CN110988615A - 一种基于奇异谱分析的gis局放信号降噪方法 - Google Patents

Abstract

本发明涉及GIS设备特高频局放信号处理技术，具体涉及一种基于奇异谱分析的GIS局放信号降噪方法，包括以下步骤：S1、获取GIS设备的原始特高频局部放电信号数据集；S2、采用奇异谱分析将原始特高频局部放电信号分解成有限个特征分量；S3、根据特征分量的贡献率对原始信号进行降噪处理；S4、将去除噪声后的特征分量重构为新的特高频局部放电信号。该方法可有效去除特高频局放信号中的白噪声，可有效提高GIS故障诊断的准确性，提高在线监测的降噪效率。

Description

一种基于奇异谱分析的GIS局放信号降噪方法

技术领域

本发明涉及GIS设备特高频局放信号处理技术，具体涉及一种基于奇异谱分析的GIS局放信号降噪方法。

背景技术

气体绝缘开关设备(gas insulated switchgear，GIS)由于其结构紧凑、占地面积小、可靠性高、维护工作量小等特点，在电力系统中得到广泛应用，但GIS在制造和运输过程中不可避免的会产生一些绝缘缺陷，如粉尘等自由微粒、绝缘表面脏污、导体之间接触不良、绝缘子缺陷、金属毛刺或尖端等几类，这些绝缘缺陷都能够在一定程度上引起电场分布不均匀、局部场强过高，从而造成局部放电(partial discharge，PD)，引起绝缘劣化。所以对GIS局部放电进行监测，对保证GIS设备正常运行有着重要意义。特高频(Ultra HighFrequency，UHF)具有检测频带高，可避免电晕干扰、对突发性故障也能及时反映等特点，因此被广泛应用于GIS局部放电在线监测。特高频在线监测能够实时监测GIS设备内部局部放电信号，及时发现局部放电现象，可协助有效消除GIS隐藏性和突发性缺陷，保证GIS安全可靠运行，但此UHF监测方法的信号常常会受到白噪声干扰。为解决白噪声对特高频监测信号的影响，经验模态分解(Empirical Mode Decomposition，EMD)被广泛应用于特高频监测信号的降噪研究，但EMD分解本身存在模态混叠问题，不能达到很好的降噪效果。

发明内容

本发明提供一种基于奇异谱分析的GIS局放信号降噪新方法，该方法可有效去除特高频局放信号中的白噪声，可有效提高GIS故障诊断的准确性，提高在线监测的降噪效率。

本发明的技术方案为：

一种基于奇异谱分析的GIS局放信号降噪方法，包括以下步骤：

S1、获取GIS设备的原始特高频局部放电信号数据集；

S2、采用奇异谱分析将原始特高频局部放电信号分解成有限个特征分量；

S3、根据特征分量的贡献率对原始信号进行降噪处理；

S4、将去除噪声后的特征分量重构为新的特高频局部放电信号。

进一步，步骤S1中获取GIS设备的原始特高频局部放电信号数据集的过程为：

连续采集一段时间的GIS特高频局部放电在线监测信号，构成连续的时间序列数据集Y＝[y₁,y₂,Λ,y_N]^T，其中，N为数据集样本点个数。

进一步，步骤S2的步骤包括：

S21、嵌入：

GIS特高频局部放电信号数据集Y＝[y₁,y₂,Λ,y_N]^T共有N个样本点，奇异谱分析中嵌入的维度由L表示，L称为窗口长度，令K＝N-L+1，则滞后L阶的向量被定义为：

X_i＝[y_i,y_i+1,Λ,y_i+L-1]^T,i＝1,2,Λ,K

轨迹矩阵定义为：

S22、奇异值分解：

假设协方差矩阵S＝XX^T，S的奇异值分解产生一组共L个特征值λ₁,λ₂,Λ,λ_L，以及特征值对应的正交特征向量U₁,U₂,Λ,U_L，

令d＝max{i}(λ_i>0)，则轨迹矩阵X的奇异值分解表示为：

X＝E₁+E₂+Λ+E_d

式中，

为基本矩阵，

为奇异值，U_i为轨迹矩阵X的正交函数，V_i为其主成分，集合

被称为轨迹矩阵X奇异值分解的第i个三重特征向量；

S23、分组：

奇异值分解后，将指数集合J＝(1,Λ,d)分成m个不相交的组I₁,I₂,Λ,I_m，将I＝(i₁,i₂,Λ,i_p)表示为一组指数，然后，对应于组I的合成矩阵X_I定义为

此过程完成了轨迹矩阵X的后续分解；

进一步，步骤S3的步骤包括：

将步骤2得到的矩阵X_I转换成其所对应的时间序列数据特征分量，每一组数据特征分量代表原始信号的运动特征，对于给定的I_i(i＝1,2,...,m)通过相应特征值的占比

来计算分量

的贡献率，贡献率为小于0.01％的序列为噪声分量，信号重构前剔除噪声分量。

进一步，所述运动特征包括趋势分量、周期分量和噪声分量。

进一步，步骤S4的步骤包括：

对角重构信号平均化，通过对角平均，每个矩阵通过以下过程转移到时间序列中：

假设轨迹矩阵X为一个L×K的矩阵，矩阵元素为x_ij，1≤i≤L，1≤j≤K，设L^*＝min(L,K),K^*＝max(L,K)，N＝K+L-1，若L<K，令

否则，

则重构时间序列Z＝{z₁,z₂,Λ,z_N}表示如下：

所得时间序列Z即为降噪后的特高频局部放电信号。

进一步，GIS局部放电信号是采用内置或外置的传感器检测GIS中局部放电在特高频频段范围内所产生的电磁波信号。

进一步，特高频指频率为300MHz～3GHz的电磁波频段。

进一步，传感器为特高频耦合传感器。

进一步，新建的GIS设备配置内置式的特高频耦合传感器，已投运的GIS设备则采用外置式的特高频耦合传感器。

本发明的有益效果为：

本发明充分考虑GIS设备现场采集的特高频局部放电信号受白噪声信号的影响，采用奇异谱分析将夹杂在局放信号中的白噪声干扰信号进行滤除，可大大提高GIS在线监测特高频局部放电信号的精确性。

附图说明

图1为本发明的流程示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

实施例1：

如图1所示，一种基于奇异谱分析的GIS局放信号降噪方法，包括以下步骤：

S1、获取GIS设备的原始特高频局部放电信号数据集；

S2、采用奇异谱分析将原始特高频局部放电信号分解成有限个特征分量；

S3、根据特征分量的贡献率对原始信号进行降噪处理；

S4、将去除噪声后的特征分量重构为新的特高频局部放电信号。

在本实施例中，步骤S1中获取GIS设备的原始特高频局部放电信号数据集的过程为：

连续采集一段时间的GIS特高频局部放电在线监测信号，构成连续的时间序列数据集Y＝[y₁,y₂,Λ,y_N]^T，其中，N为数据集样本点个数。

在本实施例中，步骤S2的步骤包括：

S21、嵌入：

GIS特高频局部放电信号数据集Y＝[y₁,y₂,Λ,y_N]^T共有N个样本点，奇异谱分析中嵌入的维度由L表示，L称为窗口长度，令K＝N-L+1，则滞后L阶的向量被定义为：

X_i＝[y_i,y_i+1,Λ,y_i+L-1]^T,i＝1,2,Λ,K

轨迹矩阵定义为：

S22、奇异值分解：

假设协方差矩阵S＝XX^T，S的奇异值分解产生一组共L个特征值λ₁,λ₂,Λ,λ_L，以及特征值对应的正交特征向量U₁,U₂,Λ,U_L，

令d＝max{i}(λ_i>0)，则轨迹矩阵X的奇异值分解表示为：

X＝E₁+E₂+Λ+E_d

式中，

为基本矩阵，

为奇异值，U_i为轨迹矩阵X的正交函数，V_i为其主成分，集合

被称为轨迹矩阵X奇异值分解的第i个三重特征向量；

S23、分组：

奇异值分解后，将指数集合J＝(1,Λ,d)分成m个不相交的组I₁,I₂,Λ,I_m，将I＝(i₁,i₂,Λ,i_p)表示为一组指数，然后，对应于组I的合成矩阵X_I定义为

此过程完成了轨迹矩阵X的后续分解；

在本实施例中，步骤S3的步骤包括：

将步骤2得到的矩阵X_I转换成其所对应的时间序列数据特征分量，每一组数据特征分量代表原始信号的运动特征，对于给定的I_i(i＝1,2,...,m)通过相应特征值的占比

来计算分量

的贡献率，贡献率为小于0.01％的序列为噪声分量，信号重构前剔除噪声分量。

在本实施例中，所述运动特征包括趋势分量、周期分量和噪声分量。

在本实施例中，步骤S4的步骤包括：

对角重构信号平均化，通过对角平均，每个矩阵通过以下过程转移到时间序列中：

假设轨迹矩阵X为一个L×K的矩阵，矩阵元素为x_ij，1≤i≤L，1≤j≤K，设L^*＝min(L,K),K^*＝max(L,K)，N＝K+L-1，若L<K，令

否则，

则重构时间序列Z＝{z₁,z₂,Λ,z_N}表示如下：

所得时间序列Z即为降噪后的特高频局部放电信号。

在本实施例中，GIS局部放电信号是采用内置或外置的传感器检测GIS中局部放电在特高频频段范围内所产生的电磁波信号。

在本实施例中，特高频指频率为300MHz～3GHz的电磁波频段。

在本实施例中，传感器为特高频耦合传感器。

在本实施例中，新建的GIS设备配置内置式的特高频耦合传感器，已投运的GIS设备则采用外置式的特高频耦合传感器。

本发明的一种基于奇异谱分析的GIS局放信号降噪方法，充分考虑GIS设备现场采集的特高频局部放电信号受白噪声信号的影响，采用奇异谱分析将夹杂在局放信号中的白噪声干扰信号进行滤除，可大大提高GIS在线监测特高频局部放电信号的精确性。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，包括以下步骤：

S1、获取GIS设备的原始特高频局部放电信号数据集；

S2、采用奇异谱分析将原始特高频局部放电信号分解成有限个特征分量；

S3、根据特征分量的贡献率对原始信号进行降噪处理；

S4、将去除噪声后的特征分量重构为新的特高频局部放电信号。

2.根据权利要求1所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，步骤S1中获取GIS设备的原始特高频局部放电信号数据集的过程为：

连续采集一段时间的GIS特高频局部放电在线监测信号，构成连续的时间序列数据集Y＝[y₁,y₂,Λ,y_N]^T，其中，N为数据集样本点个数。

3.根据权利要求2所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，步骤S2的步骤包括：

S21、嵌入：

GIS特高频局部放电信号数据集Y＝[y₁,y₂,Λ,y_N]^T共有N个样本点，奇异谱分析中嵌入的维度由L表示，L称为窗口长度，令K＝N-L+1，则滞后L阶的向量被定义为：

X_i＝[y_i,y_i+1,Λ,y_i+L-1]^T,i＝1,2,Λ,K

轨迹矩阵定义为：

S22、奇异值分解：

假设协方差矩阵S＝XX^T，S的奇异值分解产生一组共L个特征值λ₁,λ₂,Λ,λ_L，以及特征值对应的正交特征向量U₁,U₂,Λ,U_L，

令d＝max{i}(λ_i>0)，则轨迹矩阵X的奇异值分解表示为：

X＝E₁+E₂+Λ+E_d

式中，

为基本矩阵，

为奇异值，U_i为轨迹矩阵X的正交函数，V_i为其主成分，集合

被称为轨迹矩阵X奇异值分解的第i个三重特征向量；

S23、分组：

奇异值分解后，将指数集合J＝(1,Λ,d)分成m个不相交的组I₁,I₂,Λ,I_m，将I＝(i₁,i₂,Λ,i_p)表示为一组指数，然后，对应于组I的合成矩阵X_I定义为

此过程完成了轨迹矩阵X的后续分解；

4.根据权利要求3所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，步骤S3的步骤包括：

将步骤2得到的矩阵X_I转换成其所对应的时间序列数据特征分量，每一组数据特征分量代表原始信号的运动特征；对于给定的I_i，i＝1,2,...,m，通过相应特征值的占比

来计算分量

的贡献率，贡献率为小于0.01％的序列为噪声分量，信号重构前剔除噪声分量。

5.根据权利要求4所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，所述运动特征包括趋势分量、周期分量和噪声分量。

6.根据权利要求4所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，步骤S4的步骤包括：

对角重构信号平均化，通过对角平均，每个矩阵通过以下过程转移到时间序列中：

假设轨迹矩阵X为一个L×K的矩阵，矩阵元素为x_ij，1≤i≤L，1≤j≤K，设L^*＝min(L,K),K^*＝max(L,K)，N＝K+L-1，若L<K，令

否则，

则重构时间序列Z＝{z₁,z₂,Λ,z_N}表示如下：

所得时间序列Z即为降噪后的特高频局部放电信号。

7.根据权利要求1所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，GIS局部放电信号是采用内置或外置的传感器检测GIS中局部放电在特高频频段范围内所产生的电磁波信号。

8.根据权利要求7所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，特高频指频率为300MHz～3GHz的电磁波频段。

9.根据权利要求7所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，传感器为特高频耦合传感器。

10.根据权利要求9所述的一种基于奇异谱分析的GIS局放信号降噪方法，其特征在于，新建的GIS设备配置内置式的特高频耦合传感器，已投运的GIS设备则采用外置式的特高频耦合传感器。

Images