CN106896306A - 一种gis振荡冲击耐压试验用信号去噪方法 - Google Patents

Abstract

一种GIS振荡冲击耐压试验用信号去噪方法，利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻，形成脉冲波形‑时间序列后，绘制对应的峰值/时间‑冲击电压分布图，采用等效时频算法对脉冲波形‑时间序列对应的所有脉冲群进行特征参数提取，形成二维等效时频分布图，基于二维等效时频分布图采用模糊C均值聚类算法对获取的脉冲群进行快速分类，达到噪声源和放电源分离，从而实现局部放电脉冲电流信号去噪。本发明可以有效地对振荡冲击电压下局部放电脉冲信号进行去噪处理，可靠性和实用性都很高。

Description

一种GIS振荡冲击耐压试验用信号去噪方法

技术领域

本发明涉及一种GIS振荡冲击耐压试验用信号去噪方法，尤其涉及一种GIS振荡冲击耐压试验用局部放电脉冲电流信号去噪方法。

背景技术

气体绝缘金属全封闭式开关电器(GIS)在电网中得到越来越广泛的应用，随着电网的大规模建设，因GIS绝缘故障而造成的停电事故越来越多，为了提高GIS运行的可靠性，相关标准推荐对GIS设备进行现场冲击电压耐受试验。IEC60060-3推荐采用高效率的振荡型冲击电压作为现场耐压试验电压波形。在冲击耐压试验的同时进行局部放电测量，可获得GIS设备整体绝缘强度和局部绝缘状态，从而对设备绝缘进行全面的评价。目前，针对振荡冲击电压下局部放电检测与绝缘评价的研究不多，复杂电磁环境下的去噪方法的相关报导也较少。

发明内容

本发明提供一种GIS振荡冲击耐压试验用信号去噪方法，可以有效地对振荡冲击电压下局部放电脉冲信号进行去噪处理。

为了达到上述目的，本发明提供一种GIS振荡冲击耐压试验用信号去噪方法，包含以下步骤：

步骤S1、基于GIS振荡冲击耐压试验用信号检测系统对GIS试品进行试验，获取振荡冲击电压波形下的局部放电数据；

步骤S2、主控显示装置利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻，形成脉冲波形-时间序列；

步骤S3、主控显示装置根据脉冲波形-时间序列绘制对应的峰值/时间-冲击电压分布图；

步骤S4、主控显示装置采用等效时频算法对脉冲波形-时间序列对应的所有脉冲群进行特征参数提取，形成二维等效时频分布图，用于直观显示不同脉冲群类聚特性；

步骤S5、主控显示装置基于二维等效时频分布图采用模糊C均值聚类算法对获取的脉冲群进行快速分类，达到噪声源和放电源分离，从而实现局部放电脉冲电流信号去噪；

步骤S6、主控显示装置分别针对噪声源和放电源的脉冲波形-时间序列绘制对应的峰值/时间-冲击电压分布图，并显示去噪后的峰值/时间-冲击电压分布图。

所述的局部放电数据包含：局部放电脉冲电流信号和试验电压波形数据。

所述的步骤S2中，所述的自定义的脉冲提取窗方法包含：

以振荡冲击电压下的局部放电数据长度为最大循环值，当前数据的绝对值大于等于脉冲提取设置的阈值时，取当前一定数据长度(k)的局部放电数据组成脉冲波形，并以当前数据对应的时刻作为提前脉冲波形对应的时刻；

所述的脉冲波形-时间序列P(t_j)定义如下：

式中：j是第j个脉冲波形；t_j是第j个脉冲波形出现时间(μs,采集时刻)；k是每个脉冲波形由k个点组成；pⁱ是脉冲波形第i个点对应的幅值(mV)；Δt(i-1)是脉冲波形第i个点对应的时间(ns，Δt为采样时间间隔)。

所述的步骤S4中，所述的等效时频算法对脉冲p(t)进行如下处理：

式中：t₀，f₀是信号的时间均值和频率均值；T和F分别是信号的等效时宽和等效频宽；E_P是信号的能量。

所述的步骤S5中，模糊C均值算法是通过对目标函数的迭代优化来获取数据集的模糊分类，目标函数为样本到聚类中心的距离平方和，然后采用目标函数进行聚类，具体算法如下：将样本空间P＝(p₁,p₂,…,p_N)中的N个样本分为b类：A＝(a_ij),i＝1,2,…,N,j＝1,2,…,b，其中A为分类结果，a_ij为样本p_i对第j类的隶属度。

所述的模糊C均值聚类算法的聚类准则是各样本到各聚类中心的加权距离平方和最小，即求J_FCM(A,V)的最小值；

定义目标函数：

式中：V＝(v_j)是聚类中心；d_ij是距离测度，表示样本p_i和聚类中心v_j之间的距离；m∈(1,∞)是影响聚类模糊度的加权指数；

通过对目标函数的迭代来获取对数据集的模糊分类，迭代函数为：

在确定聚类数b和加权指数m的基础上，初始化隶属度矩阵U；由上式(4)求目标函数，确定分类结果A⁽ⁿ⁾，n为迭代次数；计算||A⁽ⁿ⁾-A⁽ⁿ⁺¹⁾||≤ε，迭代计算到满足要求为止。

本发明可以有效地对振荡冲击电压下局部放电脉冲信号进行去噪处理，可靠性和实用性都很高。

附图说明

图1是本发明提供的一种GIS振荡冲击耐压试验用信号检测系统的电路框图。

图2是本发明的提供一种GIS振荡冲击耐压试验用信号去噪方法的流程图。

图3是局部放电数据示意图。

图4是基于峰值/时间-冲击电压分布图的去噪流程示意图。

具体实施方式

以下根据图1～图4，具体说明本发明的较佳实施例。

如图1所示，本发明提供一种GIS振荡冲击耐压试验用信号检测系统，包含：

电性连接GIS试品7的振荡冲击高压电源3；

电性连接振荡冲击高压电源3的冲击高压控制单元2；

电性连接振荡冲击高压电源3和GIS试品7的电容分压器4；

电性连接GIS试品7的电流检测模块6；

电性连接电容分压器4和电流检测模块6的采集存储装置5；

电性连接冲击高压控制单元2和采集存储装置5的主控显示装置1。

所述的电容分压器4的一端电性连接GIS试品7，另一端接地，该电容分压器4包含串联的第一电容C₁和第二电容C₂，第一电容C₁和第二电容C₂组成的电容分压器的响应带宽需达到ns级，从而不会畸变振荡冲击电压的时域波形。

所述的电流检测模块6的一端电性连接GIS试品7，另一端接地，该电流检测模块6可以采用检测阻抗Z_m，检测阻抗Z_m的响应带宽需达到ns级，从而不会畸变局部放电脉冲电流的时域波形，该电流检测模块6还可以采用高频电流传感器，或GIS的电容介质窗等传感耦合装置。

所述的采集存储装置5的采样率：局部放电脉冲电流信号在100MS/s及以上，模拟带宽50M及以上，振荡冲击电压波形信号在100MS/s及以上，模拟带宽50M及以上。

主控显示装置1发送指令给冲击高压控制单元2，控制振荡冲击高压电源3产生符合标准IEC60060-3或GB/T16927.3的振荡冲击电压波形，作用于GIS试品7，第一电容C₁和第二电容C₂组成的电容分压器对大幅值振荡冲击电压进行分压，将低压臂电压波形信号传送至采集存储装置5，电流检测模块6获取振荡冲击电压下GIS试品产生的局部放电脉冲电流信号，传送至采集存储装置5，从而完成振荡冲击电压下的局部放电脉冲电流信号和试验电压波形数据检测，采集存储装置5将检测到的数据传送至主控显示装置1，主控显示装置1对局部放电脉冲电流信号进行去燥处理。

如图2所示，本发明提供一种GIS振荡冲击耐压试验用信号去噪方法，包含以下步骤：

步骤S1、基于GIS振荡冲击耐压试验用信号检测系统对GIS试品进行试验，获取振荡冲击电压波形下的局部放电数据；

如图3所示，所述的局部放电数据包含：局部放电脉冲电流信号和试验电压波形数据；

步骤S2、主控显示装置利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻，形成脉冲波形-时间序列；

步骤S3、主控显示装置根据脉冲波形-时间序列绘制对应的峰值/时间-冲击电压分布图；

步骤S4、主控显示装置采用等效时频算法对脉冲波形-时间序列对应的所有脉冲群进行特征参数提取，形成二维等效时频分布图，用于直观显示不同脉冲群类聚特性；

步骤S5、由于同一放电源或同一噪声源产生的脉冲群在时域波形上具有相似性，提取的参数分布具有类聚性质，因此主控显示装置基于二维等效时频分布图采用模糊C均值聚类算法对获取的脉冲群进行快速分类，达到噪声源和放电源分离，从而实现局部放电脉冲电流信号去噪；

步骤S6、主控显示装置分别针对噪声源和放电源的脉冲波形-时间序列绘制对应的峰值/时间-冲击电压分布图，并显示去噪后的峰值/时间-冲击电压分布图。

所述的步骤S2中，所述的自定义的脉冲提取窗方法包含：以振荡冲击电压下的局部放电数据长度为最大循环值，当前数据的绝对值大于等于脉冲提取设置的阈值时，取当前一定数据长度(k)的局部放电数据组成脉冲波形，并以当前数据对应的时刻作为提前脉冲波形对应的时刻；

所述的脉冲波形-时间序列P(t_j)定义如下：

式中：j是第j个脉冲波形；t_j是第j个脉冲波形出现时间(μs,采集时刻)；k是每个脉冲波形由k个点组成；pⁱ是脉冲波形第i个点对应的幅值(mV)；Δt(i-1)是脉冲波形第i个点对应的时间(ns，Δt为采样时间间隔)。

所述的步骤S4中，所述的等效时频算法对脉冲p(t)进行如下处理：

式中：t₀，f₀是信号的时间均值和频率均值；T和F分别是信号的等效时宽和等效频宽；E_P是信号的能量。

所述的步骤S5中，模糊C均值算法是通过对目标函数的迭代优化来获取数据集的模糊分类，目标函数为样本到聚类中心的距离平方和，然后采用目标函数进行聚类，具体算法如下：将样本空间P＝(p₁,p₂,…,p_N)中的N个样本分为b类：A＝(a_ij),i＝1,2,…,N,j＝1,2,…,b，其中A为分类结果，a_ij为样本pi对第j类的隶属度。

所述的模糊C均值聚类算法的聚类准则是各样本到各聚类中心的加权距离平方和最小，即求J_FCM(A,V)的最小值；

定义目标函数：

式中：V＝(v_j)是聚类中心；d_ij是距离测度，表示样本p_i和聚类中心v_j之间的距离；m∈(1,∞)是影响聚类模糊度的加权指数；

通过对目标函数的迭代来获取对数据集的模糊分类，迭代函数为：

在确定聚类数b和加权指数m的基础上，初始化隶属度矩阵U；由上式(4)求目标函数，确定分类结果A⁽ⁿ⁾，n为迭代次数；计算||A⁽ⁿ⁾-A⁽ⁿ⁺¹⁾||≤ε，迭代计算到满足要求为止。

所述的模糊C均值聚类算法还可以采用其他改进的模糊C均值聚类算法。

如图4所示，某一振荡冲击电压下的局部放电脉冲电流信号和试验电压波形数据检测的原始数据中由于干扰源的存在，脉冲电流信号的峰值/时间-冲击电压分布毫无规律，利用本发明提供的信号去噪方法进行处理，基于处理得到的二维等效时频分布图使用模糊C均值聚类算法后获取了2个子脉冲群：其中子脉冲群1的峰值/时间-冲击电压分布，信号均出现在震荡电压的上升沿，符合该电压下的局部放电产生机理，为放电源；而子脉冲群2的峰值/时间-冲击电压分布，与冲击震荡电压波形无任何相关性，为随机分布，为噪声信号源。

本发明可以有效地对振荡冲击电压下局部放电脉冲信号进行去噪处理，可靠性和实用性都很高。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (5)

1.一种GIS振荡冲击耐压试验用信号去噪方法，其特征在于，包含以下步骤：

步骤S1、基于GIS振荡冲击耐压试验用信号检测系统对GIS试品进行试验，获取振荡冲击电压波形下的局部放电数据；

步骤S2、主控显示装置利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻，形成脉冲波形-时间序列；

步骤S3、主控显示装置根据脉冲波形-时间序列绘制对应的峰值/时间-冲击电压分布图；

步骤S4、主控显示装置采用等效时频算法对脉冲波形-时间序列对应的所有脉冲群进行特征参数提取，形成二维等效时频分布图，用于直观显示不同脉冲群类聚特性；

步骤S5、主控显示装置基于二维等效时频分布图采用模糊C均值聚类算法对获取的脉冲群进行快速分类，达到噪声源和放电源分离，从而实现局部放电脉冲电流信号去噪；

步骤S6、主控显示装置分别针对噪声源和放电源的脉冲波形-时间序列绘制对应的峰值/时间-冲击电压分布图，并显示去噪后的峰值/时间-冲击电压分布图。

2.如权利要求1所述的GIS振荡冲击耐压试验用信号去噪方法，其特征在于，所述的局部放电数据包含：局部放电脉冲电流信号和试验电压波形数据。

3.如权利要求2所述的GIS振荡冲击耐压试验用信号去噪方法，其特征在于，所述的步骤S2中，所述的自定义的脉冲提取窗方法包含：

以振荡冲击电压下的局部放电数据长度为最大循环值，当前数据的绝对值大于等于脉冲提取设置的阈值时，取当前一定数据长度(k)的局部放电数据组成脉冲波形，并以当前数据对应的时刻作为提前脉冲波形对应的时刻；

所述的脉冲波形-时间序列P(t_j)定义如下：

$P(i,j)=\left\{\begin{array}{c}{p}^1,p^2,\mathrm{...},p^i,\mathrm{...},p^k\\ 0,\mathrm{\Δ}t,\mathrm{...},\mathrm{\Δ}t(i-1),\mathrm{...},\mathrm{\Δ}t(k-1)\end{array}\right.---\left(1\right)$

式中：j是第j个脉冲波形；t_j是第j个脉冲波形出现时间(μs,采集时刻)；k是每个脉冲波形由k个点组成；pⁱ是脉冲波形第i个点对应的幅值(mV)；Δt(i-1)是脉冲波形第i个点对应的时间(ns，Δt为采样时间间隔)。

4.如权利要求3所述的GIS振荡冲击耐压试验用信号去噪方法，其特征在于，所述的步骤S4中，所述的等效时频算法对脉冲p(t)进行如下处理：

$\left\{\begin{array}{c}{t}_0={\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}t{\left|p\left(t\right)\right|}^{2}dt/E_p\\ f_0={\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}f{\left|P\left(f\right)\right|}^{2}df/E_p\\ T^2=4\mathrm{\π}{\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}{(t-t_0)}^2{\left|p\left(t\right)\right|}^{2}dt/E_p\\ F^2=4\mathrm{\π}{\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}{(f-f_0)}^2{\left|P\left(t\right)\right|}^{2}df/E_p\end{array}\right.---\left(2\right)$

式中：t₀，f₀是信号的时间均值和频率均值；T和F分别是信号的等效时宽和等效频宽；E_P是信号的能量。

5.如权利要求4所述的GIS振荡冲击耐压试验用信号去噪方法，其特征在于，所述的步骤S5中，模糊C均值算法是通过对目标函数的迭代优化来获取数据集的模糊分类，目标函数为样本到聚类中心的距离平方和，然后采用目标函数进行聚类，具体算法如下：将样本空间P＝(p₁,p₂,…,p_N)中的N个样本分为b类：A＝(a_ij),i＝1,2,…,N,j＝1,2,…,b，其中A为分类结果，a_ij为样本p_i对第j类的隶属度。

所述的模糊C均值聚类算法的聚类准则是各样本到各聚类中心的加权距离平方和最小，即求J_FCM(A,V)的最小值；

定义目标函数：

$J_{FCM}(A,V)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{b}{\mathrm{\Σ}}}{a}_{ij}^m{d}_{ij}^2---\left(3\right)$

式中：V＝(v_j)是聚类中心；d_ij是距离测度，表示样本p_i和聚类中心v_j之间的距离；m∈(1,∞)是影响聚类模糊度的加权指数；

通过对目标函数的迭代来获取对数据集的模糊分类，迭代函数为：

$\left\{\begin{array}{c}{v}_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{ij}^m{p}_i/\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{ij}^m\\ u_{ij}={\[\underset{k=1}{\overset{b}{\mathrm{\Σ}}}{\left(\frac{p_i-v_j}{p_i-v_k}\right)}^{\frac{2}{m-1}}\]}^{-1}\end{array}\right.,k=1,2,\mathrm{...}b---\left(4\right)$

在确定聚类数b和加权指数m的基础上，初始化隶属度矩阵U；由上式(4)求目标函数，确定分类结果A⁽ⁿ⁾，n为迭代次数；计算||A⁽ⁿ⁾-A⁽ⁿ⁺¹⁾||≤ε，迭代计算到满足要求为止。