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 PDF

Info

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
Application number
CN201811512602.XA
Other languages
English (en)
Inventor
田阳普
洪鹏鹏
邓敏
贺鹏
刘成宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Red Phase Ltd By Share Ltd
Original Assignee
Red Phase Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Red Phase Ltd By Share Ltd filed Critical Red Phase Ltd By Share Ltd
Priority to CN201811512602.XA priority Critical patent/CN109344814A/zh
Publication of CN109344814A publication Critical patent/CN109344814A/zh
Pending legal-status Critical Current

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

一种GIS机械状态信号特征提取方法
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。
CN201811512602.XA 2018-12-11 2018-12-11 一种gis机械状态信号特征提取方法 Pending CN109344814A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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