CN109344814A - 一种gis机械状态信号特征提取方法 - Google Patents
一种gis机械状态信号特征提取方法 Download PDFInfo
- Publication number
- CN109344814A CN109344814A CN201811512602.XA CN201811512602A CN109344814A CN 109344814 A CN109344814 A CN 109344814A CN 201811512602 A CN201811512602 A CN 201811512602A CN 109344814 A CN109344814 A CN 109344814A
- Authority
- CN
- China
- Prior art keywords
- imf
- gis
- true
- data
- signal
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Abstract
本发明公开了一种GIS机械状态信号特征提取方法,该方法包括:测量GIS运行状态下的振动信号,利用极点对称模态分解算法(ESMD)对振动测量数据进行分解,对分解结果再根据K‑L散度值选取有效经验模态分量(IMF),将选取的每个IMF作为原始数据二次分解,选取主分量重构,进一步降低噪音干扰。该方法能够有效消除测量现场干扰影响,提高GIS振动信号特征提取的精度。
Description
技术领域
本发明涉及电力设备监测技术领域,更具体地说是指一种GIS机械状态信号特征提取方法。
背景技术
气体绝缘组合电器(GIS)是将断路器、隔离开关、 快速接地开关、电流互感器、避雷器、母线、套管和电缆终端等电气元件封闭组合在接地的金属外壳中,内部充以0.3~0.4MPa的SF6气体作为绝缘介质的一种高压电器。它具有结构紧凑、占地面积小、安装方便、运行可靠性高等优点。近年来,随着高压输电的发展以及城市化建设的需要,GIS 得到越来越广泛的应用。随着GIS投入数量的増加,其故障率也越来越高,因此GIS故障检测与诊断问题越来越得到关注。
目前GIS的在线监测技术及带电检测技术检测的状态量以绝缘状态量为重点。但GIS缺陷不仅局限于放电性缺陷,其故障原因是多方面的。所以GIS带电检测近年来逐步发展到机械量、化学量、光学等其他有益于设备状态全面监测的研究方向。其中,通过检测GIS运行状态下的机械状态信号(机械状态信号主要为振动信号),对GIS机械故障的诊断具有及时、灵敏的特点。然而,现场测量所得GIS的振动信号是一种典型的非平稳信号,并且容易受到现场干扰的影响。
发明内容
本发明提供的一种GIS机械状态信号特征提取方法,其目的在于解决现有技术中存在的上述问题。
本发明采用的技术方案如下:
一种GIS机械状态信号特征提取方法,包括以下步骤。
步骤1:对GIS运行状态下的振动信号进行采集。
步骤2:利用极点对称模态分解法(ESMD),对步骤1所得的振动信号进行ESMD一次分解,得到各模态函数(IMF)。
步骤3:根据步骤2分解所得各IMF,计算各IMF与原始数据的K-L散度值,选取若干真实IMF。
步骤4:对步骤3所选的各真实IMF分别进行ESMD二次分解,分别选取每次分解中与原始数据的K-L散度值最小的IMF作为相应真实IMF的主真实IMF,将各主真实IMF重构,得到噪音干扰更小的重构信号。
步骤5:将步骤4所得重构信号进行频谱分析,提取故障特征。
进一步,所述步骤2包括。
步骤2.1:标记待处理振动信号Y的所有局部极值点,用线段连接所有相邻的极值点,标出它们的中点为Fj ( j =1, 2,…,n-1;n为局部极值点总数),并补充左右边界中点Fj0与Fjn,对各局部极值点对应线段构造插值曲线L。
步骤2.2:将Y减去L,重复步骤2.1,直至满足终止条件,从而分解获取模态分量M1。
步骤2.3:把Y- M1信号作为原信号进行所述步骤2.1 ,步骤2.2处理,可得M1,M2,M2,…,Mi和余量R。
步骤2.4:筛选次数K在设定范围内变换,重复上述步骤2.1 至步骤2.3,计算与K值对应的Y-R的方差σ以及输入信号的标准偏差σ0,选取方差比率σ/σ0最小时所对应的K值为最佳筛选次数,重复上述步骤2.1 至步骤2.3,获得ESMD最优分解结果所对应的全部IMF及最后的残差R。
进一步,所述步骤3中,首先计算各IMF与原始振动数据的(K-L)散度值,选取(K-L)散度值小于0.2的散度值较小的IMF作为真实IMF。
更进一步,步骤3包括:
步骤3.1:对于X=[x1,x 2,x 2,…,xn]和Y=[y1,y 2,y 2,…,yn]两组数据,X的真实概率密度函数为f(x),采用非参数核密度估计法求解数据概率密度,核密度估计公式为:
式中,h为常数,通常为窗宽或平滑参数;为高斯核函数,公式为:
同理,数据Y的概率密度可表示为,则这两组数据的接近程度可定义为:
由此这两组数据的(K-L)散度为:
。
步骤3.2:根据上述定义分别计算各IMF与原始振动数据Y的(K-L)散度值。
步骤3.3:选取(K-L)散度值不超过0.2对应的IMF作为真实IMF。
由上述对本发明的描述可知,和现有的技术相比,本发明的优点在于:
本发明包括以下步骤:测量GIS运行状态下的振动信号,利用极点对称模态分解算法(ESMD)对振动测量数据进行分解,对分解结果再根据K-L散度值选取有效经验模态分量(IMF),将选取的每个IMF作为原始数据二次分解,选取主分量重构,进一步降低噪音干扰。该发明能够有效消除测量现场干扰影响,提高GIS振动信号特征提取的精度。本发明中选择的振动信号频谱特征量能够有效消除现场干扰影响,准确反映GIS故障,特征明显,重复性好。
附图说明
图1为本发明的流程示意图。
图2为实验中采集的GIS运行状态的原始振动信号波形。
图3为ESMD一次分解后各IMF分量的(K-L)散度值。
图4为ESMD一次分解的重构信号。
图5为ESMD二次分解时重构信号。
具体实施方式
下面参照附图说明本发明的具体实施方式。为了全面理解本发明,下面描述到许多细节,但对于本领域技术人员来说,无需这些细节也可实现本发明。
一种GIS机械状态信号特征提取方法,包括以下步骤:
步骤1:对GIS运行状态下的振动信号进行采集。
具体地,利用安装在GIS外壳表面的加速度传感器采集运行状态下GIS的振动信号。
步骤2:利用极点对称模态分解法(ESMD),对步骤1所得的振动信号进行ESMD一次分解,得到各模态函数(IMF)。步骤2具体包括以下内容。
步骤2.1:标记待处理振动信号Y的所有局部极值点(n为局部极值点总数),用线段连接所有相邻的极值点,标出它们的中点为Fj ( j =1, 2,…,n-1), 并补充Fj左右边界中点Fj0与Fjn,对各局部极值点对应线段构造插值曲线L。
步骤2.2:将Y减去L,重复步骤2.1,直至满足终止条件(L均值达到某一个允许的误差值或筛选次数达到预设的最大数),从而分解获取模态分量M1。
步骤2.3:把Y- M1信号作为原信号进行上述步骤2.1 和步骤2.2处理,可得M1,M2,M2,…,Mi和余量R。
步骤2.4:筛选次数K在[Kmin,Kmax](K、Kmin、Kmax为正整数)设定范围内变换,重复上述步骤2.1 至步骤2.3,计算与K值对应的Y-R的方差σ以及输入信号的标准偏差σ0,选取方差比率σ/σ0最小时所对应的K值为最佳筛选次数,重复上述步骤2.1 至步骤2.3,获得ESMD最优分解结果所对应的全部IMF及最后的残差R。
步骤3:根据步骤2分解所得各IMF,计算各IMF与原始数据的K-L散度值,选取若干真实IMF。具体包括以下内容。
步骤3.1:对于X=[x1,x 2,x 2,…,xn]和Y=[y1,y 2,y 2,…,yn]两组数据,X的真实概率密度函数为f(x),采用非参数核密度估计法求解数据概率密度,核密度估计公式为:
式中,h为常数,通常为窗宽或平滑参数;为高斯核函数,公式为:
同理,数据Y的概率密度可表示为,则这两组数据的接近程度可定义为:
由此这两组数据的(K-L)散度为:
步骤3.2:根据上述定义分别计算各IMF与原始振动数据Y的(K-L)散度值。
步骤3.3:根据各IMF与原始振动数据Y的相似程度来选取真实IMF,(K-L)散度值越小,则表示该IMF与原始振动数据Y的相似程度越大,因此,选取(K-L)散度值不超过0.2对应的IMF作为真实IMF。
步骤4:对步骤3所选的各真实IMF分别进行ESMD二次分解,分别选取每次分解中与原始振动数据Y的K-L散度值最小的IMF作为相应真实IMF的主真实IMF,将各主真实IMF重构,得到噪音干扰更小的重构信号。
步骤5:将步骤4所得重构信号进行频谱分析,提取故障特征。
参照图2至图5,下面提供一个实施例,按本发明的特征提取方法进行实验。
实验中采集的GIS运行状态的原始振动信号波形如图2所示,其中(a)为时域波形,(b)为对应频谱图。
对原始振动信号进行一次ESMD分解,并计算各IMF分量的(K-L)散度值,结果如图3所示。考虑到ESMD分解所得IMF分为含有以故障信息为主要成分的真实IMF和噪声为主要成分的虚假IMF,因此需要选取对于故障信息敏感的IMF用于后续的故障特征提取。这里选取(K-L)<0.2对应IMF作为真实IMF,即ESMD一次分解前五个IMF分量。
将所选择的真实IMF重构可得到一次分解重构信号,并对其进行频谱分析,其波形如图4所示。可知,由于GIS振动信号所含各频率成分较为复杂,一次分解所选取的IMF还含有一定比重的噪音成分。
因此对所选的前五个真实IMF分别进行ESMD二次分解,各选取K-L散度值最小的主真实IMF进行重构。二次重构信号的时频谱如图5所示。对比图 4和图5可以明显看出降噪效果。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (4)
1.一种GIS机械状态信号特征提取方法,其特征在于,包括以下步骤:包括以下步骤:
步骤1:对GIS运行状态下的振动信号进行采集;
步骤2:利用极点对称模态分解法(ESMD),对步骤1所得的振动信号进行ESMD一次分解,得到各模态函数(IMF);
步骤3:根据步骤2分解所得各IMF,计算各IMF与原始振动数据的K-L散度值,选取若干真实IMF;
步骤4:对步骤3所选的各真实IMF分别进行ESMD二次分解,分别选取每次分解中与原始振动数据的K-L散度值最小的IMF作为相应真实IMF的主真实IMF,将各主真实IMF重构,得到噪音干扰更小的重构信号;
步骤5:将步骤4所得重构信号进行频谱分析,提取故障特征。
2.根据权利要求1所述的一种GIS机械状态信号特征提取方法,其特征在于:所述步骤2包括:
步骤2.1:标记待处理振动信号Y的所有局部极值点,用线段连接所有相邻的极值点,标出它们的中点为Fj ( j =1, 2,…,n-1;n为局部极值点总数),并补充左右边界中点Fj0与Fjn,对各局部极值点对应线段构造插值曲线L;
步骤2.2:将Y减去L,重复步骤2.1,直至满足终止条件,从而分解获取模态分量M1;
步骤2.3:把Y- M1信号作为原信号进行所述步骤2.1 ,步骤2.2处理,可得M1,M2,M2,…,Mi和余量R;
步骤2.4:筛选次数K在设定范围内变换,重复上述步骤2.1 至步骤2.3,计算与K值对应的Y-R的方差σ以及输入信号的标准偏差σ0,选取方差比率σ/σ0最小时所对应的K值为最佳筛选次数,重复上述步骤2.1 至步骤2.3,获得ESMD最优分解结果所对应的全部IMF及最后的残差R。
3.根据权利要求1所述的一种GIS机械状态信号特征提取方法,其特征在于,所述步骤3中,包括:首先计算各IMF与原始振动数据的(K-L)散度值,选取(K-L)散度值小于0.2的IMF作为真实IMF。
4.根据权利要求3所述的一种GIS机械状态信号特征提取方法,其特征在于,包括:
步骤3.1:对于X=[x1,x 2,x 2,…,xn]和Y=[y1,y 2,y 2,…,yn]两组数据,X的真实概率密度函数为f(x),采用非参数核密度估计法求解数据概率密度,核密度估计公式为:
式中,h为常数;为高斯核函数;同理,数据Y的概率密度可表示为,则这两组数据的接近程度可定义为:
由此这两组数据的(K-L)散度为:
步骤3.2:根据上述定义分别计算各IMF与原始振动数据Y的(K-L)散度值;
步骤3.3:选取(K-L)散度值不超过0.2对应的IMF作为真实IMF。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811512602.XA CN109344814A (zh) | 2018-12-11 | 2018-12-11 | 一种gis机械状态信号特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811512602.XA CN109344814A (zh) | 2018-12-11 | 2018-12-11 | 一种gis机械状态信号特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109344814A true CN109344814A (zh) | 2019-02-15 |
Family
ID=65303375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811512602.XA Pending CN109344814A (zh) | 2018-12-11 | 2018-12-11 | 一种gis机械状态信号特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344814A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111473962A (zh) * | 2020-03-20 | 2020-07-31 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器操动弹簧性能评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096987A1 (en) * | 2011-10-06 | 2013-04-18 | Ut Battelle, Llc | Citizen engagement for energy efficient communities |
CN107561009A (zh) * | 2017-09-12 | 2018-01-09 | 中国科学院长春光学精密机械与物理研究所 | 谐振腔出射光强确定方法、系统及测量设备、浓度探测器 |
CN107941513A (zh) * | 2017-12-25 | 2018-04-20 | 北京建筑大学 | 一种列车走行部轴承非平稳运维的时频阶比跟踪方法 |
CN108763678A (zh) * | 2018-05-16 | 2018-11-06 | 江苏大学镇江流体工程装备技术研究院 | 一种具备自适应性的振动信号有效分量提取方法 |
-
2018
- 2018-12-11 CN CN201811512602.XA patent/CN109344814A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096987A1 (en) * | 2011-10-06 | 2013-04-18 | Ut Battelle, Llc | Citizen engagement for energy efficient communities |
CN107561009A (zh) * | 2017-09-12 | 2018-01-09 | 中国科学院长春光学精密机械与物理研究所 | 谐振腔出射光强确定方法、系统及测量设备、浓度探测器 |
CN107941513A (zh) * | 2017-12-25 | 2018-04-20 | 北京建筑大学 | 一种列车走行部轴承非平稳运维的时频阶比跟踪方法 |
CN108763678A (zh) * | 2018-05-16 | 2018-11-06 | 江苏大学镇江流体工程装备技术研究院 | 一种具备自适应性的振动信号有效分量提取方法 |
Non-Patent Citations (3)
Title |
---|
王金良 等: "《极点对称模态分解方法——数据分析与科学探索的新途径》", 31 May 2015, 高等教育出版社 * |
韩中合: "基于K-L散度的EMD虚假分量识别方法研究", 《中国电机工程学报》 * |
马银戌: "基于二次EEMD的转子故障信号时频分析方法研究", 《科学技术与工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111473962A (zh) * | 2020-03-20 | 2020-07-31 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器操动弹簧性能评估方法及系统 |
CN111473962B (zh) * | 2020-03-20 | 2022-08-16 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器操动弹簧性能评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Ultra-high-speed directional protection of transmission lines using mathematical morphology | |
Guillen et al. | Detection and classification of faults in transmission lines using the maximum wavelet singular value and Euclidean norm | |
Satish | Short-time Fourier and wavelet transforms for fault detection in power transformers during impulse tests | |
Ghanbari | Kalman filter based incipient fault detection method for underground cables | |
Song et al. | Second generation wavelet transform for data denoising in PD measurement | |
Deng et al. | Single‐ended travelling wave protection algorithm based on full waveform in the time and frequency domains | |
Abdoos | Detection of current transformer saturation based on variational mode decomposition analysis | |
Luo et al. | Improved digital algorithm for adaptive reclosing for transmission lines with shunt reactors | |
CN104950230B (zh) | 一种基于变尺度双稳态系统的配电网故障选线方法 | |
Lin | Using k-means clustering and parameter weighting for partial-discharge noise suppression | |
Sima et al. | Statistical analysis on measured lightning overvoltage surges in a 110 kV air‐insulated substation | |
Chan et al. | Hybrid method on signal de‐noising and representation for online partial discharge monitoring of power transformers at substations | |
Kumar Murugan et al. | Power transformer protection using chirplet transform | |
Abdoos et al. | Accurate and fast DC offset removal method for digital relaying schemes | |
Huecker et al. | UHF partial discharge monitoring and expert system diagnosis | |
Yi et al. | Insulation fault diagnosis of disconnecting switches based on wavelet packet transform and PCA-IPSO-SVM of electric fields | |
Hassan et al. | Feature extraction of partial discharges during multiple simultaneous defects in low-voltage electric machines | |
Wei et al. | Fault line detection method based on the improved SVD de‐noising and ideal clustering curve for distribution networks | |
Xu et al. | Self‐adapted single‐ended travelling wave fault location algorithm considering transfer characteristics of the secondary circuit | |
CN109344814A (zh) | 一种gis机械状态信号特征提取方法 | |
Jing et al. | A novel method for small and unbalanced sample pattern recognition of gas insulated switchgear partial discharge using an auxiliary classifier generative adversarial network | |
Santos et al. | High impedance fault detection and location based on electromagnetic transient analysis | |
Lala et al. | Classification of arc fault between broken conductor and high‐impedance surface: an empirical mode decomposition and Stockwell transform‐based approach | |
CN109324268B (zh) | 基于贝叶斯推理的配电网早期故障检测方法及装置 | |
Furlani Bastos et al. | Detection of inconspicuous power quality disturbances through step changes in rms voltage profile |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |