一种适用于高频电流局部放电检测的脉冲提取方法 - Google Patents

Abstract

本发明公开了一种适用于高频电流局部放电检测的脉冲提取方法，所述方法包括：步骤1：首先对经过AD采集的数字信号序列进行小波分解；步骤2：对小波分解后的信号进行特征量计算，获得小波分解系数的峰值和峰值对应的均方根值；步骤3：根据各级小波分解系数的峰值与有效值的比值，确定信号类型并进行小波分解系数收缩；步骤4：对包含局部放电脉冲信号的小波系数进行重构；步骤5：基于重构的信号，通过自动阈值计算提取出脉冲段，实现了降低计算复杂度，提高了滤波的效率，实时高性能的噪声抑制的技术效果。

Description

一种适用于高频电流局部放电检测的脉冲提取方法

技术领域

本发明涉及局部放电高频电流检测技术领域，具体地，涉及一种适用于高频电流局部放电检测的脉冲提取方法。

背景技术

局部放电检测是发现高压电气设备潜在绝缘缺陷的重要手段，具有灵敏度高和及时有效的特点。其中，高频电流局部放电检测通过罗氏线圈卡接在设备的接地线上的方式，不需要对设备进行任何改造或改变运行方式，便于安装实施。随着检测频带日益向高频和宽带发展，高频电流法反映的局部放电信号信息也更加丰富，并进而发展了多放电源的聚类分析的能力。

对高频电流法而言，由于相对检测频率仍较低，一般低于100MHz，现场各种高频谐波、窄带干扰和地网中的噪声干扰会严重影响高频法检测的准确性。高压电气设备内部局部放电信号非常微弱，当检测信噪比较低时，噪声信号往往会湮灭局部放电信号，造成局放脉冲无法有效提取；而且现场的干扰源较多，干扰频率差异很大，如何实现对多种窄带干扰存在情况下自适应的噪声信号识别，并在检测过程中实时的予以抑制，成为高频局放检测的技术瓶颈。为提高局部放电在线监测系统现场监测的灵敏度，有限冲击响应滤波器、无限冲击响应滤波器、卡尔曼滤波器以及相关分析、模式识别和小波分析等多种数字化去噪方法得到了应用。目前已经发展的各种干扰抑制方法，主要存在两个问题：一种是固定频率窄带滤波方法，这种处理方法自适应程度不够，对于存在多干扰频率的情况效果不佳；另一个问题就是对各类信号特征信息的认识不充分，滤波器系数的取舍缺乏针对性，导致滤波算法复杂、滤波效果不佳，而且计算量大，不能满足快速实时滤波的要求。这种滤波方式往往用于局部放电数据的后处理，比如以误差最小为目标函数的阈值最优化迭代算法，需要大量的重复迭代，计算量大、计算时间长。已有自适应滤波方法一般基于有用信号频谱系数绝对值较大但数目较少，而噪声对应的频谱系数是一致分布的，个数较多但绝对值较小的假定，将含噪信号频谱系数中绝对值较小的系数置为零，保留或收缩绝对值较大的系数并进行信号重构以达到去除噪声干扰的目的。事实上，局放信号属于瞬态脉冲型宽频信号，而窄带干扰信号的频谱反而数目少且绝对值大，因此即便对阈值进行优化也难以取得满意的效果。

综上所述，本申请发明人在实现本申请发明技术方案的过程中，发现上述技术至少存在如下技术问题：

在现有技术中，现有的高频电流局部放电检测的脉冲提取方法，存在自适应程度较差，滤波算法复杂效果不佳，计算量大的技术问题。

发明内容

本发明提供了一种适用于高频电流局部放电检测的脉冲提取方法，解决了现有的高频电流局部放电检测的脉冲提取方法，存在自适应程度较差，滤波算法复杂效果不佳，计算量大的技术问题，实现了降低计算复杂度，提高了滤波的效率，实时高性能的噪声抑制的技术效果。

为解决上述技术问题，本申请提供了一种适用于高频电流局部放电检测的脉冲提取方法，该方法基于小波分解的高效自适应滤波和阈值选取，所述方法包括：

步骤1：首先对经过AD采集的数字信号序列进行小波分解；

步骤2：对小波分解后的信号进行特征量计算，获得小波分解系数的峰值和峰值对应的均方根值；

步骤3：根据各级小波分解系数的峰值与有效值的比值，确定信号类型并进行小波分解系数收缩；

步骤4：对包含局部放电脉冲信号的小波系数进行重构；

步骤5：基于重构的信号，通过自动阈值计算提取出脉冲段。

其中，本申请基于局部放电信号频谱、窄带干扰信号频谱及白噪声干扰频谱的特点，提出了一种基于小波分解的高效自适应滤波和阈值选取的方法，该方法能够充分利用已有各类信号频谱特征，实现高速实时和自适应的有效滤除中心频率未知的多频窄带干扰和部分白噪声干扰，进而通过自动阈值设定准确的提取局部放电脉冲信号。

本申请基于小波多分辨分析特性，在深入研究窄带干扰信号、局部放电信号以及白噪声小波分解系数特征的基础上，提出了基于一种小波分解系数统计分布特征的自适应滤波方法，该方法能够实现对于中心频率不确定情况下窄带干扰和白噪声的有效抑制，算法针对FPGA硬件设计，实时性高、计算量，滤波效果显著。同时，对于经过上述滤波算法消噪后的信号，给出了对应的自适应阈值的选取方法，以实现脉冲信号的准确提取。

进一步的，所述步骤1中采集的数字信号s(t)中包括：待提取的局部放电脉冲信号、窄带干扰信号N_fi(t)、白噪声信号N_w(t)，其中，N_fi(t)中包含至少一个中心频率的窄带干扰。

进一步的，所述对经过AD采集的数字信号序列进行小波分解，具体包括：

a)原始序列S(n)进行下抽样，得到奇数序列S(n/2-1)、偶数序列S(n/2)，这里的S(n/2)、S(n/2-1)分别是S(n)的一半；

b)S(n/2-1)与高通滤波器h(n/2-1)进行乘加运算，得到序列S1(n/2-1)和高频系数cD1；

c)S(n/2)与低通滤波器g(n/2)进行乘加运算，得到序列S1(n/2)和低频系数cA1；

d)S1(n/2)进行向下抽取，得到奇数序列S1(n/4-1)、偶数系列S1(n/4)，这里S1(n/4-1)、S1(n/4)分别为S1(n/2)系列的一半；

e)S(n/4-1)与高通滤波器h(n/4-1)进行乘加运算，得到序列S2(n/4-1)和高频系数cD2；

f)S(n/4)与低通滤波器g(n/4)进行乘加运算，得到序列S2(n/4)和低频系数cA2；

g)依次分解低频序列，最终得到小波系数分别为：低频系数cA6，高频系数cD6～cD1。

其中，为了降低算法的复杂度，采用小波分解方法，该方法可以将信号和噪声分离，达到提高信噪比的目的，实现在高采样率下实时的高性能噪声抑制。

进一步的，经过步骤1分解后得到的小波系数分别为：低频系数cA6，高频系数cD6～cD1，对各级小波分解系数计算特征量，分别为峰值V_{p_cA6}，V_{p_cD6}～V_{p_cD1}，以及其均方根值RMS_cA6，RMS_cD6～RMS_cD1；

以cA6系数为参考，小波分解系数的峰值计算方法为：

V_{p_cA6}＝Max(cA6) (1)

对应均方根值计算公式为：

i＝1,2,...,N，N为小波系数长度，cA6(i)²为cA6的均方根值。

进一步的，所述根据各级小波分解系数的峰值与有效值的比值，确定信号类型，具体包括：

若cA6系数峰值与有效值比值为大于或等于3且小于或等于5，且标准方差与峰值百分比大于等于40％，则确认为窄带干扰信号；若cD6、cD5系数峰值与有效值之比在6～10之间，且标准方差与峰值百分比大于等于15％，则确认为随机白噪声干扰；若cD4～cD1系数均大于20，且标准方差与峰值百分比均小于5％，则确认为局部放电脉冲信号。

进一步的，所述对包含局部放电脉冲信号的小波系数进行重构，具体包括：

a)低频分量cA6，高频分量cD6上抽样后，与低频滤波器H，高频滤波器G

相乘累加后再相加得到低频分量cA5；

b)依次按照a)的方法得到低频分量cA4、cA3、cA2、cA1；

c)最终将低频分量cA1、高频分量cD1上抽样后，与低频滤波器H，高频滤

波器G相乘累加得到原始信号S。

其中，上抽样即从输入序列第一个数开始每隔一个数插入一个0值，插值后的序列长度增加一倍。

其中，小波重构可以实时的、有效的滤除原始信号中的窄带干扰和白噪声，更准确的提取放电脉冲段。

进一步的，自动阈值V_th＝mean(s)+3σ，其中，mean(s)为重构信号的波形，σ为重构信号标准方差。

进一步的，以过阈值时刻tsamp作为信号到达时间，记录其时间戳，并在该时刻前后分别取0.5us和2us截取该脉冲段，并在段末加上其时间戳和幅值项，作为一个完整的数据记录包。

其中，本方法基于不确定多中心频率窄带干扰和白噪声小波系数统计特征，并基于此提出了小波分解信号辨识准则；本方法基于小波系数峰值与有效值比值，及小波系数标准方差与峰值百分比规则，提出了直接将窄带干扰和白噪声系数置零后重构的快速实时方法，本方法利用重构局放信号的时域统计量，即均值和标准差构造了自适应的脉冲信号阈值的方法，实现了局放脉冲波形信息不丢失情况下的数据压缩。

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

本发明克服了以往局放信号滤波方法中对于多频率窄带干扰信号及白噪声的滤波效果，降低了计算的复杂度，省略了传统自适应滤波中阈值优化叠代过程，极大的提高了滤波的效率，实现了在高采样率下实时高性能的噪声抑制；并通过自适应阈值的脉冲段提取，在不损失脉冲波形信息的情况下放电数据的压缩，为后续局放信号的准确诊断提供了良好的预处理。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定；

图1是本申请中适用于高频电流局部放电检测的脉冲提取方法的流程示意图；

图2a-d为是本申请中现场采集的实测含噪高频脉冲电流信号波形示意图；

图3是本申请中小波分解方法的流程示意图；

图4是本申请中小波分解树示意图；

图5是本申请中小波重构方法的流程示意图；

图6是本申请中各级重构信号子波形示意图；

图7是本申请中重构的局放信号波形示意图。

具体实施方式

本发明提供了一种适用于高频电流局部放电检测的脉冲提取方法，解决了现有的高频电流局部放电检测的脉冲提取方法，存在自适应程度较差，滤波算法复杂效果不佳，计算量大的技术问题，实现了降低计算复杂度，提高了滤波的效率，实时高性能的噪声抑制的技术效果。

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一：

在实施例一中，请参考图1，提供了一种适用于高频电流局部放电检测的脉冲提取方法，所述方法包括：

步骤1：首先对经过AD采集的数字信号序列进行小波分解；

步骤2：对小波分解后的信号进行特征量计算，获得小波分解系数的峰值和峰值对应的均方根值；

步骤3：根据各级小波分解系数的峰值与有效值的比值，确定信号类型并进行小波分解系数收缩；

步骤4：对包含局部放电脉冲信号的小波系数进行重构；

步骤5：基于重构的信号，通过自动阈值计算提取出脉冲段。

本发明处理的对象为经过高速数据采集获得的数字信号序列s(t)，s(t)中包含待提取的局部放电脉冲信号，窄带干扰信号N_fi(t)，以及白噪声信号N_w(t)，其中N_fi(t)包含的窄带干扰可能不止一个中心频率。

图2a-d为现场实测的原始高频电流信号，该信号的信噪比SNR＝1.25，信号中存在强烈的窄带周期性干扰和白噪声，局部放电脉冲信号基本上湮灭在干扰信号中，无法直接进行脉冲信号提取。图中红框中标记的是窄带干扰频谱。其中，窄带干扰中心频率的位置和数量是不确定的。因此，难以通过确定中心频率的滤波器进行有效滤除。而白噪声频谱分布较宽，也无法通过常规滤波器进行消除。

本发明基于小波多分辨分析特性，在深入研究窄带干扰信号、局部放电信号以及白噪声小波分解系数特征的基础上，提出了基于一种小波分解系数统计分布特征的自适应滤波方法，该方法能够实现对于中心频率不确定情况下窄带干扰和白噪声的有效抑制，算法针对FPGA硬件设计，实时性高、计算量，滤波效果显著。同时，对于经过上述滤波算法消噪后的信号，给出了对应的自适应阈值的选取方法，以实现脉冲信号的准确提取。

具体实施方法为：

(1)首先对经过AD采集的数字信号序列进行小波分解，小波分解算法的操作流程如图3所示。

本发明中，基小波函数选取dB6小波，分解级数N取6-8，小波分解树如图4所示，其中，S＝A1+D1＝A2+D2+D1＝……＝A6+D6+D5+D4+D3+D2+D1，A6、D6～D1为重构的信号分量。

(2)经过步骤(1)分解后得到的小波系数分别为：低频系数cA6，高频系数cD6～cD1，直接对各级小波分解系数计算特征量，分别为峰值V_{p_cA6}，V_{p_cD6}～V_{p_cD1}，以及其均方根值RMS_cA6，RMS_cD6～RMS_cD1。

以cA6系数为例，小波分解系数的峰值计算方法为：

V_{p_cA6}＝Max(cA6) (1)

均方根值计算公式为，

i＝1,2,...,N，N为小波系数长度 (2)

理想的正弦信号的峰值与有效值之比为窄带周期性干扰信号的峰值与其有效值比较接近。小波分解代表的是带通滤波器，大量实测表明，窄带周期性干扰信号对应的小波分解系数的峰值与有效值之比分布在1.5～5之间，均值和中值均接近于0，信号标准方差与峰值比分别为41％。

白噪声频谱分布很宽，现场大量实测表明，白噪声频谱分布接近于高斯分布，其峰值与有效值比均在10以下。本例中cD6、cD5均为原始信号中包含的随机白噪声干扰的小波系数，信号标准方差与峰值比分别为18％和27％。

局部放电为瞬态脉冲信号，频谱分布较广。其小波分解系数的峰值有效值之比远远高于窄带干扰信号和白噪声信号，实测结果均在20以上，最小为24.9，最大为51.8，cD4～cD1系数的标准方差与峰值百分比分别为3.4％、4.2％、1.56％和1.95％。

(3)根据各级小波分解系数的峰值与有效值比值，确定信号类型并进行系数收缩。以本发明实例为例，cA6系数峰值与有效值比值为3～5之间，标准方差与峰值百分比达到了40％，确认为窄带干扰信号；cD6、cD5系数峰值与有效值之比在6～10之间，标准方差与峰值百分比为15％以上，确认为随机白噪声干扰；cD4～cD1系数均大于20，标准方差与峰值百分比均小于5％，确认为局部放电脉冲信号。因此，将确认为窄带干扰和白噪声干扰的小波系数置零，即

cA6＝zeros(1：length(cA6))；

cD6＝zeros(1：length(cD6))；

cD5＝zeros(1：length(cD5))

其中，zeros()为生成零矩阵函数，length()为数组长度函数。

(4)信号重构。对于包含局部放电脉冲信号的小波系数进行重构。小波重构算法示意图如5所示。

各级重构信号及局部放电信号波形分别如图6、图7所示。

(5)自动阈值脉冲段提取。由于局部放电信号持续时间短，仅为数百个ns，本发明中采用的AD为100MS/s的高速采样，因此如果不进行脉冲提取将极大增加后续处理的成本，局放信号信号最重要的信息是原始脉冲波形及其相位幅值。因此，这里采用自动阈值计算以提取脉冲段的方式进行处理。

自动阈值取为，V_th＝mean(s)+3σ，其中mean(s)为重构信号的波形，σ为重构信号标准方差。

为了保证脉冲波形完整，以过阈值时刻tsamp作为信号到达时间，记录其时间戳，并在该时刻前后分别取0.5us和2us截取该脉冲段，并在段末加上其时间戳和幅值项，作为一个完整的数据记录包。

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

本发明克服了以往局放信号滤波方法中对于多频率窄带干扰信号及白噪声的滤波效果，降低了计算的复杂度，省略了传统自适应滤波中阈值优化叠代过程，极大的提高了滤波的效率，实现了在高采样率下实时高性能的噪声抑制；并通过自适应阈值的脉冲段提取，在不损失脉冲波形信息的情况下放电数据的压缩，为后续局放信号的准确诊断提供了良好的预处理。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种适用于高频电流局部放电检测的脉冲提取方法，其特征在于，所述方法包括：

步骤1：首先对经过AD采集的数字信号序列进行小波分解；

步骤2：对小波分解系数计算特征量，获得小波分解系数的峰值和有效值；

步骤3：根据各级小波分解系数的峰值与有效值的比值，确定信号类型并进行小波分解系数收缩；

步骤4：对包含局部放电脉冲信号的小波系数进行重构；

步骤5：基于重构的信号，通过自动阈值计算提取出脉冲段。

2.根据权利要求1所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，所述步骤1中采集的数字信号s(t)中包括：待提取的局部放电脉冲信号、窄带干扰信号N_fi(t)、白噪声信号N_w(t)，其中，N_fi(t)中包含至少一个中心频率的窄带干扰。

3.根据权利要求1所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，所述对经过AD采集的数字信号序列进行小波分解，具体包括：

a)对原始序列S(n)进行下抽样，获得奇数序列S(n/2-1)、偶数序列S(n/2)，S(n/2)、S(n/2-1)分别是S(n)的一半；

b)S(n/2-1)与高通滤波器h(n/2-1)进行运算，获得序列S1(n/2-1)和高频系数cD1；

c)S(n/2)与低通滤波器g(n/2)进行运算，获得序列S1(n/2)和低频系数cA1；

d)对S1(n/2)进行向下抽取，获得奇数序列S1(n/4-1)、偶数系列S1(n/4)，S1(n/4-1)、S1(n/4)分别为S1(n/2)系列的一半；

e)S(n/4-1)与高通滤波器h(n/4-1)进行运算，获得序列S2(n/4-1)和高频系数cD2；

f)S(n/4)与低通滤波器g(n/4)进行运算，获得序列S2(n/4)和低频系数cA2；

g)依次分解低频序列，最终得到小波系数分别为：低频系数cA6，高频系数cD6～cD1。

4.根据权利要求1所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，经过步骤1分解后得到的小波系数分别为：低频系数cA6，高频系数cD6～cD1，对各级小波分解系数计算特征量，分别为峰值V_{p_cA6}，V_{p_cD6}～V_{p_cD1}，以及其均方根值RMS_cA6，RMS_cD6～RMS_cD1；

以cA6系数为参考，小波分解系数的峰值计算方法为：

V_{p_cA6}＝Max(cA6) (1)

对应均方根值计算公式为：

N为小波系数长度，cA6(i)²为cA6的均方根值。

5.根据权利要求1所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，所述根据各级小波分解系数的峰值与有效值的比值，确定信号类型，具体包括：

若cA6系数峰值与有效值比值大于或等于3且小于或等于5，且标准方差与峰值百分比大于等于40％，则确认为窄带干扰信号；若cD6、cD5系数峰值与有效值之比在6～10之间，且标准方差与峰值百分比大于等于15％，则确认为随机白噪声干扰；若cD4～cD1系数均大于20，且标准方差与峰值百分比均小于5％，则确认为局部放电脉冲信号。

6.根据权利要求1所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，所述对包含局部放电脉冲信号的小波系数进行重构，具体包括：

a)低频分量cA6，高频分量cD6上抽样后，与低频滤波器H和高频滤波器G处理得到低频分量cA5；

b)依次按照a)步骤得到低频分量cA4、cA3、cA2、cA1；

c)将低频分量cA1、高频分量cD1上抽样后，与低频滤波器H，高频滤波器G处理得到原始信号S。

7.根据权利要求1所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，自动阈值V_th＝mean(s)+3σ，其中，mean(s)为重构信号的波形，σ为重构信号标准方差。

8.根据权利要求7所述的适用于高频电流局部放电检测的脉冲提取方法，其特征在于，以过阈值时刻tsamp作为信号到达时间，记录其时间戳，并在该时刻前后分别取0.5us和2us截取该脉冲段，并在段末加上其时间戳和幅值项，作为一个完整的数据记录包。