CN110780162A - 一二次融合配电开关局部放电信号提取方法及检测装置 - Google Patents

一二次融合配电开关局部放电信号提取方法及检测装置 Download PDF

Info

Publication number
CN110780162A
CN110780162A CN201910958119.2A CN201910958119A CN110780162A CN 110780162 A CN110780162 A CN 110780162A CN 201910958119 A CN201910958119 A CN 201910958119A CN 110780162 A CN110780162 A CN 110780162A
Authority
CN
China
Prior art keywords
signal
signals
matrix
partial discharge
observation
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.)
Granted
Application number
CN201910958119.2A
Other languages
English (en)
Other versions
CN110780162B (zh
Inventor
丁一
王旭东
张磐
戚艳
黄潇潇
李国栋
时燕新
李洁
霍现旭
于光耀
郑骁麟
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.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Chengnan Power Supply Co of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co 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 State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910958119.2A priority Critical patent/CN110780162B/zh
Publication of CN110780162A publication Critical patent/CN110780162A/zh
Application granted granted Critical
Publication of CN110780162B publication Critical patent/CN110780162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/10—Nuclear fusion reactors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及一种一二次融合配电开关局部放电信号提取方法及检测装置，包括以下步骤：步骤1、采用集合经验模态分解EEMD将单通道局部放电PD信号分解为多个本征模态函数IMF；步骤2、将只包含噪声的第一个IMF删除，以剩余所有IMF构造多通道含噪观测信号，采用典型相关分析进行盲源信号分离，获取解混矩阵及多个源信号；步骤3、将表征噪声的源信号删除，采用剩余源信号计算出降噪后的多通道PD观测信号并求和，最终重构出去噪PD信号。本发明能够从被白噪声淹没的局部放电信号中准确提取出局放信号。

Description

一二次融合配电开关局部放电信号提取方法及检测装置
技术领域
本发明属于电力开关柜技术领域，涉及配电开关局部放电信号提取方法及检测装置，尤其是一种一二次融合配电开关局部放电信号提取方法及检测装置。
背景技术
配电开关柜是配电系统重要设备。对配电开关的运行状态进行在线监测，及时发现故障隐患并对累积性故障做出预测，对于保证配电开关的正常运行、减少维修次数、提高电力系统可靠性和自动化程度意义重大。局部放电(PartialDischarge,PD)检测是感知设备绝缘劣化和健康状态的有效手段，是在线监测的重要组成部分。然而在线监测到的局部放电信号是视在放电量，信号非常微弱，配电开关柜运行环境多样、恶劣，现场采集到的局放信号中往往夹杂着连续性周期窄带、脉冲、白噪声等各种干扰信号。因此，如何从被白噪声淹没的局部放电信号中准确提取出局放信号成为局部放电模式识别与分析的重要前提。
PD信号是一种非平稳、非线性信号，且PD检测时除观测信号外，信号输入、系统模型均未知，因此需要采用盲信号处理方法去噪。现有技术中，小波阈值去噪法由于小波具有良好的时频特性被广泛应用在局部放电信号的去噪上，然而该方法需要靠人的经验来选取母小波基、阈值和分解层数，不具有自适应性，会使去噪后的波形发生畸变，产生较大误差。经验模态分解能够较好地处理随机非平稳信号，无需预先设定基函数，就可基于信号本身特点将信号自适应地分解成不同尺度的本征模态函数(Intrinsic mode function,IMF)，因而兼具多分辨率和自适应性特点。EMD分解过程中会产生模态混叠现象，即分解得到的一个或多个IMF中包含差异极大的特征时间尺度，或相近的特征时间尺度被划分到不同IMF中。集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)一定程度上抑制了模态混叠问题，但尚不能有效消除模态混叠，同时也带来了IMF分解个数增加、算法耗时过长等问题。由于噪声在每层IMF中都有不同程度的分布，基于EMD的去噪方法难以将噪声与局放信号完全分离。
因此如何从被白噪声淹没的局部放电信号中准确提取出局放信号是本领域技术人员亟待解决的技术难题。
发明内容
本发明的目的在于克服现有技术的不足，提出一种一二次融合配电开关局部放电信号提取方法及检测装置，能够从被白噪声淹没的局部放电信号中准确提取出局放信号。
本发明解决其现实问题是采取以下技术方案实现的：
一种一二次融合配电开关局部放电信号提取方法，包括以下步骤：
步骤1、采用集合经验模态分解EEMD将单通道PD信号分解为多个本征模态函数；
步骤2、将只包含噪声的第一个IMF删除，以剩余所有IMF构造多通道含噪观测信号，采用典型相关分析进行盲源信号分离，获取解混矩阵及多个源信号；
步骤3、将表征噪声的源信号删除，采用剩余源信号计算出降噪后的多通道PD观测信号并求和，最终重构出去噪PD信号。
而且，所述步骤1的具体步骤包括：
(1)对配电开关柜进行PD信号测量，得到信号x(t)，可采取暂态地电压信号测量、超声波信号测量、超高频信号测量等方式；
(2)在原始信号中加入高斯白噪声，得到信号x1(t)；
(3)对信号x1(t)进行经验模态分解EMD，得到一组IMF；
(4)反复重复N次步骤(2)、步骤(3)，N为EEMD中EMD的重复执行次数；
(5)求取所有N组IMF的平均值作为最终结果；
而且，所述步骤1的第(3)步的具体步骤包括：
1)首先找出x1(t)上的所有的极大值点和极小值点，利用三次样条插值函数连接极大值点形成上包络线xmax(t)，同样连接各极小值点形成下包络线xmin(t)，计算上下包络线的均值：m＝(xmax(t)+xmin(t))/2，并计算均值与信号的差值：h＝x1(t)-m；
2)将h视为新的信号，重复步骤1)，直到两个连续的处理结果之差满足下列停止准则：
Figure BDA0002228044400000031
其中，h(k-1)(t)、hk(t)为第k-1、k次处理结果；T为测量时刻数量；ε为EMD收敛精度，典型值一般取0.1～0.2；此时得到第一个IMF：c1＝hk；
3)当c1确定后，可得到余项r1＝x(t)-c1；视r1为新的原始信号，重复步骤1)和步骤2)，依次得到多个IMF，直到当余项rn幅值小于预定值或余项rn变为单调函数时停止，EMD分解后原始信号x1(t)分解为：
Figure BDA0002228044400000032
而且，所述步骤2的具体步骤包括：
(1)EEMD分解后得到K+1个IMF，采用第2～K+1个IMF构造多路观测信号，假定观测信号由源信号线性组合而成，即
X(t)＝AS(t) (3)
其中，X(t)为K×T信号观测矩阵；K为通道数量；T为样本数量；S(t)为源信号矩阵；A为K×K混合矩阵。
(2)采用CCA估计源信号，估计出源信号为：
Figure BDA0002228044400000041
其中，
Figure BDA0002228044400000042
为源信号估计矩阵；W为K×K解混矩阵。
而且，所述步骤2的第(2)步的具体步骤包括：
1)记X(t)的时滞观测矩阵为Y(t)＝X(t－1)；
2)求解映射wx、wy使得X(t)、Y(t)的第一组典型变量u、v相关系数最大，记为(u,v)1：
Figure BDA0002228044400000043
将求解wx、wy转化为求解矩阵的特征向量，即：
其中，Cxx、Cyy分别为X、Y的自协方差矩阵，Cxy为X、Y的互协方差矩阵；ρ为典型变量的相关系数，wx、wy为特征向量；
3)解得第一对典型变量(u,v)1及映射(wx,wy)1后，重复步骤2)继续求解第2,3,…K对典型变量(u,v)2…K及映射(wx,wy)2…K，使得每对典型变量(u,v)i相关系数最大，而u1,u2,…uK之间尽可能互不相关，v1,v2,…vK之间也尽可能互不相关，解得所有K对典型变量及映射后，解混矩阵为W＝[wx1,wx2,…,wxK]T。
而且，所述步骤3的具体步骤包括：
(1)将
Figure BDA0002228044400000045
中噪声源信号置零，可重构出去噪观测信号矩阵
Figure BDA0002228044400000051
其中，Xclean(t)为去噪观测信号矩阵；
Figure BDA0002228044400000052
为去噪源信号估计矩阵。矩阵Xclean(t)所有信号相加即可重构出最终去噪PD信号；
(2)根据去噪后PD信号判断开关柜绝缘情况并出具报告。
一种一二次融合配电开关局部放电在线检测装置，包括监控终端、超声传感器、TEV传感器和无线传输模块；所述超声传感器和TEV传感器和监控终端相连接，用于监测并测量开关柜表面的TEV信号以及放电时产生的超声信号；所述无线通讯模块与监控终端相连接，用于将测量结果输出至服务器。
本发明的优点和有益效果：
本发明提出了一种集合经验模态分解与典型相关分析(Canonical Correlationanalysis，CCA)相结合的配电开关柜局部放电(Partial Discharge,PD)信号去噪方法，可以从被白噪声淹没的局部放电信号中准确提取出局放信号。首先，采用集合经验模态分解将单通道PD信号分解为多个本征模态函数(Intrinsic mode function,IMF)；其次，将只包含噪声的第一个IMF删除，以剩余所有IMF构造多通道含噪观测信号，采用典型相关分析进行盲源信号分离，获取解混矩阵及多个源信号；最后，将表征噪声的源信号删除，采用剩余源信号计算出降噪后的多通道PD观测信号并求和，最终重构出去噪PD信号。本发明还在此基础上设计了一二次融合配电开关局部放电在线检测装置，通过实验室和现场测试，证明了所提方法和装置的有效性。
附图说明
图1是本发明的一二次融合配电开关局部放电信号提取方法流程图；
图2是本发明的一二次融合配电开关局部放电检测装置示意图；
图3是本发明的局部放电信号提取效果示意图。
具体实施方式
以下结合附图对本发明实施例作进一步详述：
一种一二次融合配电开关局部放电信号提取方法，如图1所示，包括以下步骤：
步骤1、采用集合经验模态分解EEMD将单通道PD信号分解为多个本征模态函数(Intrinsic mode function,IMF)；
所述步骤1的具体步骤包括：
(1)对配电开关柜进行PD信号测量，得到信号x(t)，可采取暂态地电压信号测量、超声波信号测量、超高频信号测量等方式；
(2)在原始信号x(t)中加入高斯白噪声，得到信号x1(t)；
(3)对信号x1(t)进行经验模态分解(EMD)，得到一组IMF，EMD分解步骤包括：
1)首先找出x1(t)上的所有的极大值点和极小值点，利用三次样条插值函数连接极大值点形成上包络线xmax(t)，同样连接各极小值点形成下包络线xmin(t)，计算上下包络线的均值：m＝(xmax(t)+xmin(t))/2，并计算均值与信号的差值：h＝x1(t)-m。
2)将h视为新的信号，重复步骤1)，直到两个连续的处理结果之差满足下列停止准则：
Figure BDA0002228044400000061
其中，h(k-1)(t)、hk(t)为第k-1、k次处理结果；T为测量时刻数量；ε为EMD收敛精度，典型值一般取0.1～0.2。此时得到第一个IMF：c1＝hk：
3)当c1确定后，可得到余项r1＝x(t)-c1。视r1为新的原始信号，重复步骤1)和步骤2)，依次得到多个IMF，直到当余项rn幅值小于预定值或余项rn变为单调函数时停止，EMD分解后原始信号x1(t)分解为：
(4)反复重复N次步骤(2)、步骤(3)，N为EEMD中EMD的重复执行次数；
(5)求取所有N组IMF的平均值作为最终结果。
步骤2、将只包含噪声的第一个IMF删除，以剩余所有IMF构造多通道含噪观测信号，采用典型相关分析进行盲源信号分离，获取解混矩阵及多个源信号；
所述步骤2的具体步骤包括：
(1)EEMD分解后得到K+1个IMF，采用第2～K+1个IMF构造多路观测信号，假定观测信号由源信号线性组合而成，即
X(t)＝AS(t) (3)
其中，X(t)为K×T信号观测矩阵；K为通道数量；T为样本数量；S(t)为源信号矩阵；A为K×K混合矩阵。
(2)采用CCA估计源信号，估计出源信号为：
Figure BDA0002228044400000072
其中，
Figure BDA0002228044400000073
为源信号估计矩阵；W为K×K解混矩阵。
CCA步骤包括：
1)记X(t)的时滞观测矩阵为Y(t)＝X(t－1)；
2)求解映射wx、wy使得X(t)、Y(t)的第一组典型变量u、v相关系数最大，记为(u,v)1：
Figure BDA0002228044400000081
将求解wx、wy转化为求解矩阵的特征向量，即：
其中，Cxx、Cyy分别为X、Y的自协方差矩阵，Cxy为X、Y的互协方差矩阵；ρ为典型变量的相关系数，wx、wy为特征向量；
3)解得第一对典型变量(u,v)1及映射(wx,wy)1后，重复步骤2)继续求解第2,3,…K对典型变量(u,v)2…K及映射(wx,wy)2…K，使得每对典型变量(u,v)i相关系数最大，而u1,u2,…uK之间尽可能互不相关，v1,v2,…vK之间也尽可能互不相关，解得所有K对典型变量及映射后，解混矩阵为W＝[wx1,wx2,…,wxK]T。
所述步骤3的具体步骤包括：
(1)将
Figure BDA0002228044400000083
中噪声源信号置零，可重构出去噪观测信号矩阵
其中，Xclean(t)为去噪观测信号矩阵；为去噪源信号估计矩阵。矩阵Xclean(t)所有信号相加即可重构出最终去噪PD信号；
(2)根据去噪后PD信号判断开关柜绝缘情况并出具报告。
在本实施例中，基于EEMD-CCA的PD信号去噪算法的步骤3的具体步骤包括：
(1)对配电开关柜进行PD信号测量，可采取暂态地电压信号测量、超声波信号测量、超高频信号测量等方式；
(2)对PD信号进行EEMD分解，获取m个IMF信号；
(3)以第2～m个IMF构造多路观测信号，采用CCA去噪；
(4)根据去噪后PD信号判断开关柜绝缘情况并出具报告。
本发明在此基础上设计了一二次融合配电开关局部放电在线检测装置，如图2所示，包括监控终端、超声传感器、TEV传感器和无线传输模块；所述超声传感器和TEV传感器和监控终端相连接，用于监测并测量开关柜表面的TEV信号以及放电时产生的超声信号；所述无线通讯模块与监控终端相连接，用于将测量结果输出至服务器。
采用无线传输的方式输出测量结果，尽可能的减小了对于变电室结构的影响。该在线检测装置安装于开关柜外表面，当开关柜内部发生局部放电时，该在线检测装置中的超声传感器和TEV传感器可监测到开关柜表面的TEV信号并且实现对信号强度的测量；此外放电时产生的超声信号也会被本仪器的超声传感器捕获并测量其强度。测量的结果经过无线传输至无线接收器及服务器，进行后续处理。
本发明对所提PD信号去噪方法进行测试，首先通过实验室试验获取某开关柜PD放电(放电类型为内部放电)信号，在此基础上施加信噪比-10dB的高斯白噪声。原始PD信号、含噪PD信号及采用所提方法去噪后的PD信号如图3所示。可见，所提方法有效滤除了无效噪声，取得了良好的去噪效果。
需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (7)

1.一种一二次融合配电开关局部放电信号提取方法，其特征在于：包括以下步骤：
步骤1、采用集合经验模态分解EEMD将单通道局部放电PD信号分解为多个本征模态函数IMF；
步骤2、将只包含噪声的第一个IMF删除，以剩余所有IMF构造多通道含噪观测信号，采用典型相关分析CCA进行盲源信号分离，获取解混矩阵及多个源信号；
步骤3、将表征噪声的源信号删除，采用剩余源信号计算出降噪后的多通道PD观测信号并求和，最终重构出去噪PD信号。
2.根据权利要求1所述的一种一二次融合配电开关局部放电信号提取方法，其特征在于：所述步骤1的具体步骤包括：
(1)对配电开关柜进行PD信号测量，得到信号x(t)，采取暂态地电压信号测量、超声波信号测量、超高频信号测量的方式；
(2)在原始信号中加入高斯白噪声，得到信号x1(t)；
(3)对信号x1(t)进行经验模态分解EMD，得到一组IMF；
(4)反复重复N次步骤(2)、步骤(3)，N为EEMD中EMD的重复执行次数；
(5)求取所有N组IMF的平均值作为最终结果。
3.根据权利要求2所述的一种一二次融合配电开关局部放电信号提取方法，其特征在于：所述步骤1的第(3)步的具体步骤包括：
1)首先找出x1(t)上的所有的极大值点和极小值点，利用三次样条插值函数连接极大值点形成上包络线xmax(t)，同样连接各极小值点形成下包络线xmin(t)，计算上下包络线的均值：m＝(xmax(t)+xmin(t))/2，并计算均值与信号的差值：h＝x1(t)-m；
2)将h视为新的信号，重复步骤1)，直到两个连续的处理结果之差满足下列停止准则：
Figure FDA0002228044390000021
其中，h(k-1)(t)、hk(t)为第k-1、k次处理结果；T为测量时刻数量；ε为EMD收敛精度，典型值一般取0.1～0.2；此时得到第一个IMF：c1＝hk；
3)当c1确定后，可得到余项r1＝x(t)-c1；视r1为新的原始信号，重复步骤1)和步骤2)，依次得到多个IMF，直到当余项rn幅值小于预定值或余项rn变为单调函数时停止，EMD分解后原始信号x1(t)分解为：
Figure FDA0002228044390000022
4.根据权利要求1所述的一种一二次融合配电开关局部放电信号提取方法，其特征在于：所述步骤2的具体步骤包括：
(1)EEMD分解后得到K+1个IMF，采用第2～K+1个IMF构造多路观测信号，假定观测信号由源信号线性组合而成，即
X(t)＝AS(t) (3)
其中，X(t)为K×T信号观测矩阵；K为通道数量；T为样本数量；S(t)为源信号矩阵；A为K×K混合矩阵；
(2)采用CCA估计源信号，估计出源信号为：
Figure FDA0002228044390000031
其中，
Figure FDA0002228044390000032
为源信号估计矩阵；W为K×K解混矩阵。
5.根据权利要求1所述的一种一二次融合配电开关局部放电信号提取方法，其特征在于：所述步骤2的第(2)步的具体步骤包括：
1)记X(t)的时滞观测矩阵为Y(t)＝X(t－1)；
2)求解映射wx、wy使得X(t)、Y(t)的第一组典型变量u、v相关系数最大，记为(u,v)1：
Figure FDA0002228044390000033
将求解wx、wy转化为求解矩阵的特征向量，即：
Figure FDA0002228044390000034
其中，Cxx、Cyy分别为X、Y的自协方差矩阵，Cxy为X、Y的互协方差矩阵；ρ为典型变量的相关系数，wx、wy为特征向量；
3)解得第一对典型变量(u,v)1及映射(wx,wy)1后，重复步骤2)继续求解第2,3,…K对典型变量(u,v)2…K及映射(wx,wy)2…K，使得每对典型变量(u,v)i相关系数最大，而u1,u2,…uK之间尽可能互不相关，v1,v2,…vK之间也尽可能互不相关，解得所有K对典型变量及映射后，解混矩阵为W＝[wx1,wx2,…,wxK]T。
6.根据权利要求1所述的一种一二次融合配电开关局部放电信号提取方法，其特征在于：所述步骤3的具体步骤包括：
(1)将
Figure FDA0002228044390000035
中噪声源信号置零，可重构出去噪观测信号矩阵：
Figure FDA0002228044390000036
其中，Xclean(t)为去噪观测信号矩阵；
Figure FDA0002228044390000037
为去噪源信号估计矩阵；矩阵Xclean(t)所有信号相加即可重构出最终去噪PD信号；
(2)根据去噪后PD信号判断开关柜绝缘情况并出具报告。
7.根据权利要求1至6任一项权利要求所述的一种一二次融合配电开关局部放电信号提取方法的在线检测装置，其特征在于：包括监控终端、超声传感器、TEV传感器和无线传输模块；所述超声传感器和TEV传感器和监控终端相连接，用于监测并测量开关柜表面的TEV信号以及放电时产生的超声信号；所述无线通讯模块与监控终端相连接，用于将测量结果输出至服务器。
CN201910958119.2A 2019-10-10 2019-10-10 一二次融合配电开关局部放电信号提取方法及检测装置 Active CN110780162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910958119.2A CN110780162B (zh) 2019-10-10 2019-10-10 一二次融合配电开关局部放电信号提取方法及检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910958119.2A CN110780162B (zh) 2019-10-10 2019-10-10 一二次融合配电开关局部放电信号提取方法及检测装置

Publications (2)

Publication Number Publication Date
CN110780162A true CN110780162A (zh) 2020-02-11
CN110780162B CN110780162B (zh) 2022-11-08

Family

ID=69384947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910958119.2A Active CN110780162B (zh) 2019-10-10 2019-10-10 一二次融合配电开关局部放电信号提取方法及检测装置

Country Status (1)

Country Link
CN (1) CN110780162B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014692A (zh) * 2020-07-20 2020-12-01 国网安徽省电力有限公司电力科学研究院 基于主成分分析的局部放电特高频信号盲源分离去噪方法
CN115865043A (zh) * 2022-11-04 2023-03-28 浙江黑卡电气有限公司 一种多维信号的动态去噪电路及其处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636314A (zh) * 2015-01-30 2015-05-20 太原科技大学 一种单通道混沌信号盲源分离法
CN106236080A (zh) * 2016-08-19 2016-12-21 合肥工业大学 基于多通道的脑电信号中肌电噪声的消除方法
CN106845339A (zh) * 2016-12-13 2017-06-13 电子科技大学 一种基于双谱和emd融合特征的手机个体识别方法
CN106895906A (zh) * 2017-03-23 2017-06-27 西安理工大学 一种水轮发电机组振动故障的特征提取方法
CN108710074A (zh) * 2018-08-21 2018-10-26 广西电网有限责任公司电力科学研究院 一种基于无线传输技术的开关柜局部放电检测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636314A (zh) * 2015-01-30 2015-05-20 太原科技大学 一种单通道混沌信号盲源分离法
CN106236080A (zh) * 2016-08-19 2016-12-21 合肥工业大学 基于多通道的脑电信号中肌电噪声的消除方法
CN106845339A (zh) * 2016-12-13 2017-06-13 电子科技大学 一种基于双谱和emd融合特征的手机个体识别方法
CN106895906A (zh) * 2017-03-23 2017-06-27 西安理工大学 一种水轮发电机组振动故障的特征提取方法
CN108710074A (zh) * 2018-08-21 2018-10-26 广西电网有限责任公司电力科学研究院 一种基于无线传输技术的开关柜局部放电检测系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
KEVIN T SWEENEY: "The use of Ensemble Empirical Mode Decomposition with Canonical Correlation Analysis as a Novel Artifact Removal Technique", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 *
XUN CHEN: "A Novel EEMD-CCA Approach to Removing Muscle Artifacts for Pervasive EEG", 《IEEE SENSORS JOURNAL》 *
XUN YANG: "Denoising of Industrial oscillation data using EEMD with CCA", 《SCIENCE DIRECT》 *
丁一: "基于EEMD-CCA 组合去噪的新型配电开关柜局部放电抗干扰检测", 《电子器件》 *
刘宇舜: "基于单通道盲源分离算法的局部放电特高频信号去噪方法", 《电工技术学报》 *
周先春: "基于ICA 算法的集合经验模态分解去噪方法", 《软件》 *
薛联青: "《变化条件下流域水循环影响机理及其生态响应过程》", 30 September 2018 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014692A (zh) * 2020-07-20 2020-12-01 国网安徽省电力有限公司电力科学研究院 基于主成分分析的局部放电特高频信号盲源分离去噪方法
CN115865043A (zh) * 2022-11-04 2023-03-28 浙江黑卡电气有限公司 一种多维信号的动态去噪电路及其处理方法

Also Published As

Publication number Publication date
CN110780162B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN109557429B (zh) 基于改进小波阈值去噪的gis局部放电故障检测方法
WO2017178878A1 (en) A full time-domain method for analyzing two or more signals for assessing them as electromagnetic interference (emi)
CN102323518A (zh) 一种基于谱峭度的局部放电信号识别方法
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
RU2570592C1 (ru) Способ регистрации и анализа сигналов акустической эмиссии
CN111308285B (zh) 一种窄带干扰降噪方法
CN112014692A (zh) 基于主成分分析的局部放电特高频信号盲源分离去噪方法
CN111650501B (zh) 一种无损在线评估继电器老化状态的试验装置
CN111239565B (zh) 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统
CN106771905A (zh) 一种适用于高频电流局部放电检测的脉冲提取方法
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
CN110703076A (zh) 一种基于振动信号频域能量比的gis故障诊断方法
CN116522080A (zh) 局部放电信号降噪方法
CN117390434A (zh) 一种基于多尺度分解与重构的瞬态电磁信号时延估计方法
CN107743048B (zh) 一种应用于去除otdr噪声的信号处理系统
CN117213569A (zh) 一种超声波流量检测方法
CN116698398A (zh) 一种基于ceemdan分阈值降噪与能量熵的齿轮故障特征提取方法
CN117289013A (zh) 用于脉冲电流测试的数据处理方法及系统
CN114690003A (zh) 一种基于eemd的局放信号降噪方法
CN118013191A (zh) 基于lsm滤波、ceemdan联合小波检测绝缘子的去噪方法
CN109884483A (zh) 绝缘管型母线局部放电声学在线监测方法及装置
Xu et al. Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum
CN110112757B (zh) 基于sure小波消噪和改进hht的低频振荡分析方法
CN110459197B (zh) 用于微弱盲信号去噪与提取的信号增强器及方法
CN116699337A (zh) 一种基于时延估计的城市地下电缆局部放电定位方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221122

Address after: No. 167, Guangdong Road, Hexi District, Tianjin 300204

Patentee after: STATE GRID TIANJIN ELECTRIC POWER COMPANY CHENGNAN POWER SUPPLY BRANCH

Patentee after: STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee after: STATE GRID CORPORATION OF CHINA

Address before: No.8, Haitai Huake 4th Road, Xiqing District, Tianjin 300384

Patentee before: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee before: STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee before: STATE GRID CORPORATION OF CHINA