CN109901031B - 用于局部放电信号的信噪分离方法、信息数据处理终端 - Google Patents

Abstract

本发明属于高压电气设备局部放电检测技术领域，公开了一种用于局部放电信号的信噪分离方法、信息数据处理终端；采集局部放电波形信号；对局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图；将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并通过主成分分析降维，获得特征参数；对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。本发明能够高效准确提取各个脉冲波形；采用多个带通滤波器下的峰值信息作为特征向量，能够充分反映脉冲波形信息，提高了干扰信号与局放信号分离的精度。

Description

用于局部放电信号的信噪分离方法、信息数据处理终端

技术领域

本发明属于高压电气设备局部放电检测技术领域，尤其涉及一种用于局部放电信号的信噪分离方法、信息数据处理终端。

背景技术

目前，最接近的现有技术：随着社会现代化步伐的加快，我国电网的规模不断扩大，电力电缆也广泛应用到各级电力传输系统中。局部放电的变化和特征在某种程度上显示了电缆存在的缺陷，能够反映电缆绝缘的早期劣化。与此同时，高压电气设备中的大型发电机在定子绝缘劣化过程中，局部放电活动是评判其劣化程度的重要标志，局部放电可作为定子绝缘劣化失效的先兆。电力变压器是电力系统中最重要及最昂贵的设备之一，其安全运行的意义重大。在现场运行中，局部放电是导致电力变压器绝缘劣化的重要原因之一，特别是随着电力设备容量、电压等级不断增大的情况下，这个问题更为严重。因此，对高压电气设备施行局部放电在线检测有着重大意义。

然而，在对电缆局部放电进行在线检测时，总是不可避免地受到脉冲干扰的影响。这些脉冲干扰分为周期性脉冲干扰以及随机性脉冲干扰。周期性脉冲干扰主要包括可控硅设备在可控硅开、闭时产生的脉冲干扰信号，且周期性地出现在工频的某相位上；随机性脉冲干扰包括由电气设备的局部放电、开关操作及电焊操作等引起的无规律的随机性干扰。目前国内外主要通过将采集的信号与设置的局部放电阈值进行比较，从而判断高压电气设备是否产生局部放电信号。然而，脉冲型干扰与局部放电信号的时域波形十分相似，仅通过幅值阈值比较，或者其放电参数是否位于规定范围，很容易将脉冲干扰识别为局部放电信号，造成漏判或者误判。因此，有必要对采集的局部放电信号进行提取，获得单个脉冲信号，并根据脉冲波形特征进行逻辑判断，实现有用信号与噪声的分离。对局部放电信号进行在线检测时，由于背景噪声的影响，很难确定单个脉冲信号的起始以及结束边沿。现有技术存在着计算量大、脉冲边沿不清楚等问题，给后续的信号分离带来了不少困难。

目前对高压电气设备局部放电信号的研究方法主要有两种，第一种是事先通过大量的典型局部放电试验，建立局放以及噪声指纹库，然后通过人工神经网络比较放电实例与各种放电模型特征参量的相异度，确定识别结果。比如专利《一种变压器局部放电类型识别方法》(公布号：CN201810522817)分别搭建了油中气隙、油楔、针板、悬浮四种内部绝缘故障时的局部放电模拟试验平台，以上升沿t₁、持续时间t₂、能量频率分布熵E_d、幅值频率分布熵A_d作为特征参数，建立局放以及噪声指纹库，并构建优化概率神经网络实现脉冲信号的识别。这种方法属于监督识别算法，需要一定的先验知识，因此在对采集的信号进行噪声以及局放识别之前，需要进行大量的局放试验，建立放电特征数据库，这会消耗大量的人力物力资源；另一方面，由于现场环境的复杂性，往往同一典型局放在某一时刻获取的脉冲信号与另一时刻获得的信号有所差异，而局放数据库不可能涵盖所有时刻的脉冲信号，因此在识别过程中很容易出现误判。第二种方法是提取单个脉冲信号的时频域波形特征，采用聚类算法对这些特征进行聚类分析，从而实现信号与噪声的分离。采用脉冲波形特征表征脉冲信号的程度不同，最终干扰信号与局放信号分离的效果也有所不同，因此脉冲信号特征参数的选取十分重要。目前应用最为广泛的是等效时频法，即采用脉冲信号的时域等效宽度与频域等效宽度作为脉冲的特征参数，利用噪声与局放信号之间的特征差异，从而实现信号的分离。但是当两种类型的脉冲信号的时域等效宽度与频域等效宽度相同时，该方法很难完成分离。

综上所述，现有技术存在的问题是：

(1)目前对高压电气设备局部放电信号的研究方法对局部放电信号进行在线检测时，由于背景噪声的影响，很难确定单个脉冲信号的起始以及结束边沿。现有技术存在着计算量大、脉冲边沿不清楚等问题，给后续的信号分离带来了不少困难。

(2)监督识别算法需要一定的先验知识，因此在对采集的信号进行噪声以及局放识别之前，需要进行大量的局放试验，建立放电特征数据库，这会消耗大量的人力物力资源；另一方面，由于现场环境的复杂性，往往同一典型局放在某一时刻获取的脉冲信号与另一时刻获得的信号有所差异，而局放数据库不可能涵盖所有时刻的脉冲信号，因此在识别过程中很容易出现误判。

(3)目前对高压电气设备局部放电信号的研究方法脉冲波形特征表征脉冲信号的程度不同，最终干扰信号与局放信号分离的效果也有所不同，因此脉冲信号特征参数的选取十分重要。

解决上述技术问题的难度：在局部放电信号中提取单个脉冲信号时，需要确定信号的起点与终点，由于背景噪声的影响，单个脉冲信号的边沿很不明显。因此准确提取脉冲波形信号，确定脉冲的起始以及结束位置具有一定的难度。脉冲信号可以用脉冲的特征参数表示，特征参数表征脉冲信号的程度越高，信号分离的效果越好。特征参数的错误构造将会直接导致聚类效果的不理想。

解决上述技术问题的意义：本发明首先采用幅值-时间阈值法，通过确定单个脉冲第一个大于幅值阈值、最后一个大于幅值阈值的点初步确定脉冲的位置，然后根据时域能量法进一步确定脉冲的起始以及结束边沿，能够高效准确地提取各个脉冲波形。本发明提出采用多个带通滤波器下的峰值信息作为特征向量，能够充分反映脉冲波形信息，提高了干扰信号与局放信号分离的精度。本发明在对脉冲信号与局放信号进行分离时，无需建立局放以及噪声指纹库，结合聚类分离结果以及单类信号相位分布谱图特征，即可分辨脉冲干扰以及局部放电信号类型。

发明内容

针对现有技术存在的问题，本发明提供了一种用于局部放电信号的信噪分离方法、信息数据处理终端。

本发明是这样实现的，一种用于局部放电信号的信噪分离方法，所述用于局部放电信号的信噪分离方法采集局部放电波形信号；对局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图；将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并通过主成分分析降维，获得特征参数；对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

进一步，所述对局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图具体包括：

步骤一，采集的局部放电波形信号为离散时间序列，将采集信号的幅值与设置的脉冲幅值阈值进行比较；若采集信号幅值大于所述脉冲幅值阈值，则存储该幅值以及所对应时间序列中的位置信息；否则，不进行存储；

步骤二，读取存储的采样点，将相邻采样点时间之差与设置的脉冲时间阈值进行比较，确定脉冲的第一个大于脉冲阈值的点P以及最后一个大于脉冲阈值的点Q，并分别进行存储；

步骤三，根据步骤二中存储的采样点，确定脉冲的起点以及终点，并存储整个脉冲的波形，取该脉冲幅值的最大值作为该脉冲的峰值；并将其所对应的时间序列进行转换确定局放相位，绘制相位分布谱图。

进一步，所述步骤三中确定脉冲起点以及终点方法具体实现如下：

第一步，计算背景噪声的均值以及方差，背景噪声可认为是服从于均值为μ，方差为σ²的正态分布的数字随机序列，均值以及方差计算公式：

式中，X_i为背景噪声序列，N为截取的背景噪声的点数；

第二步，计算背景噪声的时域能量，定义长度为M的信号序列时域能量如式；

第三步，确定脉冲的起始以及结束位置，分别在点P处进行前向搜索、点Q处进行后向搜索，计算长度为M的信号的时域能量；将时域能量与设置的能量阈值进行比较，当时域能量小于等于能量阈值时，完成搜索，确定脉冲的起始位置和结束位置。

进一步，所述将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并通过主成分分析降维，获得特征参数具体包括以下步骤：

步骤一，对采集信号进行傅里叶变换得到频谱信号，获取采集信号的频率范围；

步骤二，在采集信号频率范围内，以0.1MHz为步进，计算提取的所有脉冲在相应频率下的方差；

步骤三，取方差较大的前三个值所在频率作为第一带通滤波器、第二带通滤波器、第三带通滤波器的中心频率f_c1、f_c2、f_c3；沿方差曲线分别在所述中心频率两侧取3dB带宽作为第一带通滤波器、第二带通滤波器、第三带通滤波器的带宽BW₁、BW₂、BW₃；

步骤四，将提取的单个脉冲信号分别通过三个带通滤波器，获得多个频带下脉冲的多个峰值，分别为第一峰值、第二峰值、第三峰值，并进行归一化处理；

步骤五，通过主成分分析降维算法对步骤四中所述的多个峰值进行降维，提取其前两阶X₁、X₂作为特征参数。

进一步，所述对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号具体包括：

步骤一，根据特征参数(X₁,X₂)绘制二维坐标散点图；

步骤二，采用模糊C均值聚类算法对特征参数进行聚类，得到分离的噪声信号与局放信号；

步骤三，根据分类类别号，使用不同图例在同一坐标系下绘制不同类别脉冲的二维坐标散点图；

步骤四，根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

进一步，采用聚类算法进行聚类时，聚类类别数有两种确定方式，一是人为确定，二是根据聚类有效性指标进行评分，计算聚类有效性函数，自适应确定最佳聚类类别数。

进一步，所述聚类有效性指标包括类内紧密性指标J以及类间分离性指标K，其中类内紧密性指标J表征类内样本的紧聚程度，类内紧密性指标J越小，类内样本的紧聚程度越高，各子类内样本点越相似，其计算公式如式：

类间分离性指标K表征类与类之间的分散程度，类间分离性指标K越大，类与类之间的分散程度越大，类间样本点的差异性越大，其计算公式如式：

其中，N为样本个数，c为聚类数，μ_ij为第j个点与第i个分类簇之间的隶属关系；

聚类有效性函数f根据类内紧密性指标J以及类间分离性指标K，寻求紧致性最小且分离性最大的最佳聚类分类数c，其计算公式如式：

聚类有效性函数f的最小值对应最佳的聚类数c，即可自适应确定最佳聚类数。

本发明的另一目的在于提供一种执行所述用于局部放电信号的信噪分离方法的用于局部放电信号的信噪分离系统，所述用于局部放电信号的信噪分离系统包括：

信号采集模块，用于采集局部放电波形信号；

脉冲提取模块，用于对所述局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位并绘制相位分布谱图；

特征参数提取模块，用于将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并进行主成分分析降维，获得特征参数；

聚类模块，用于对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

本发明的另一目的在于提供一种包含所述用于局部放电信号的信噪分离方法的信息数据处理终端。

本发明的另一目的在于提供一种包含所述用于局部放电信号的信噪分离方法的高压电气设备局部放电检测系统。

综上所述，本发明的优点及积极效果为：本发明采用幅值-时间阈值法与时域能量法联合提取脉冲信号，首先通过幅值-时间阈值法初步确定脉冲起点P和终点Q，然后通过时域能量法精确定位单个脉冲的起始和结束边沿，能够高效准确提取各个脉冲波形。传统的时域能量法仅设定一个幅值阈值，很容易对一个脉冲的所有大于幅值阈值的点开展时域能量法确定脉冲的起点与终点，当P、Q之间有n个大于幅值阈值的点时，传统的时域能量法需要对(n+2)个点开展时域能量法求解，而本发明仅需在P、Q这2点处通过时域能量法搜索脉冲的起点与终点，不仅计算量明显减少，而且不会造成脉冲的重复提取，效率大大提高。采用多个带通滤波器下的峰值信息作为特征向量，能够充分反映脉冲波形信息，提高了干扰信号与局放信号分离的精度。常用的时频等效法以时域等效宽度、频域等效宽度作为脉冲信号的特征参数，通过计算聚类有效性函数比较两种算法信号分离的精度。根据相关公式，计算聚类个数c＝3、特征量为时域等效宽度和频域等效宽度时，时频等效法的聚类有效性函数f＝0.3144。本发明的聚类有效性函数f＝0.1829。聚类有效性函数f越小，表明类内样本的紧聚程度越高，各子类内样本点越相似；类与类之间的分散程度越大，类间样本点的差异性越大。可以看出，本发明分离的精度更高。

附图说明

图1是本发明实施例提供的用于局部放电信号的信噪分离方法流程图。

图2是本发明实施例提供的用于局部放电信号的信噪分离方法实现流程图。

图3是本发明实施例提供的提取的单个脉冲波形示意图。

图4是本发明实施例提供的局部放电信号相位分布谱图。

图5是本发明实施例提供的聚类分析的二维坐标散点图。

图6是本发明实施例提供的聚类类别号为1的相位分布谱图。

图7是本发明实施例提供的聚类类别号为2的相位分布谱图。

图8是本发明实施例提供的聚类类别号为3的相位分布谱图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对目前对高压电气设备局部放电信号的研究方法需要进行大量的局放试验，耗费人力物力资源；脉冲信号提取计算量大、脉冲边沿不清楚；特征参数的错误构造将会直接导致聚类效果不理想的问题，本发明采用幅值-时间阈值法与时域能量法联合提取脉冲信号，能够高效准确提取各个脉冲波形；采用多个带通滤波器下的峰值信息作为特征向量，能够充分反映脉冲波形信息，提高了干扰信号与局放信号分离的精度。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的用于局部放电信号的信噪分离方法包括以下步骤：

S101：采集局部放电波形信号；

S102：对局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图；

S103：将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并通过主成分分析降维，获得特征参数；

S104：对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

在本发明的优选实施例中，对局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图具体包括：

步骤一，采集的局部放电波形信号为离散时间序列，将采集信号的幅值与设置的脉冲幅值阈值进行比较；若采集信号幅值大于所述脉冲幅值阈值，则存储该幅值以及所对应时间序列中的位置信息；否则，不进行存储；

步骤二，读取存储的采样点，将相邻采样点时间之差与设置的脉冲时间阈值进行比较，确定脉冲的第一个大于脉冲阈值的点P以及最后一个大于脉冲阈值的点Q，并分别进行存储；

步骤三，根据步骤二中存储的采样点，确定脉冲的起点以及终点，并存储整个脉冲的波形，取该脉冲幅值的最大值作为该脉冲的峰值；并将其所对应的时间序列进行转换确定局放相位，绘制相位分布谱图。

在本发明的优选实施例中，步骤三中确定脉冲起点以及终点方法具体实现如下：

第一步，计算背景噪声的均值以及方差，背景噪声可认为是服从于均值为μ，方差为σ²的正态分布的数字随机序列，均值以及方差计算公式：

式中，X_i为背景噪声序列，N为截取的背景噪声的点数；

第二步，计算背景噪声的时域能量，定义长度为M的信号序列时域能量如式；

第三步，确定脉冲的起始以及结束位置，分别在点P处进行前向搜索、点Q处进行后向搜索，计算长度为M的信号的时域能量；将时域能量与设置的能量阈值进行比较，当时域能量小于等于能量阈值时，完成搜索，确定脉冲的起始位置和结束位置。

在本发明的优选实施例中，将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并通过主成分分析降维，获得特征参数具体包括以下步骤：

步骤一，对采集信号进行傅里叶变换得到频谱信号，获取采集信号的频率范围；

步骤二，在采集信号频率范围内，以0.1MHz为步进，计算提取的所有脉冲在相应频率下的方差；

步骤三，取方差较大的前三个值所在频率作为第一带通滤波器、第二带通滤波器、第三带通滤波器的中心频率f_c1、f_c2、f_c3；沿方差曲线分别在所述中心频率两侧取3dB带宽作为第一带通滤波器、第二带通滤波器、第三带通滤波器的带宽BW₁、BW₂、BW₃；

步骤四，将提取的单个脉冲信号分别通过三个带通滤波器，获得多个频带下脉冲的多个峰值，分别为第一峰值、第二峰值、第三峰值，并进行归一化处理；

步骤五，通过主成分分析降维算法对步骤四中所述的多个峰值进行降维，提取其前两阶X₁、X₂作为特征参数。

在本发明的优选实施例中，对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号具体包括：

步骤一，根据特征参数(X₁,X₂)绘制二维坐标散点图；

步骤二，采用模糊C均值聚类算法对特征参数进行聚类，得到分离的噪声信号与局放信号；

步骤三，根据分类类别号，使用不同图例在同一坐标系下绘制不同类别脉冲的二维坐标散点图；

步骤四，根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

在本发明的优选实施例中，采用聚类算法进行聚类时，聚类类别数有两种确定方式，一是人为确定，二是根据聚类有效性指标进行评分，计算聚类有效性函数，自适应确定最佳聚类类别数。

在本发明的优选实施例中，聚类有效性指标包括类内紧密性指标J以及类间分离性指标K，其中类内紧密性指标J表征类内样本的紧聚程度，类内紧密性指标J越小，类内样本的紧聚程度越高，各子类内样本点越相似，其计算公式如式：

类间分离性指标K表征类与类之间的分散程度，类间分离性指标K越大，类与类之间的分散程度越大，类间样本点的差异性越大，其计算公式如式：

其中，N为样本个数，c为聚类数，μ_ij为第j个点与第i个分类簇之间的隶属关系；

聚类有效性函数f根据类内紧密性指标J以及类间分离性指标K，寻求紧致性最小且分离性最大的最佳聚类分类数c，其计算公式如式：

聚类有效性函数f的最小值对应最佳的聚类数c，即可自适应确定最佳聚类数。

图2为本发明实施例提供的用于局部放电信号的信噪分离方法的具体实现流程图。

下面结合具体实施例对本发明的应用原理作进一步的描述。

根据采集的局部放电信号，将幅值-时间阈值法与时域能量法相结合，提取脉冲信号，图3给出了提取的单个脉冲信号的一个波形实例。然后根据提取的所有脉冲的峰值及相位分布，绘制局部放电信号相位分布谱图，如图4所示。图4中脉冲分布在0～360°范围内，可以看出，仅通过阈值比较，无法将脉冲干扰和局部放电信号分离。

对提取的脉冲信号进行傅里叶变换，以0.1MHz为步进，计算提取的所有脉冲在相应频率下的方差，取方差较大的前三个值所在频率作为第一带通滤波器、第二带通滤波器和第三带通滤波器的中心频率。最终确定三个带通滤波器中心频率分别为1.1MHz、2.8MHz、19.5MHz，带宽分别为0.4MHz、0.3MHz、1.8MHz。然后将脉冲信号分别通过这三个带通滤波器，获取对应滤波器下脉冲的峰值信息，归一化后作为特征参数。对获取的三维特征参数进行主成分分析降维，映射到二维坐标系(X₁,X₂)中，并进行聚类分析。已知聚类个数c＝3。

聚类分析后的二维坐标散点图如图5所示，脉冲信号分为三类，如图例所示，分别用圆点标记表示分类类别号为1的脉冲信号，星号标记表示分类类别号为2的脉冲信号，三角标记表示分类类别号为3的脉冲信号。根据相关公式，计算聚类有效性函数f＝0.1829。

根据分类类别号、脉冲峰值、脉冲相位信息分别绘制各类信号的相位分布谱图，如图6、图7以及图8所示。由图6可以看出，分类类别号为1的脉冲分布在0～360°相位范围内，与工频信号的相位没有相关性；由图7可以看出，分类类别号为2的脉冲分布在工频信号正负半周的峰值附近，分布较为对称，幅值主要分布在70～300mV；由图8可以看出，分类类别号为3的脉冲分布在工频信号正半周的峰值附近以及负半周内，正负半周分布不对称，且正半周脉冲信号的峰值高于负半周脉冲信号的峰值。根据相位分布特征，可以初步确定分类类别号为1的脉冲信号为干扰脉冲信号，分类类别号为2的脉冲信号为局部放电中的气隙放电，分类类别号为3的脉冲信号为局部放电中的电晕放电。由此可以看出，本发明提出的一种用于局部放电信号的信噪分离方法能够有效地分离局部放电脉冲信号与干扰脉冲信号。

为了验证本发明算法的有效性，下面采用时频等效法进行聚类，以时域等效宽度、频域等效宽度作为脉冲信号的特征参数，通过聚类有效性函数进行对比分析。根据相关公式，计算聚类个数c＝3、特征量为时域等效宽度和频域等效宽度时，聚类有效性函数f＝0.3144。本发明的聚类有效性函数f＝0.1829。聚类有效性函数f越小，表明类内样本的紧聚程度越高，各子类内样本点越相似；类与类之间的分散程度越大，类间样本点的差异性越大。因此，本发明提出的采用多个带通滤波器下的峰值信息作为特征向量，能够充分反映脉冲波形信息，提高了干扰信号与局放信号分离的精度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种用于局部放电信号的信噪分离方法，其特征在于，所述用于局部放电信号的信噪分离方法采用幅值-时间阈值法与时域能量法联合提取脉冲信号，能够高效准确提取各个脉冲波形；采用多个带通滤波器下的峰值信息作为特征向量，能够充分反映脉冲波形信息，提高了干扰信号与局放信号分离的精度；在对脉冲信号与局放信号进行分离时，无需建立局放以及噪声指纹库，结合聚类分离结果以及单类信号相位分布谱图特征，即可分辨脉冲干扰以及局部放电信号类型；

所述用于局部放电信号的信噪分离方法包括：

(1)采集局部放电波形信号；

(2)对局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图；具体包括：

步骤一，采集的局部放电波形信号为离散时间序列，将采集信号的幅值与设置的脉冲幅值阈值进行比较；若采集信号幅值大于所述脉冲幅值阈值，则存储该幅值以及所对应时间序列中的位置信息；否则，不进行存储；

步骤二，读取存储的采样点，将相邻采样点时间之差与设置的脉冲时间阈值进行比较，确定脉冲的第一个大于脉冲时间阈值的点P以及最后一个大于脉冲时间阈值的点Q，并分别进行存储；

步骤三，根据步骤二中存储的采样点，确定脉冲的起点以及终点，并存储整个脉冲的波形，取该脉冲幅值的最大值作为该脉冲的峰值；并将其所对应的时间序列进行转换确定局放相位，绘制相位分布谱图；

(3)将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并通过主成分分析降维，获得特征参数；具体包括以下步骤：

步骤一，对采集信号进行傅里叶变换得到频谱信号，获取采集信号的频率范围；

步骤二，在采集信号频率范围内，以0.1MHz为步进，计算提取的所有脉冲在相应频率下的方差；

步骤三，取方差较大的前三个值所在频率作为第一带通滤波器、第二带通滤波器、第三带通滤波器的中心频率f_c1、f_c2、f_c3；沿方差曲线分别在所述中心频率两侧取3dB带宽作为第一带通滤波器、第二带通滤波器、第三带通滤波器的带宽BW₁、BW₂、BW₃；

步骤四，将提取的单个脉冲信号分别通过三个带通滤波器，获得多个频带下脉冲的多个峰值，分别为第一峰值、第二峰值、第三峰值，并进行归一化处理；

步骤五，通过主成分分析降维算法对步骤四中所述的多个峰值进行降维，提取其前两阶X₁、X₂作为特征参数；

(4)对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

2.如权利要求1所述的用于局部放电信号的信噪分离方法，其特征在于，所述步骤三中确定脉冲起点以及终点方法具体实现如下：

第一步，计算背景噪声的均值以及方差，背景噪声可认为是服从于均值为μ，方差为σ²的正态分布的数字随机序列，均值以及方差计算公式：

式中，X_i为背景噪声序列，N为截取的背景噪声的点数；

第二步，计算背景噪声的时域能量，定义长度为M的信号序列时域能量如式；

第三步，确定脉冲的起始以及结束位置，分别在点P处进行前向搜索、点Q处进行后向搜索，计算长度为M的信号的时域能量；将时域能量与设置的能量阈值进行比较，当时域能量小于等于能量阈值时，完成搜索，确定脉冲的起始位置和结束位置。

3.如权利要求1所述的用于局部放电信号的信噪分离方法，其特征在于，所述对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号具体包括：

步骤一，根据特征参数(X₁,X₂)绘制二维坐标散点图；

步骤二，采用模糊C均值聚类算法对特征参数进行聚类，得到分离的噪声信号与局放信号；

步骤三，根据分类类别号，使用不同图例在同一坐标系下绘制不同类别脉冲的二维坐标散点图；

步骤四，根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

4.如权利要求3所述的用于局部放电信号的信噪分离方法，其特征在于，采用聚类算法进行聚类时，聚类类别数有两种确定方式，一是人为确定，二是根据聚类有效性指标进行评分，计算聚类有效性函数，自适应确定最佳聚类类别数；

所述聚类有效性指标包括类内紧密性指标J以及类间分离性指标K，其中类内紧密性指标J表征类内样本的紧聚程度，类内紧密性指标J越小，类内样本的紧聚程度越高，各子类内样本点越相似，其计算公式如式：

类间分离性指标K表征类与类之间的分散程度，类间分离性指标K越大，类与类之间的分散程度越大，类间样本点的差异性越大，其计算公式如式：

其中，N为样本个数，c为聚类数，μ_ij为第j个点与第i个分类簇之间的隶属关系；

聚类有效性函数f根据类内紧密性指标J以及类间分离性指标K，寻求紧致性最小且分离性最大的最佳聚类分类数c，其计算公式如式：

聚类有效性函数f的最小值对应最佳的聚类数c，即可自适应确定最佳聚类数。

5.一种执行权利要求1所述用于局部放电信号的信噪分离方法的用于局部放电信号的信噪分离系统，其特征在于，所述用于局部放电信号的信噪分离系统包括：

信号采集模块，用于采集局部放电波形信号；

脉冲提取模块，用于对所述局放信号进行提取，获取单个脉冲信号，记录脉冲的峰值及相位，并绘制相位分布谱图；具体包括：

步骤一，采集的局部放电波形信号为离散时间序列，将采集信号的幅值与设置的脉冲幅值阈值进行比较；若采集信号幅值大于所述脉冲幅值阈值，则存储该幅值以及所对应时间序列中的位置信息；否则，不进行存储；

步骤二，读取存储的采样点，将相邻采样点时间之差与设置的脉冲时间阈值进行比较，确定脉冲的第一个大于脉冲阈值的点P以及最后一个大于脉冲阈值的点Q，并分别进行存储；

步骤三，根据步骤二中存储的采样点，确定脉冲的起点以及终点，并存储整个脉冲的波形，取该脉冲幅值的最大值作为该脉冲的峰值；并将其所对应的时间序列进行转换确定局放相位，绘制相位分布谱图；

特征参数提取模块，用于将所提取脉冲通过多个带通滤波器，获得对应滤波器下脉冲的峰值信息，并进行主成分分析降维，获得特征参数；具体包括以下步骤：

步骤一，对采集信号进行傅里叶变换得到频谱信号，获取采集信号的频率范围；

步骤二，在采集信号频率范围内，以0.1MHz为步进，计算提取的所有脉冲在相应频率下的方差；

步骤三，取方差较大的前三个值所在频率作为第一带通滤波器、第二带通滤波器、第三带通滤波器的中心频率f_c1、f_c2、f_c3；沿方差曲线分别在所述中心频率两侧取3dB带宽作为第一带通滤波器、第二带通滤波器、第三带通滤波器的带宽BW₁、BW₂、BW₃；

步骤四，将提取的单个脉冲信号分别通过三个带通滤波器，获得多个频带下脉冲的多个峰值，分别为第一峰值、第二峰值、第三峰值，并进行归一化处理；

步骤五，通过主成分分析降维算法对步骤四中所述的多个峰值进行降维，提取其前两阶X₁、X₂作为特征参数；

聚类模块，用于对特征参数进行聚类分析，将脉冲分为多类，并根据分类类别号、脉冲峰值、脉冲相位绘制单类脉冲相位分布谱图，确定局放信号与干扰信号。

6.一种包含权利要求1-4任意一项所述用于局部放电信号的信噪分离方法的信息数据处理终端。

7.一种包含权利要求1-4任意一项所述用于局部放电信号的信噪分离方法的高压电气设备局部放电检测系统。

Images