CN109557429B - 基于改进小波阈值去噪的gis局部放电故障检测方法 - Google Patents

Abstract

本发明公开了一种基于改进小波阈值去噪的GIS局部放电故障检测方法。本发明的方法包括以下步骤：将特高频传感器检测到的数据进行小波变换，选用dB4母小波对传感器检测数据进行4层分解，得到各尺度下的小波系数；小波分解系数阈值量化，阈值选定后，去除小于阈值的小波系数，将大于阈值的小波系数进行阈值函数处理，进而得到阈值函数处理后的各层系数；通过小波逆变换将处理后的各层系数进行信号重构，从而实现小波去噪。本发明与传统的软、硬阈值降噪算法相比，降噪后不仅进一步提高了信噪比，而且降低了方差，使得处理后的信号波形更为逼近原始局部放电信号，有利于后续进行放电缺陷类型的识别。

Description

基于改进小波阈值去噪的GIS局部放电故障检测方法

技术领域

本发明涉及GIS局部放电检测技术，特别是一种基于改进小波阈值去噪的GIS局部放电故障检测方法。

背景技术

GIS结构紧凑、可靠性高，被广泛应用在电力系统中。GIS故障类型繁多，包括机械故障、绝缘故障以及线路故障等。根据历年设备运行的故障统计，电路绝缘体长期工作在高温、高压等恶劣运行环境导致的绝缘故障占整个故障类型的80％左右，而局部放电是造成电力设备绝缘缺陷的主要原因，因此，及时发现GIS内部潜伏性故障对设备的安全运行意义重大。

特高频局部放电检测技术是通过检测GIS辐射出的特高频电磁波信号来分析诊断局部缺陷的方法，避免了大量低频率噪声信号的干扰。然而电气设备产生的热噪声、保护装置和线路耦合产生的噪声以及半导体器件的散粒噪声会对采集的局部放电信号产生强大干扰，局部放电信号甚至会被这些强白噪声湮没，严重影响了局部放电在线监测的灵敏度及正确度。为了实现精确分析局部放电信号，必须首先解决对噪声干扰的抑制问题。多尺度小波变换能将信号分解到多个尺度空间，该方法适合非稳态、高频和暂态信号降噪。GIS特高频局部放电信号上升时间极短，数量级为ns，是典型的高频非稳态信号，因此小波分解适合作为GIS局部放电信号降噪处理。

软、硬阈值算法是比较常见的两种收缩规则，在实际应用中也取得了较好的效果，但它们各自都存在一些缺陷。硬阈值算法将小波系数绝对值低于阈值的置为零，高于阈值的部分全部保留，这样可以很好保留信号边缘等局部特征，但相较于软阈值处理后的信号也就更为粗糙，这是因为硬阈值算法在±thr处具有不连续性，产生较大的方差，因此利用C_j，k(被噪声干扰后的小波分解系数)重构的信号会产生振荡现象。软阈值算法对于绝对值大于阈值的小波系数作收缩(减去阈值)处理，是一个连续的函数，因此相对于硬阈值处理的信号平滑效果好，且具有良好的连续性；但由于对所有绝对值大于阈值的系数都做了收缩，造成C_j，k与

(估计的小波系数)之间存在恒定偏差，这样影响了重构所得的信号准确度。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于改进小波阈值去噪的GIS局部放电故障检测方法，其利用特高频局部放电传感器检测强白噪声干扰下的放电数据，处理后的信号波形更为逼近原始局部放电信号，以利于后续进行放电缺陷类型的识别。

为此，本发明采用如下的技术方案：基于改进小波阈值去噪的GIS局部放电故障检测方法，其包括步骤：

步骤1，将特高频传感器检测到的数据进行小波变换，选用dB4母小波对特高频传感器检测数据进行4层分解，得到各尺度下的小波系数；

步骤2，小波分解系数阈值量化，阈值选定后，去除小于阈值的小波系数，将大于阈值的小波系数进行阈值函数处理，进而得到阈值函数处理后的各层系数；

步骤3，通过小波逆变换将处理后的各层系数进行信号重构，从而实现小波去噪。

作为上述技术方案的补充，步骤2中所述的阈值选定公式为

其中，thr(j)为阈值，N为对应层小波系数个数；j为小波分解的尺度；σ_n为所染噪声的方差，e为自然数。

作为上述技术方案的补充，σ_n＝median(|C_j，k|)/0.6745，C_j，k为被噪声干扰后的小波分解系数，j为小波分解的尺度，k为第k个小波系数。

作为上述技术方案的补充，步骤2中，所述阈值处理函数为：

式中，C_j，k为被噪声干扰后的小波分解系数，

为估计的小波系数，thr(j)为阈值，λ为调节系数，j为小波分解的尺度，k为第k个小波系数。

本发明与现有方法相比，具有如下优点和有益效果：

(1)本发明提供的一种基于改进小波阈值去噪的GIS局部放电故障检测方法，解决了硬阈值算法在±thr处具有不连续性、产生较大的方差以及重构的信号会产生振荡现象的缺陷，同时也避免了软阈值算法对所有绝对值大于阈值的系数做收缩，造成C_j，k与

之间存在的恒定偏差。

(2)改进的阈值函数中加入了调节系数，可以根据实际情况进行灵活取值，有利于提高降噪效果。

(3)与传统的软、硬阈值降噪算法相比，降噪后不仅进一步提高了信噪比，而且降低了方差，使得处理后的信号波形更为逼近原始局部放电信号，有利于后续进行放电缺陷类型的识别。

附图说明

图1是本发明去噪(降噪)的流程图；

图2是本发明所述改进的阈值函数在正半轴的示意图，并对比软硬阈值函数曲线图，其中λ＝1.0506，thr＝4(图2中的本文阈值函数曲线即为本发明阈值函数曲线)；

图3是模拟原始局部放电信号并进行降噪的效果图，如图3a为染噪前模拟的四种不同局放信号类型的波形图，这四种局部放电类型信号分别是：单指数衰减脉冲模型、单指数衰减振荡脉冲模型、双指数衰减脉冲模型以及双指数衰减振荡脉冲模型，图3b为加入信噪比为-10dB的高斯白噪声后四种局部放电类型的波形图，图3c为利用硬阈值函数处理后去噪的效果，图3d为利用软阈值函数处理后去噪的效果图，图3e为调节系数λ＝1.0506时本发明所述的改进阈值函数去噪效果图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

结合图1，一种基于改进小波阈值去噪的GIS局部放电故障检测方法，包括以下步骤：

步骤1，本实施例选取dB4为母小波，采取分解层数4层对模拟染噪的四种局部放电数据进行小波分解，得到被高斯白噪声干扰后的小波分解系数C_j，k，其中j为小波分解的尺度，k为第k个小波系数。

步骤2，小波分解系数阈值量化。小波分解具有很强的数据去相关性，能够使有用的局放信号集中在小波域数值大的系数上，而噪声是分布在整个小波域上，对应的小波系数也较小，因此在不同尺度上要选取恰当的阈值。采用

式中N为对应层小波系数个数；j为小波分解的尺度；σ_n为所染噪声的方差。而现实情况是所染噪声方差是未知的，可通过第一层小波分解系数进行估计，即σ_n＝median(|C_j，k|)/0.6745。由估值函数可以看出：随着分解尺度j变大，阈值thr(j)随之变小，符合分解尺度变大而噪声幅值随之变小的特点。

步骤3，有了阈值，便可通过相应的阈值函数对小波系数进行阈值处理，采用改进的小波阈值函数对小波系数进行阈值处理，改进的阈值函数为：

式中：C_j，k为被噪声干扰后的小波分解系数，

为估计的小波系数，thr(j)为阈值，λ为调节系数。

考察此函数：

由于f(-x)＝-f(x)，且函数f(x)定义域为R，因此本阈值函数为奇函数，这点和传统的硬阈值函数与软阈值函数一致。由于f₊(thr)＝f_-(thr)＝0，因此，f(x)在x＝thr处连续，又f(x)为奇函数，易推f(x)在x＝-thr处连续。此性质可以改善硬阈值函数不连续导致重构信号的振荡现象。由上面分析可知，此阈值函数渐近线为y＝x，所以，当小波系数C_j，k较大时，可以有效抑制软阈值函数处理所带来的C_j，k与

之间的恒定偏差。图2画出了此阈值函数在正半轴的示意图，并对比软硬阈值函数曲线图，其中λ＝1.0506，thr＝4，负半轴可由奇偶性得出，发现此改进的阈值函数曲线分布在软硬阈值曲线之间，这样既能实现在高尺度上尽可能减少局放脉冲信号的能量损失，又可实现去噪的效果。

步骤4，通过小波逆变换，将阈值函数处理后的各层小波系数进行信号重构，从而实现小波去噪的目的。

为验证改进阈值函数在GIS局部放电去噪算法中的有效性，构造了原始局部放电信号，如图3a所示，共有四种不同局放信号类型，模拟衰减常数0.2μs，振荡频率60kHz，采样点数4096个。加入信噪比为-10dB的高斯白噪声，污染后的信号波形如图3b所示，由于叠加的噪声干扰较大，原始放电信号被湮没。选取dB4为母小波，采取分解层数4层进行分解。分别采用硬阈值算法、软阈值算法和取调节系数λ＝1.0506时的本发明所提改进阈值方法进行去噪实验，信噪比和均方误差的比较结果如表1所示，去噪后波形效果图分别如图3c、3d、3e所示。

利用信噪比(5NR)和均方误差(MSE)作为降噪算法性能指标。SNR是计算信号中噪声的含量，算法如下所示：

式中，X(i)为原始参考信号；Y(i)为降噪后信号；n为信号采样个数。若信号能量大于噪声能量则SNR值为正，反之为负。

MSE是评估局部放电脉冲波形的失真率指标，算法如下所示：

式中，n为信号长度；F(i)为原始信号；R(i)为重构后的信号。MSE越小表示失真度越小，即重构信号和原始信号相似度越大。

表1不同阈值函数处理的SNR和MSE对比

性能评价	硬阈值函数	软阈值函数	本发明方法
				SNR(dB)	2.0211	3.0002	5.0089
MSE	1.0747	0.9535	0.4355

由表1得知，与传统的软、硬阈值降噪算法相比，降噪后不仅进一步提高了信噪比，而且降低了方差。从图3可以看出，本发明改进的阈值函数处理后的信号波形更为逼近原始局部放电信号，而且新阈值算法灵活，响应速度快，稳定性较高，能够很好的完成对局放波形的提取，适合应用到GIS局部放电在线监测系统中，从而提高故障诊断的效率。

Claims (1)

1.基于改进小波阈值去噪的GIS局部放电故障检测方法，其特征在于，包括步骤：

步骤1，将特高频传感器检测到的数据进行小波变换，选用dB4母小波对特高频传感器检测数据进行4层分解，得到各尺度下的小波系数；

步骤2，小波分解系数阈值量化，阈值选定后，去除小于阈值的小波系数，将大于阈值的小波系数进行阈值函数处理，进而得到阈值函数处理后的各层系数；

步骤3，通过小波逆变换将处理后的各层系数进行信号重构，从而实现小波去噪；

步骤2中所述的阈值选定公式为

其中，thr(j)为阈值，N为对应层小波系数个数；j为小波分解的尺度；σ_n为所染噪声的方差，e为自然数；

σ_n＝median(|C_j，k|)/0.6745，C_j，k为被噪声干扰后的小波分解系数，j为小波分解的尺度，k为第k个小波系数；

步骤2中，所述阈值处理函数为：

式中，C_j，k为被噪声干扰后的小波分解系数，

为估计的小波系数，thr(j)为阈值，λ为调节系数，j为小波分解的尺度，k为第k个小波系数。

Images