CN111046836A - 局放信号的滤波去噪及分析方法、系统、设备及存储介质 - Google Patents
局放信号的滤波去噪及分析方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN111046836A CN111046836A CN201911347833.4A CN201911347833A CN111046836A CN 111046836 A CN111046836 A CN 111046836A CN 201911347833 A CN201911347833 A CN 201911347833A CN 111046836 A CN111046836 A CN 111046836A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- discharge signal
- denoising
- signal
- layer
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本申请公开了一种局放信号的滤波去噪及分析方法,包括:对待处理的局放信号进行滤波;对滤波之后的局放信号进行小波变换去噪;将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。应用本申请所提供的技术方案,能够有效地提高局放信号的分析结果的准确性。本申请还提供了一种局放信号的滤波去噪及分析系统、设备以及存储介质,具有相应技术效果。
Description
技术领域
本发明涉及信号处理技术领域,特别是涉及一种局放信号的滤波去噪及分析方法、系统、设备及存储介质。
背景技术
随着科技的不断发展和进步,高压开关柜在电力系统中的重要性也越来越高。在高压开关柜中,存在着大量的接线来连接各个部件以保证设备的正常工作。当局部区域的电场强度达到该区域介质的击穿场强时,该区域就会出现放电,但这放电并没有贯穿施加电压的两导体之间,即整个绝缘系统并没有击穿,仍然保持绝缘性能,这种现象称为局部放电。局部放电是绝缘中普遍存在的问题,在一定的条件下,它会导致绝缘性能下降,甚至引发火灾等严重情况,对系统的安全运行造成威胁。
目前,对于局放信号的处理主要集中在检测中,并且通常采用单一的算法,使得分析结果的准确度较低。
综上所述,如何有效地提高局放信号的分析结果的准确性,是目前本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种局放信号的滤波去噪及分析方法、系统、设备及存储介质,以有效地提高局放信号的分析结果的准确性。
为解决上述技术问题,本发明提供如下技术方案:
一种局放信号的滤波去噪及分析方法,包括:
对待处理的局放信号进行滤波;
对滤波之后的局放信号进行小波变换去噪;
将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。
优选的,所述对局放信号进行滤波,包括:
测量出待处理的所述局放信号的长度N,并划分为N/M段,M为每一段信号的长度;
针对每一段信号,将该段信号中的各个数据点中的最大值和最小值过滤之后,将剩余的各个数据点的平均值作为该段信号的取值。
优选的,所述对滤波之后的局放信号进行小波变换去噪,包括:
为滤波之后的局放信号f(t)选出分解层数j以及小波基函数之后,进行小波变换多尺度分解,确定出滤波之后的局放信号f(t)的各层小波系数;
对确定出的各层小波系数进行阈值量化处理,且在进行阈值量化处理时,所使用到的每一层的阈值上限以及每一层的阈值下限均为基于该层的信息而确定出的对应的数值;
基于进行了阈值量化处理之后的各层小波系数,进行小波逆变换的重构,得出去噪后的局放信号x(t)。
优选的,所述对确定出的各层小波系数进行阈值量化处理,包括:
优选的,所述将进行了小波变换去噪之后的局放信号进行差分波峰检测,包括:
将进行了小波变换去噪之后的局放信号x(t)进行平方运算以放大波峰点,获得信号A(t),A(t)=x2(t);
将信号A(t)离散化之后得出信号A(n),并将A(n)进行一阶差分运算,获得一阶差分信号y(n),y(n)=A(n)-A(n-1);
将比较序列yc(n)连续化为比较函数yc(t),并基于比较函数yc(t)的各个突变点进行时频和幅频率的特性分析,得出检测结果。
优选的,在获得比较序列yc(n)时,采用分为e段的方式进行处理,所述e为预设参数;
并且,针对e段中的任意一段,该段的目标阈值上限T′H以及目标阈值下限TL′为通过以下操作确定出的数值:
获取信号A(t)在该段信号内的各个幅度极大值,各个幅度极小值以及各个差分极小值;
基于获取的各个幅度极大值确定出总幅度最大值,基于获取的各个幅度极小值确定出总幅度最小值,基于获取的差分极小值确定出总差分极小值;
根据所述总幅度最大值,所述总幅度最小值以及所述总差分极小值的平均值确定出该段的目标阈值上限T′H以及该段的目标阈值下限T′L,并且该段的目标阈值下限T′L与该段的目标阈值上限T′H互为相反数。
一种局放信号的滤波去噪及分析系统,包括:
滤波模块,用于对待处理的局放信号进行滤波;
小波去噪模块,对滤波之后的局放信号进行小波变换去噪;
并联分析模块,用于将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。
一种局放信号的滤波去噪及分析设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现上述任一项所述的局放信号的滤波去噪及分析方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的局放信号的滤波去噪及分析方法的步骤。
本申请的方案中,对待处理的局放信号进行滤波之后,还对滤波之后的局放信号进行小波变换去噪,有利于使得后续的信号分析结果更加准确。而在进行分析时,本申请采用两种算法进行分析,具体的,将进行了小波变换去噪之后的局放信号进行差分波峰检测,同时,将进行了小波变换去噪之后的局放信号进行局部均值特征分解。在进行差分波峰检测时,通过对波峰点的时频和幅频特性进行分析,可以较为有效地确定出局放信号发生的频率、破坏性大小方面的信息。而局部均值特征分解可以将局放信号的特征信息表现到各个时间尺度中,对这些特征信息进行定量评估可以较为有效地确定出局放信号的类型。
综上可知,本申请的方案能够有效地提高局放信号的分析结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明中一种局放信号的滤波去噪及分析方法的实施流程图;
图2为本发明中一种局放信号的滤波去噪及分析系统的结构示意图;
图3为本发明中一种局放信号的滤波去噪及分析设备的结构示意图。
具体实施方式
本发明的核心是提供一种局放信号的滤波去噪及分析方法,能够有效地提高局放信号的分析结果的准确性。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明中一种局放信号的滤波去噪及分析方法的实施流程图,该局放信号的滤波去噪及分析方法可以包括以下步骤:
步骤S101:对待处理的局放信号进行滤波。
滤波的具体实现方式可以根据需要进行设定和调整,在实际应用中,考虑到基于平均值的方式可以方便地实现滤波,且计算简单,因此,在本发明的一种具体实施方式中,本申请的步骤S101可以具体包括以下两个步骤:
步骤一:测量出待处理的局放信号的长度N,并划分为N/M段,M为每一段信号的长度;
步骤二:针对每一段信号,将该段信号中的各个数据点中的最大值和最小值过滤之后,将剩余的各个数据点的平均值作为该段信号的取值。
该种实施方式中,基于平均值的方式进行滤波,有利于将干扰信号进行中和,降低干扰的影响。进一步地,该种实施方式中,针对每一段信号,由于过滤了该段信号中的各个数据点中的最大值和最小值,因此有利于进一步地降低异常数据的影响,例如可以有效地过滤一些高频噪声。
M的具体取值可以根据实际需要进行设定和调整,例如,可以按照设定的时间间隔进行局放信号的采样,得到预设数量的数据点,例如得到5-14个数据点,则这5-14个数据点构成的长度即为M的长度。当然,当第一段的长度确定时,后续的每一段的长度便均与此相同,即每一段具有相同的长度。
步骤S102:对滤波之后的局放信号进行小波变换去噪。
在对局放信号进行滤波之后,一部分干扰信号被中和,但是仍然存在一部分噪声,因此,本申请再对滤波之后的局放信号进行小波变换去噪,具体的,可以采用小波阈值去噪法进行去噪,即在本发明的一种具体实施方式中,步骤S102可以具体包括以下三个步骤:
步骤一:为滤波之后的局放信号f(t)选出分解层数j以及小波基函数之后,进行小波变换多尺度分解,确定出滤波之后的局放信号f(t)的各层小波系数。
除了选出分解层数j之外,还需要选出小波基函数,小波基函数通常是工作人员进行选取,并且,在实际应用中针对不同的局放信号的波形,可以相适应地调整小波基函数,即调整为更为合适的小波基函数。
步骤二:对确定出的各层小波系数进行阈值量化处理,且在进行阈值量化处理时,所使用到的每一层的阈值上限以及每一层的阈值下限均为基于该层的信息而确定出的对应的数值。
通常,可以采用硬阈值函数进行阈值量化处理。其中,wj表示进行阈值量化处理之前的第j层的小波系数,表示进行阈值量化处理之后的第j层的小波系数,Tj,L表示第j层的阈值下限,Tj,H表示第j层的阈值上限。
并且需要说明的是,在常用的方案中,在进行阈值量化处理时,通常会预先选定一个数值作为阈值上限,并预先选定一个数值作为阈值下限,即每一层均是采用的相同的阈值上限,相应的,每一层也均是采用相同的阈值下限。这样的方式较为简单,但是,可能会出现:选定的阈值上限的取值和阈值下限的取值对某些层较为合适,而对某些层则不太适用的情况。也就不利于提高后续的信号分析的准确性。
因此,本申请的该种实施方式中,在进行阈值量化处理时,所使用到的每一层的阈值上限以及每一层的阈值下限均为基于该层的信息而确定出的对应的数值。即本申请的该种实施方式是对滤波之后的局放信号f(t)进行阈值可自调整的小波变换去噪,有利于获得干净度较高的信号,从而提高信号分析的准确性。
具体的,在本发明的一种具体实施方式中,步骤二中描述的对确定出的各层小波系数进行阈值量化处理,可以具体为:
而Tj,L=αjTj,H,可以看出,阈值上限改变时,阈值下限也会相适应地调整。
由于因此可以看出,阈值下限的取值会受到表示第j层的小波系数最大峰值绝对值max(|wj|)以及表示第j层小波系数峰值绝对值总和的影响,使得本申请的第j层的阈值下限Tj,H能够更加有效地适用于对第j层的小波系数进行阈值量化处理。
步骤三:基于进行了阈值量化处理之后的各层小波系数,进行小波逆变换的重构,得出去噪后的局放信号x(t)。
在去噪完成之后,便可以获得一个较为干净的源信号。
步骤S103:将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。
本申请采用差分波峰检测与局部均值特征分解并联的方式进行局放信号的分析。在进行差分波峰检测时,通过对波峰点的时频和幅频特性进行分析,可以较为有效地确定出局放信号发生的频率、破坏性大小方面的信息。而部均值特征分解可以将局放信号的特征信息表现到各个时间尺度中,对这些特征信息进行定量评估可以较为有效地确定出局放信号的类型。
具体的,在本发明的一种具体实施方式中,步骤S103中描述的将进行了小波变换去噪之后的局放信号进行差分波峰检测,可以具体包括以下三个步骤:
步骤一:将进行了小波变换去噪之后的局放信号x(t)进行平方运算以放大波峰点,获得信号A(t),A(t)=x2(t)。
由于差分波峰检测需要对波峰进行分析,因此本申请将进行了小波变换去噪之后的局放信号x(t)进行平方运算以放大波峰点,获得信号A(t),A(t)=x2(t)。
步骤二:将信号A(t)离散化之后得出信号A(n),并将A(n)进行一阶差分运算,获得一阶差分信号y(n),y(n)=A(n)-A(n-1)。
将信号A(t)离散化之后得出信号A(n)的过程,可以由相关的离散化工具完成,例如采用matlab的相关工具即可完成。
步骤三:将比较序列yc(n)连续化为比较函数yc(t),并基于比较函数yc(t)的各个突变点进行时频和幅频率的特性分析,得出检测结果。
在实际应用中,目标阈值上限T′H以及目标阈值下限T′L可以是预先设定的固定值,这样的方式较为简单,便于实施。进一步地,在本发明的一种具体实施方式中,采用阈值可变的方式进行差分波峰检测,有利于进一步地提高检测的准确性。
具体的,在本发明的该种具体实施方式中,在获得比较序列yc(n)时,采用分为e段的方式进行处理,e为预设参数;
并且,针对e段中的任意一段,该段的目标阈值上限T′H以及目标阈值下限T′L为通过以下操作确定出的数值:
第一个操作:获取信号A(t)在该段信号内的各个幅度极大值,各个幅度极小值以及各个差分极小值;
第二个操作:基于获取的各个幅度极大值确定出总幅度最大值,基于获取的各个幅度极小值确定出总幅度最小值,基于获取的差分极小值确定出总差分极小值;
第三个操作:根据总幅度最大值,总幅度最小值以及总差分极小值的平均值确定出该段的目标阈值上限T′H以及该段的目标阈值下限T′L,并且该段的目标阈值下限T′L与该段的目标阈值上限T′H互为相反数。
具体的,可以将信号A(t)分为e段,并且需要说明的是,一阶差分信号y(n)以及比较序列yc(n)的长度均与信号A(t)的长度是相同的。因此,例如针对信号A(t)分为e段之后的第一段,根据上文的三个操作计算出该段的目标阈值上限T′H以及该段的目标阈值下限T′L之后,则需要将一阶差分信号y(n)的e段中的第一段与计算出的该段的目标阈值上限T′H以及该段的目标阈值下限T′L进行比较,得出该段对应的比较序列yc(n)。
又如针对信号A(t)分为e段之后的第二段,根据上文的三个操作计算出第二段的目标阈值上限T′H以及第二端的目标阈值下限T′L之后,则需要将一阶差分信号y(n)的e段中的第二段与计算出的第二段的目标阈值上限T′H以及第二段的目标阈值下限T′L进行比较,得出第二段对应的比较序列yc(n)。
可以理解的是,由于分成了e段,便可以得出e个目标阈值上限T′H以及e个目标阈值下限T′L。一阶差分信号y(n)分为e段之后,每段与相对应的目标阈值上限T′H以及目标阈值下限T′L进行比较,便可以得出完整的比较序列yc(n)。
还需要说明的是,在执行上述第三个操作时,根据总幅度最大值,总幅度最小值以及总差分极小值的平均值确定出该段的目标阈值上限T′H以及该段的目标阈值下限T′L,具体可以为,计算总幅度最大值,总幅度最小值以及总差分极小值的平均值,如果大于0则将该值作为目标阈值上限T′H,T′L=-T′H。相应的,如果计算出的平均值小于0,则可以将该值作为目标阈值下限T′L,T′H=-T′L。
e的具体取值也可以根据实际情况进行设定和选取。由于该种实施方式中。采用分段式的,阈值可变的方式进行差分波峰检测,因此有利于得出更为准确的检测结果。
获得比较序列yc(n)之后,将比较序列yc(n)连续化为比较函数yc(t),可以寻找比较函数yc(t)的突变点,每一个突变点即对应去噪之后的局放信号x(t)的一个波峰点。通过对波峰点时频和幅频特性进行分析,可以有效地判断出局放信号发生的频率、破坏性大小。
同时,本申请还对进行了小波变换去噪之后的局放信号x(t)进行局部均值特征分解,局部均值特征分解可以将信号隐含的特征信息表现在不同时间尺度上。
具体的,局部均值特征分解可以包括下述9个步骤:
S1:进行局部均值函数的求取。
具体的,可以利用分段求极值法找出输入信号Q(t)的所有的局部极大值点和局部极小值点,即找出各个极值点ni,i=1,2,3…,然后计算各个相邻的两个极值点的算术平均值。再将计算出的算术平均值点用线段依次连接,并用滑动平均法将各线段平滑拟合,获得局部均值函数m1c(t)。
输入信号Q(t)是便于描述而引入的符号,表示的是执行S1的输入信号,并且可以理解的是,在第一次执行S1时,Q(t)即为去噪之后的局放信号x(t),也就是最原始的输入信号。局部均值函数m1c(t)中的下标C是引入的中间变量,可以理解的是,当第一次执行S1时,得出的局部均值函数m1c(t)为m11(t):
S2:进行包络估计函数的求取。
可以理解的是,在第一次执行S2时,得出的包络估计函数为a11(t)。
S3:进行分离函数的求取。
具体的,将输入信号Q(t)减去执行S1时求取出的局部均值函数m1c(t)。即获得的分离函数h1c(t)=Q(t)-m1c(t),。
S4:进行调频函数求取。
具体的,将S3中求取出的h1c(t)除以S2中求取出的a1c(t),可以获得调频函数s1c(t)。然后判断调频函数s1c(t)的包络估计函数a1(c+1)(t)是否为1。
可以理解的是,在第一次执行S4时,便是判断a12(t)是否为1。
若a1(c+1)(t)=1,则可以确定s1c(t)为纯调频函数,并执行S5的操作。
若a1(c+1)(t)≠1,则将s1c(t)作为新的输入信号Q(t)跳转到S1,直到得到纯调频函数为止。
S5:进行包络函数求取。
具体的,在第一次执行S5时,需要将S1至S4中得到的各个包络估计函数依次相乘。即a1(t)=a11(t)a12(t)a13(t)...a1k(t);其中的下标k即表示本次触发S5时,S1-S4这一流程的循环次数。
例如第一次执行S2时,得到了a11(t),然后第一次执行S4时,判断出a12(t)不等于1,则基于新的输入信号Q(t)又执行了S1-S4,得到a12(t),且判断出a13(t)=1,则a1(t)=a11(t)a12(t),即该种情况下k=2,表示本次执行S5时,S1-S4这一流程的循环次数为2。并且,例如后续在执行S7时,跳转回了S1,并且假设S1-S4这一流程循环了4次之后进入了S5,则该次执行S5之后求取出的包络函数可以表示为:a2(t)=a21(t)a22(t)a23(t)a24(t)。
S6:进行输入信号PF分量的求取。
在第一次执行S6时,输入信号的第一个PF分量为第一个纯调频函数s1k(t)与第一个包络函数a1(t)的乘积,即PF1(t)=s1k(t)a1(t)。
相应的,例如是第2次执行S6时,则求取出的PF分量可以表示为PF2(t)=s2k(t)a2(t)。当然,S5-S7这一流程可能执行多次,也可能仅执行了一次。
S7:进行原始信号的分解。
将输入信号Q(t)中的PF分量进行分离,得出一个分离PF分量的信号R1(t)。在第一次执行S7时,R1(t)=Q(t)-PF1(t)。运用微分法判断R1(t)是否为单调函数。若R1(t)是单调函数,则输入信号Q(t)=PF1(t)+R1(t),R1(t)便为分解残量。如果不是单调函数,则需要将R1(t)作为新的输入信号Q(t)跳转到S1。
循环方程可以表示为Rh(t)=Rh-1(t)-PFh(t),下标h表示S5-S6这一流程的循环次数。例如,当第二次执行S7时,R2(t)=R1(t)-PF2(t)。
S8:根据局部均值特征分解的结果进行局放信号的分析。
具体的,经过局部均值特征分解之后,信号的特征信息被表现到各个时间尺度中,可以对特征信息进行定量评估,例如聚类,进而可以较为准确地确定出局放信号类型。
本申请的方案中,对待处理的局放信号进行滤波之后,还对滤波之后的局放信号进行小波变换去噪,有利于使得后续的信号分析结果更加准确。而在进行分析时,本申请采用两种算法进行分析,具体的,将进行了小波变换去噪之后的局放信号进行差分波峰检测,同时,将进行了小波变换去噪之后的局放信号进行局部均值特征分解。在进行差分波峰检测时,通过对波峰点的时频和幅频特性进行分析,可以较为有效地确定出局放信号发生的频率、破坏性大小方面的信息。而局部均值特征分解可以将局放信号的特征信息表现到各个时间尺度中,对这些特征信息进行定量评估可以较为有效地确定出局放信号的类型。
综上可知,本申请的方案能够有效地提高局放信号的分析结果的准确性。
相应于上面的方法实施例,本发明实施例还提供了一种局放信号的滤波去噪及分析系统,可与上文相互对应参照。
参见图2所示,为本发明中一种局放信号的滤波去噪及分析系统的结构示意图,包括:
滤波模块201,用于对待处理的局放信号进行滤波;
小波去噪模块202,对滤波之后的局放信号进行小波变换去噪;
并联分析模块203,用于将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。
在本发明的一种具体实施方式中,滤波模块201,具体用于:
测量出待处理的局放信号的长度N,并划分为N/M段,M为每一段信号的长度;
针对每一段信号,将该段信号中的各个数据点中的最大值和最小值过滤之后,将剩余的各个数据点的平均值作为该段信号的取值。
在本发明的一种具体实施方式中,小波去噪模块202,具体用于:
为滤波之后的局放信号f(t)选出分解层数j以及小波基函数之后,进行小波变换多尺度分解,确定出滤波之后的局放信号f(t)的各层小波系数;
对确定出的各层小波系数进行阈值量化处理,且在进行阈值量化处理时,所使用到的每一层的阈值上限以及每一层的阈值下限均为基于该层的信息而确定出的对应的数值;
基于进行了阈值量化处理之后的各层小波系数,进行小波逆变换的重构,得出去噪后的局放信号x(t)。
在本发明的一种具体实施方式中,小波去噪模块202对确定出的各层小波系数进行阈值量化处理可以具体为:
在本发明的一种具体实施方式中,并联分析模块203将进行了小波变换去噪之后的局放信号进行差分波峰检测,可以具体为:
将进行了小波变换去噪之后的局放信号x(t)进行平方运算以放大波峰点,获得信号A(t),A(t)=x2(t);
将信号A(t)离散化之后得出信号A(n),并将A(n)进行一阶差分运算,获得一阶差分信号y(n),y(n)=A(n)-A(n-1);
将比较序列yc(n)连续化为比较函数yc(t),并基于比较函数yc(t)的各个突变点进行时频和幅频率的特性分析,得出检测结果。
在本发明的一种具体实施方式中,并联分析模块203在获得比较序列yc(n)时,采用分为e段的方式进行处理,e为预设参数;
并且,针对e段中的任意一段,该段的目标阈值上限T′H以及目标阈值下限T′L为通过以下操作确定出的数值:
获取信号A(t)在该段信号内的各个幅度极大值,各个幅度极小值以及各个差分极小值;
基于获取的各个幅度极大值确定出总幅度最大值,基于获取的各个幅度极小值确定出总幅度最小值,基于获取的差分极小值确定出总差分极小值;
根据总幅度最大值,总幅度最小值以及总差分极小值的平均值确定出该段的目标阈值上限T′H以及该段的目标阈值下限T′L,并且该段的目标阈值下限T′L与该段的目标阈值上限T′H互为相反数。
相应于上面的方法和系统实施例,本发明实施例还提供了一种局放信号的滤波去噪及分析设备以及一种计算机可读存储介质,可与上文相互对应参照。
计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例中的局放信号的滤波去噪及分析方法的步骤。这里所说的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
参见图3所示,为本发明中一种局放信号的滤波去噪及分析设备的结构示意图,包括:
存储器301,用于存储计算机程序;
处理器302,用于执行计算机程序以实现上述任一实施例中的局放信号的滤波去噪及分析方法的步骤。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种局放信号的滤波去噪及分析方法,其特征在于,包括:
对待处理的局放信号进行滤波;
对滤波之后的局放信号进行小波变换去噪;
将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。
2.根据权利要求1所述的局放信号的滤波去噪及分析方法,其特征在于,所述对局放信号进行滤波,包括:
测量出待处理的所述局放信号的长度N,并划分为N/M段,M为每一段信号的长度;
针对每一段信号,将该段信号中的各个数据点中的最大值和最小值过滤之后,将剩余的各个数据点的平均值作为该段信号的取值。
3.根据权利要求1所述的局放信号的滤波去噪及分析方法,其特征在于,所述对滤波之后的局放信号进行小波变换去噪,包括:
为滤波之后的局放信号f(t)选出分解层数j以及小波基函数之后,进行小波变换多尺度分解,确定出滤波之后的局放信号f(t)的各层小波系数;
对确定出的各层小波系数进行阈值量化处理,且在进行阈值量化处理时,所使用到的每一层的阈值上限以及每一层的阈值下限均为基于该层的信息而确定出的对应的数值;
基于进行了阈值量化处理之后的各层小波系数,进行小波逆变换的重构,得出去噪后的局放信号x(t)。
4.根据权利要求3所述的局放信号的滤波去噪及分析方法,其特征在于,所述对确定出的各层小波系数进行阈值量化处理,包括:
5.根据权利要求1所述的局放信号的滤波去噪及分析方法,其特征在于,所述将进行了小波变换去噪之后的局放信号进行差分波峰检测,包括:
将进行了小波变换去噪之后的局放信号x(t)进行平方运算以放大波峰点,获得信号A(t),A(t)=x2(t);
将信号A(t)离散化之后得出信号A(n),并将A(n)进行一阶差分运算,获得一阶差分信号y(n),y(n)=A(n)-A(n-1);
将比较序列yc(n)连续化为比较函数yc(t),并基于比较函数yc(t)的各个突变点进行时频和幅频率的特性分析,得出检测结果。
6.根据权利要求5所述的局放信号的滤波去噪及分析方法,其特征在于,在获得比较序列yc(n)时,采用分为e段的方式进行处理,所述e为预设参数;
并且,针对e段中的任意一段,该段的目标阈值上限T′H以及目标阈值下限T′L为通过以下操作确定出的数值:
获取信号A(t)在该段信号内的各个幅度极大值,各个幅度极小值以及各个差分极小值;
基于获取的各个幅度极大值确定出总幅度最大值,基于获取的各个幅度极小值确定出总幅度最小值,基于获取的差分极小值确定出总差分极小值;
根据所述总幅度最大值,所述总幅度最小值以及所述总差分极小值的平均值确定出该段的目标阈值上限T′H以及该段的目标阈值下限T′L,并且该段的目标阈值下限T′L与该段的目标阈值上限T′H互为相反数。
7.一种局放信号的滤波去噪及分析系统,其特征在于,包括:
滤波模块,用于对待处理的局放信号进行滤波;
小波去噪模块,对滤波之后的局放信号进行小波变换去噪;
并联分析模块,用于将进行了小波变换去噪之后的局放信号进行差分波峰检测以及局部均值特征分解,得出局放信号的分析结果。
8.一种局放信号的滤波去噪及分析设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至6任一项所述的局放信号的滤波去噪及分析方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的局放信号的滤波去噪及分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911347833.4A CN111046836B (zh) | 2019-12-24 | 2019-12-24 | 局放信号的滤波去噪及分析方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911347833.4A CN111046836B (zh) | 2019-12-24 | 2019-12-24 | 局放信号的滤波去噪及分析方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111046836A true CN111046836A (zh) | 2020-04-21 |
CN111046836B CN111046836B (zh) | 2023-04-18 |
Family
ID=70238933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911347833.4A Active CN111046836B (zh) | 2019-12-24 | 2019-12-24 | 局放信号的滤波去噪及分析方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046836B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781439A (zh) * | 2020-05-28 | 2020-10-16 | 广西电网有限责任公司梧州供电局 | 一种电力电缆局部放电信号检测方法及装置 |
CN113837042A (zh) * | 2021-09-14 | 2021-12-24 | 中国铁路设计集团有限公司 | 一种基于局部均值分解的小波阈值自动化变形监测信号去噪方法 |
CN115840120A (zh) * | 2023-02-24 | 2023-03-24 | 山东科华电力技术有限公司 | 一种高压电缆局放异常监测及预警方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102323518A (zh) * | 2011-05-19 | 2012-01-18 | 西南交通大学 | 一种基于谱峭度的局部放电信号识别方法 |
US20140005988A1 (en) * | 2009-11-03 | 2014-01-02 | Marina Brockway | Physiological signal denoising |
CN103549950A (zh) * | 2013-11-19 | 2014-02-05 | 上海理工大学 | 移动心电监测差分阈值检测改进算法 |
CN103630808A (zh) * | 2013-11-11 | 2014-03-12 | 华南理工大学 | 一种基于提升小波变换的局部放电信号去噪方法 |
US20140213862A1 (en) * | 2013-01-28 | 2014-07-31 | Covidien Lp | Wavelet-based system and method for analyzing a physiological signal |
CN104198901A (zh) * | 2014-08-13 | 2014-12-10 | 广东电网公司电力科学研究院 | 变电站局部放电信号的定位方法和系统 |
CN105182200A (zh) * | 2015-09-28 | 2015-12-23 | 苏州光格设备有限公司 | 电缆局部放电信号的去噪处理方法 |
CN107273827A (zh) * | 2017-05-31 | 2017-10-20 | 江苏斯坦德利医疗科技有限公司 | 一种心电信号r波检测方法及装置 |
CN107703427A (zh) * | 2017-11-28 | 2018-02-16 | 广东电网有限责任公司珠海供电局 | 一种基于emd分解的局部放电信号去噪方法 |
CN108446632A (zh) * | 2018-03-20 | 2018-08-24 | 珠海华网科技有限责任公司 | 一种局部放电脉冲边沿寻找与局部放电确认方法 |
CN108694355A (zh) * | 2017-04-10 | 2018-10-23 | 中国科学院微电子研究所 | 一种信号处理方法及装置 |
CN109239554A (zh) * | 2018-09-28 | 2019-01-18 | 山东康威通信技术股份有限公司 | 一种电力电缆局部放电信号去噪及有效信号提取方法及系统 |
-
2019
- 2019-12-24 CN CN201911347833.4A patent/CN111046836B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140005988A1 (en) * | 2009-11-03 | 2014-01-02 | Marina Brockway | Physiological signal denoising |
CN102323518A (zh) * | 2011-05-19 | 2012-01-18 | 西南交通大学 | 一种基于谱峭度的局部放电信号识别方法 |
US20140213862A1 (en) * | 2013-01-28 | 2014-07-31 | Covidien Lp | Wavelet-based system and method for analyzing a physiological signal |
CN103630808A (zh) * | 2013-11-11 | 2014-03-12 | 华南理工大学 | 一种基于提升小波变换的局部放电信号去噪方法 |
CN103549950A (zh) * | 2013-11-19 | 2014-02-05 | 上海理工大学 | 移动心电监测差分阈值检测改进算法 |
CN104198901A (zh) * | 2014-08-13 | 2014-12-10 | 广东电网公司电力科学研究院 | 变电站局部放电信号的定位方法和系统 |
CN105182200A (zh) * | 2015-09-28 | 2015-12-23 | 苏州光格设备有限公司 | 电缆局部放电信号的去噪处理方法 |
CN108694355A (zh) * | 2017-04-10 | 2018-10-23 | 中国科学院微电子研究所 | 一种信号处理方法及装置 |
CN107273827A (zh) * | 2017-05-31 | 2017-10-20 | 江苏斯坦德利医疗科技有限公司 | 一种心电信号r波检测方法及装置 |
CN107703427A (zh) * | 2017-11-28 | 2018-02-16 | 广东电网有限责任公司珠海供电局 | 一种基于emd分解的局部放电信号去噪方法 |
CN108446632A (zh) * | 2018-03-20 | 2018-08-24 | 珠海华网科技有限责任公司 | 一种局部放电脉冲边沿寻找与局部放电确认方法 |
CN109239554A (zh) * | 2018-09-28 | 2019-01-18 | 山东康威通信技术股份有限公司 | 一种电力电缆局部放电信号去噪及有效信号提取方法及系统 |
Non-Patent Citations (1)
Title |
---|
传感器与微系统: "基于自适应分解层数和阈值的小波去噪算法" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781439A (zh) * | 2020-05-28 | 2020-10-16 | 广西电网有限责任公司梧州供电局 | 一种电力电缆局部放电信号检测方法及装置 |
CN113837042A (zh) * | 2021-09-14 | 2021-12-24 | 中国铁路设计集团有限公司 | 一种基于局部均值分解的小波阈值自动化变形监测信号去噪方法 |
CN113837042B (zh) * | 2021-09-14 | 2024-04-19 | 中国铁路设计集团有限公司 | 一种基于局部均值分解的小波阈值自动化变形监测信号去噪方法 |
CN115840120A (zh) * | 2023-02-24 | 2023-03-24 | 山东科华电力技术有限公司 | 一种高压电缆局放异常监测及预警方法 |
CN115840120B (zh) * | 2023-02-24 | 2023-04-28 | 山东科华电力技术有限公司 | 一种高压电缆局放异常监测及预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111046836B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046836B (zh) | 局放信号的滤波去噪及分析方法、系统、设备及存储介质 | |
CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
Azami et al. | An improved signal segmentation using moving average and Savitzky-Golay filter | |
CN108804832B (zh) | 一种基于vmd的间隔阈值局部放电去噪方法 | |
JP6493889B2 (ja) | 音声信号を検出するための方法および装置 | |
CN109241823B (zh) | 一种基于变分模态分解和支持向量回归的信号预测方法 | |
CN107179486A (zh) | 一种gis设备在线监测特高频信号降噪方法 | |
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 | |
CN108182415B (zh) | 基于自滤波变频经验模态分解获得时频分布的方法 | |
CN110136735B (zh) | 一种音频修复方法、设备及可读存储介质 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
CN111912521A (zh) | 一种非平稳信号的频率检测方法和存储介质 | |
CN113887362A (zh) | 一种局部放电信号的特征提取方法 | |
EP2618269A1 (en) | A method for processing of measurements from several sensors | |
CN110609088B (zh) | 一种支柱绝缘子故障识别方法及装置 | |
Li et al. | A UV-visible absorption spectrum denoising method based on EEMD and an improved universal threshold filter | |
JP5774191B2 (ja) | オーディオ信号において卓越周波数を減衰させるための方法および装置 | |
JP5699403B2 (ja) | 不規則なパルス列の信号処理方法および信号処理装置 | |
CN108694355B (zh) | 一种信号处理方法及装置 | |
Azami et al. | Automatic signal segmentation using the fractal dimension and weighted moving average filter | |
CN112116917B (zh) | 基于相位跃变度的电抗器本体与风机声信号分离方法 | |
CN113255137B (zh) | 目标对象应变数据的处理方法、装置及存储介质 | |
CN115293219A (zh) | 一种融合小波和峭度的脉冲信号去噪方法 | |
CN111007369B (zh) | 一种超高频电磁波信号到达时间差计算方法和装置 | |
CN112698160A (zh) | 开关柜局部放电故障识别方法、装置、计算机设备及存储介质 |
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 |