CN107315991B - 一种基于小波阈值去噪的ifra频响曲线去噪方法 - Google Patents
一种基于小波阈值去噪的ifra频响曲线去噪方法 Download PDFInfo
- Publication number
- CN107315991B CN107315991B CN201710312844.3A CN201710312844A CN107315991B CN 107315991 B CN107315991 B CN 107315991B CN 201710312844 A CN201710312844 A CN 201710312844A CN 107315991 B CN107315991 B CN 107315991B
- Authority
- CN
- China
- Prior art keywords
- ifra
- denoising
- response curve
- frequency response
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring Frequencies, Analyzing Spectra (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于小波阈值去噪的IFRA频响曲线去噪方法,包括步骤:1)将IFRA频响曲线分为若干频段;2)找到IFRA频响曲线上各个频段的最适分解层数;3)对含噪的IFRA频响曲线整体进行多次小波阈值去噪,去噪的次数与步骤1)分的频段数相同,并依次采用步骤2)找到的各个频段的最适分解层数作为去噪过程中的小波分解层数进行小波阈值去噪,获取每次小波阈值去噪后能够得到有效去噪的频段曲线;4)将步骤3)得到的多条有效去噪的频段曲线依次拼接,即可得到所需的一整条完整的最终去噪后的IFRA频响曲线。本发明在保留谐振点位置和幅值信息的前提下有效提升了IFRA频响曲线的频率分辨率,提升了IFRA绕组变形检测的精确度。
Description
技术领域
本发明涉及电力设备诊断与保护技术领域,尤其是指一种基于小波阈值去噪的IFRA频响曲线去噪方法。
背景技术
电力变压器是电力系统的核心设备之一,其状态影响着电力系统运行的安全性和可靠性。相关统计数据表明,绕组变形是大量变压器事故的重要起因之一。目前,绕组变形检测仅局限于离线状态,然而电网容量的扩增和智能电网的建设对绕组变形检测提出了在线运行的要求。IFRA法具有对系统影响小,测试时间短,频带易拓展的特点,得到了众多研究人员的支持。然而目前IFRA法还存在频率分辨率低等缺点。
频率响应分析法(frequency response analysis,FRA)主要通过分析故障前后频率响应曲线谐振点的位置和幅值的变化对故障进行诊断。IFRA是一种频率响应分析法,如果IFRA频响曲线的频率分辨率低,即谱线间隔较大,有可能导致谐振点的遗漏,从而影响绕组变形故障诊断的准确性。
然而IFRA频响曲线频率分辨率的提升必然导致其信噪比的降低。这是由于为了得到IFRA频率响应曲线,首先要对离散的时域采样信号进行快速傅立叶变换以得到其频谱,受离散采样的限制,该频谱的谱线间为采样频率与采样总点数之商,在为了保障时域采样精度采样频率不可减小的前提下,若要减小谱线间隔,提升频率分辨率,只能增加采样总点数。然而,采样总点数的增加,必然导致信息冗余,这将降低IFRA频率响应曲线的信噪比,使得其谐振点位置和幅值特征不清晰。
因此,在得到高频率分辨率IFRA频响曲线后可根据其特性对其进行去噪处理,使得其频率分辨率的提升具有实际意义。IFRA频响曲线通常具有低频段(1kHz~1MHz)谐振点密集,信噪比高,高频段(≥1MHz)谐振点稀疏,信噪比低的特点。谐振点位置和幅值的变化是进行绕组变形诊断的重要依据,去噪时应尽可能避免对其造成影响。因此不能笼统地对整条IFRA频响曲线进行去噪处理,本方法提出按照谐振点的分布将其分为多个频段,对IFRA频响曲线的不同频段采用不同强度的去噪方法进行去噪。本方法提出采用调整小波阈值去噪过程中小波分解的层数对去噪强度进行控制。
发明内容
本发明目的在于克服现有技术的不足与缺点,提出了一种基于小波阈值去噪的IFRA频响曲线去噪方法,该方法在保留谐振点位置和幅值信息的前提下有效提升了IFRA频响曲线的频率分辨率,提升了IFRA绕组变形检测的精确度,具有实际应用意义。
为实现上述目的,本发明所提供的技术方案为:一种基于小波阈值去噪的IFRA频响曲线去噪方法,包括以下步骤:
1)根据IFRA频响曲线上谐振点分布密度将其分为若干频段;
2)找到IFRA频响曲线上各个频段的最适分解层数,所述最适分解层数定义为:在对一条IFRA频响曲线进行小波阈值去噪过程中,若采用某层数作为小波分解的层数,去噪后IFRA频响曲线在某频段的噪声得到有效滤除,曲线毛刺得以消除且95%以上的谐振点不被滤除,则称该层数为该频段的最适分解层数;其中,一条IFRA频响曲线上某频段的最适分解层数可能有多个,取其一即可,通过多次尝试找到各个频段的最适分解层数;
3)对含噪的IFRA频响曲线整体进行多次小波阈值去噪,去噪的次数与步骤1)分的频段数相同,并依次采用步骤2)找到的各个频段的最适分解层数作为去噪过程中的小波分解层数进行小波阈值去噪,获取每次小波阈值去噪后能够得到有效去噪的频段曲线,即一整条含噪的IFRA频响曲线需进行与步骤1)分的频段数相同数量的小波阈值去噪次数,且每次小波阈值去噪用的是步骤2)找到的所有频段当中某一频段的最适分解层数作为去噪过程中的小波分解层数;
4)将步骤3)得到的多条有效去噪的频段曲线依次拼接,即可得到所需的一整条完整的最终去噪后的IFRA频响曲线。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明首次解决了IFRA频率响应曲线频率分辨率提升会使其信噪比降低,从而影响频率分辨率提升的实际效用的矛盾,使得IFRA检测频率精确度得以有效提升。
2、本发明首次实现了在保留谐振点位置和幅值信息的前提下提升了IFRA频响曲线频率分辨率。
3、本发明操作步骤简单、快捷,成本低,在不需更新IFRA检测硬件的基础上提升了检测的精确度。
4、本发明有利于将IFRA检测法推广到工业实践中,有利于变压器绕组变形在线检测平台的搭建。
附图说明
图1为本发明的IFRA频响曲线去噪方法流程图。
图2为去噪前IFRA频率响应曲线。
图3为去噪后IFRA频率响应曲线。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
参见图1所示,本实施例所提供的基于小波阈值去噪的IFRA频响曲线去噪方法,包括以下步骤:
1)将含噪IFRA频响曲线分为若干频段。参见图2所示,含噪的IFRA频响曲线在1kHz~2.9MHz的范围内,谐振点分布密度为高,在2.9MHz~5MHz范围内谐振点分布密度为中,而在5MHz~10MHz范围内,谐振点分布密度为低。因此,将IFRA频响曲线分为3个频段,频段1为1kHz~2.9MHz,频段2为2.9MHz~5MHz,频段3为5MHz~10MHz。
2)找到各个频段的最适分解层数。在MATLAB中编写小波阈值去噪程序,载入含噪IFRA频响曲线,小波分解层数初始值设置为3。针对频段1,在小波分解层数初始值设置为3时,去噪后频响曲线已经满足噪声得到有效滤除,曲线毛刺得以消除且95%以上的谐振点不被滤除的要求,因此设置频段1最适分解层数l1为3。改变小波分解层数,找到频段2和频段3的最适分解层数l2、l3分别为5、7。
3)对含噪的IFRA频响曲线整体进行3次小波阈值去噪(其实去噪的次数要与步骤1)分的频段数相同),然后依次采用步骤2)找到的3个频段的最适分解层数作为去噪过程中的小波分解层数进行小波阈值去噪(即该一整条含噪的IFRA频响曲线每次小波阈值去噪用的是步骤2)找到的3个频段当中某一频段的最适分解层数作为去噪过程中的小波分解层数,且进行3次小波阈值去噪时,步骤2)找到的3个频段的最适分解层数都会用上),获取每次小波阈值去噪后能够得到有效去噪的频段曲线(每次去噪实质得到的也仅有一段频响曲线)。
4)将步骤3)得到的3条有效去噪的频段曲线依次拼接,即可得到所需的一整条完整的最终去噪后的IFRA频响曲线,具体参见图3所示。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (1)
1.一种基于小波阈值去噪的IFRA频响曲线去噪方法,其特征在于,应用于电力变压器的绕组变形检测,包括以下步骤:
1)根据IFRA频响曲线上谐振点分布密度将其分为若干频段;
2)找到IFRA频响曲线上各个频段的最适分解层数,所述最适分解层数定义为:在对一条IFRA频响曲线进行小波阈值去噪过程中,若采用某层数作为小波分解的层数,去噪后IFRA频响曲线在某频段的噪声得到有效滤除,曲线毛刺得以消除且95%以上的谐振点不被滤除,则称该层数为该频段的最适分解层数;其中,一条IFRA频响曲线上某频段的最适分解层数可能有多个,取其一即可,通过多次尝试找到各个频段的最适分解层数;
3)对含噪的IFRA频响曲线整体进行多次小波阈值去噪,去噪的次数与步骤1)分的频段数相同,并依次采用步骤2)找到的各个频段的最适分解层数作为去噪过程中的小波分解层数进行小波阈值去噪,获取每次小波阈值去噪后能够得到有效去噪的频段曲线,即一整条含噪的IFRA频响曲线需进行与步骤1)分的频段数相同数量的小波阈值去噪次数,且每次小波阈值去噪用的是步骤2)找到的所有频段当中某一频段的最适分解层数作为去噪过程中的小波分解层数;
4)将步骤3)得到的多条有效去噪的频段曲线依次拼接,即可得到所需的一整条完整的最终去噪后的IFRA频响曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312844.3A CN107315991B (zh) | 2017-05-05 | 2017-05-05 | 一种基于小波阈值去噪的ifra频响曲线去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312844.3A CN107315991B (zh) | 2017-05-05 | 2017-05-05 | 一种基于小波阈值去噪的ifra频响曲线去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107315991A CN107315991A (zh) | 2017-11-03 |
CN107315991B true CN107315991B (zh) | 2020-12-22 |
Family
ID=60184805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710312844.3A Active CN107315991B (zh) | 2017-05-05 | 2017-05-05 | 一种基于小波阈值去噪的ifra频响曲线去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107315991B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581055A (zh) * | 2018-12-28 | 2019-04-05 | 广东电网有限责任公司 | 一种基于多分辨率分解法的变压器绕组故障类型检测方法 |
CN109669101A (zh) * | 2019-02-13 | 2019-04-23 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组自激振荡波特征提取的方法及装置 |
CN109669100A (zh) * | 2019-02-13 | 2019-04-23 | 云南电网有限责任公司电力科学研究院 | 一种变压器自激振荡波提取方法及系统 |
CN110850340A (zh) * | 2019-11-19 | 2020-02-28 | 西南大学 | 基于小波变换的变压器绕组ifra曲线去噪方法 |
WO2022217406A1 (zh) * | 2021-04-12 | 2022-10-20 | 深圳市速腾聚创科技有限公司 | 信号处理方法、装置及可读存储介质 |
CN113625199A (zh) * | 2021-09-08 | 2021-11-09 | 中车长春轨道客车股份有限公司 | 一种车载变压器绕组变形自动测试系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788931A (zh) * | 2012-07-18 | 2012-11-21 | 嘉兴学院 | 用于电力变压器绕组故障的诊断方法 |
WO2014015357A1 (en) * | 2012-07-23 | 2014-01-30 | Curtin University Of Technology | A method of determining a characteristic of a power transformer and a system therefor |
CN104237713A (zh) * | 2014-10-17 | 2014-12-24 | 国家电网公司 | 基于离散小波变换的变压器绕组形变诊断方法 |
-
2017
- 2017-05-05 CN CN201710312844.3A patent/CN107315991B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788931A (zh) * | 2012-07-18 | 2012-11-21 | 嘉兴学院 | 用于电力变压器绕组故障的诊断方法 |
WO2014015357A1 (en) * | 2012-07-23 | 2014-01-30 | Curtin University Of Technology | A method of determining a characteristic of a power transformer and a system therefor |
CN104237713A (zh) * | 2014-10-17 | 2014-12-24 | 国家电网公司 | 基于离散小波变换的变压器绕组形变诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107315991A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107315991B (zh) | 一种基于小波阈值去噪的ifra频响曲线去噪方法 | |
CN102832908B (zh) | 基于小波变换与变步长lms自适应滤波的信号降噪方法 | |
CN113221781B (zh) | 一种基于多任务深度卷积神经网络的载波信号检测方法 | |
CN102323518A (zh) | 一种基于谱峭度的局部放电信号识别方法 | |
CN109557429A (zh) | 基于改进小波阈值去噪的gis局部放电故障检测方法 | |
CN114492538B (zh) | 一种城市中压配电电缆局部放电信号去噪方法 | |
CN109580787A (zh) | 用于变压器高压套管引线超声检测的超声回波去噪方法 | |
CN113537112B (zh) | 基于改进小波阈值及vmd的激光超声表面缺陷成像降噪方法 | |
CN104237713A (zh) | 基于离散小波变换的变压器绕组形变诊断方法 | |
CN106841911A (zh) | 一种电缆故障时的暂态行波信号识别方法及装置 | |
CN110673000B (zh) | 一种油浸式电流互感器局部放电在线监测方法及装置 | |
CN110427918B (zh) | 一种电子式电力互感器的故障分类方法及可读存储介质 | |
CN102988041A (zh) | 心磁信号噪声抑制中的信号选择性平均方法 | |
CN113642417B (zh) | 一种基于改进小波算法的绝缘架空导线局部放电信号的去噪方法 | |
CN114167237A (zh) | 一种gis局部放电故障识别方法、系统、计算机设备、存储介质 | |
CN114154546A (zh) | 一种钢铁生产过程数据的降噪方法 | |
CN110780162B (zh) | 一二次融合配电开关局部放电信号提取方法及检测装置 | |
CN110287853B (zh) | 一种基于小波分解的暂态信号去噪方法 | |
CN110459197B (zh) | 用于微弱盲信号去噪与提取的信号增强器及方法 | |
LU502454B1 (en) | A Bearing Fault Identification Method and System Based on EEMD Sparse Decomposition | |
CN116296243A (zh) | 一种基于大尺寸核稠密块的气动识别方法 | |
CN111007369B (zh) | 一种超高频电磁波信号到达时间差计算方法和装置 | |
CN112729531B (zh) | 配电变压器设备故障研判方法及系统 | |
CN115293219A (zh) | 一种融合小波和峭度的脉冲信号去噪方法 | |
Long et al. | A novel automatic pulse segmentation approach and its application in PD-induced electromagnetic wave detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |