CN112034252B - 一种moa阻性电流提取方法 - Google Patents
一种moa阻性电流提取方法 Download PDFInfo
- Publication number
- CN112034252B CN112034252B CN202010997362.8A CN202010997362A CN112034252B CN 112034252 B CN112034252 B CN 112034252B CN 202010997362 A CN202010997362 A CN 202010997362A CN 112034252 B CN112034252 B CN 112034252B
- Authority
- CN
- China
- Prior art keywords
- resistive current
- signal
- characteristic frequency
- moa
- decomposition
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明涉及一种MOA阻性电流提取方法,包括步骤:通过对待测信号特征分析,确定小波包变换的最优分解层数和最优小波基;对采集的MOA的阻性电流信号采用EMD分解,并根据频谱图选出含特征频率的模态分量,对选好的模态分量进行WPT操作,并采用SVD提取各个子信号中的特征频率;将提取到的特征频率信号进行重构,得到去干扰后的阻性电流信号。本发明能够更加准确地提取MOA的阻性电流。
Description
技术领域
本发明涉及电力系统MOA设计技术领域,特别是一种MOA阻性电流提取方法。
背景技术
MOA的保护能力或者说是否运行正常,主要取决于金属氧化物阀片性能,而阀片性能的优劣在一定程度上可以由泄漏电流特别是其中的阻性电流反映,阻性电流峰值由包括基波在内的各奇次谐波叠加而成。
阻性电流实测数据属于微弱信号,易受到电磁干扰、雷击干扰和环境因干扰素等影响,加上金属氧化物避雷器内部空间较小,影响有功功率产生热量的散发,导致避雷器阻性电流监测数据具有较大误差,进而出现误报警现象。因此,去除各种噪声干扰,提取其中能真实反映避雷器性能劣化状态及趋势的阻性电流数据,才能判断MOA运行状况的实时监测。
然而,目前还没有能够准确提取MOA阻性电流的方法。
发明内容
有鉴于此,本发明的目的是提出一种MOA阻性电流提取方法,能够更加准确地提取MOA的阻性电流。
本发明采用以下方案实现:一种MOA阻性电流提取方法,包括以下步骤:
通过对待测信号特征分析,确定小波包变换的最优分解层数和最优小波基;
对采集的MOA的阻性电流信号采用EMD分解,并根据频谱图选出含特征频率的模态分量,对选好的模态分量进行WPT操作,并采用SVD提取各个子信号中的特征频率;
将提取到的特征频率信号进行重构,得到去干扰后的阻性电流信号。
进一步地,所述最优分解层数l的确定具体为:
式中,fs为阻性电流信号的采样频率,f为阻性电流基波频率。
进一步地,所述最优小波基的确定具体为:采用db33小波基作为最优小波基。
进一步地,所述对采集的信号采用EMD分解,并根据频谱图选出含特征频率的模态分量,对选好的模态分量进行WPT操作,并采用SVD提取各个子信号中的特征频率具体为:
采用EMD将MOA阻性电流在线监测数据分解为多个模态分量,并根据FFT频谱图选出包含特征频率的模态分量,将不包含特征频率的模态分量去除;
将选出的包含特征频率的模态分量经WPT小波包分解为多个最多含有一个有用特征频率的子信号,再依次使用SVD提取各个子信号中的特征频率。
进一步地,所述将提取到的特征频率信号进行重构,得到去干扰后的阻性电流信号具体为:将所有提取到的特征频率信号相加,得到去干扰后的阻性电流信号。
与现有技术相比,本发明有以下有益效果:本发明基于EMD-WPT-SVD从理论方法角度解决了WPT中模态混淆、分解层数和最有小波基的三个难题,从工程角度实现了消除白噪声、强电磁和脉冲干扰的MOA阻性电流数据的提取,解决了MOA阻性电流真实数据难以准确测量的难题。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例1的去噪结果示意图。其中(a)为阻性电流实测数据,(b)为采用本实施例方法处理后的阻性电流数据。
图3为本发明实施例2的去噪结果示意图。其中(a)为阻性电流实测数据,(b)为采用本实施例方法处理后的阻性电流数据。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种MOA阻性电流提取方法,包括以下步骤:
通过对待测信号特征分析,确定小波包变换的最优分解层数和最优小波基;
对采集的MOA的阻性电流信号采用EMD分解,并根据频谱图选出含特征频率的模态分量,对选好的模态分量进行WPT操作,并采用SVD提取各个子信号中的特征频率;
将提取到的特征频率信号进行重构,得到去干扰后的阻性电流信号。
在本实施例中,小波包分解是将每一层的所有细分层一分为二,把信号分解为低频和高频,其中第i层有2i个细分层,而随着分解层数越大,频域分辨率在增大的同时,时域分辨率越来越小,因此无限制的小波包分解并不益于信号的分析。小波包分解每一个子频带的长度Δf满足如下关系式:
本实施例在保证时域分辨率较高的同时,确定最优分解层数l为:
式中,fs为阻性电流信号的采样频率,f为阻性电流基波频率。
在本实施例中,所述最优小波基的确定具体为:
以分解耗时和公式(3)计算的误差率为指标,用多组实验为例进行验证,结果均表明,db33小波基分解基波频率为50Hz的阻性电流耗时最短,分解误差率最小。
在本实施例中,所述对采集的信号采用EMD分解,并根据频谱图选出含特征频率的模态分量,对选好的模态分量进行WPT操作,并采用SVD提取各个子信号中的特征频率具体为:
采用EMD将MOA阻性电流在线监测数据分解为多个模态分量,并根据FFT频谱图选出包含特征频率的模态分量,将不包含特征频率的模态分量去除;
将选出的包含特征频率的模态分量经WPT小波包分解为多个最多含有一个有用特征频率的子信号,再依次使用SVD提取各个子信号中的特征频率。
在本实施例中,所述将提取到的特征频率信号进行重构,得到去干扰后的阻性电流信号具体为:将所有提取到的特征频率信号相加,组成去干扰后的MOA阻性电流信号。
接下来,以两个具体的实施例对上述过程进行说明。
实施例1。
采集到某110KV变电站一年内MOA阻性电流的数据,采样频率是1200Hz,采样点数8458个,采样间隔为1个小时,阻性电流数据如图2中的(a)所示。阻性电流基波频率f为50Hz,用公式(2)计算得小波包变换的最佳分解层数应满足3.585≤l≤4.585,故分解层数l该取4层,分解子信号个数为24=16,由公式(1)每个子信号的频率长度Δf=37.5HZ,能完全分离50Hz间隔的阻性电流信号。采用本方法的去噪结果如图2的(b)所示。图示说明该避雷器正在趋于老化,需要加强定时检修和清洁,防止该MOA的进一步老化。
实施例2。
采集到另一处某220KV变电站一年内MOA阻性电流的数据,采样频率是1200Hz,采样点数8458个,采样间隔为一小时,如图3的(a)所示。采样频率和电流基波频率同上,故直接分解为4层,采用本方法的去噪结果如图3的(b)所示。图示说明该MOA性能良好。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (3)
2.根据权利要求1所述的一种MOA阻性电流提取方法,其特征在于,所述对采集的信号采用经验模态分解EMD,并根据频谱图选出含特征频率的模态分量,对选好的模态分量进行无线电能传输WPT操作,并采用奇异值分解SVD提取各个子信号中的特征频率具体为:
采用经验模态分解EMD将MOA阻性电流在线监测数据分解为多个模态分量,并根据FFT频谱图选出包含特征频率的模态分量,将不包含特征频率的模态分量去除;
将选出的包含特征频率的模态分量经无线电能传输WPT小波包分解为多个最多含有一个有用特征频率的子信号,再依次使用奇异值分解SVD提取各个子信号中的特征频率。
3.根据权利要求1所述的一种MOA阻性电流提取方法,其特征在于,所述将提取到的特征频率信号进行重构,得到去干扰后的阻性电流信号具体为:将所有提取到的特征频率信号相加,得到去干扰后的阻性电流信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997362.8A CN112034252B (zh) | 2020-09-21 | 2020-09-21 | 一种moa阻性电流提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997362.8A CN112034252B (zh) | 2020-09-21 | 2020-09-21 | 一种moa阻性电流提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034252A CN112034252A (zh) | 2020-12-04 |
CN112034252B true CN112034252B (zh) | 2022-06-03 |
Family
ID=73574931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010997362.8A Active CN112034252B (zh) | 2020-09-21 | 2020-09-21 | 一种moa阻性电流提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034252B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2551685A1 (en) * | 2011-07-25 | 2013-01-30 | Fundació CTM Centre Tecnològic | Diagnostic system and method for failures in electromechanical actuators |
CN103439567B (zh) * | 2011-10-21 | 2016-01-27 | 常州顺创电气科技有限公司 | 一种moa阻性电流在线监测系统的工作方法 |
CN104820127A (zh) * | 2015-05-20 | 2015-08-05 | 南京信息工程大学 | 一种金属氧化物避雷器阻性电流提取方法和装置 |
CN106771535A (zh) * | 2016-09-30 | 2017-05-31 | 南京信息工程大学 | 一种金属氧化物避雷器泄漏电流去噪系统及去噪方法 |
CN109376897A (zh) * | 2018-08-29 | 2019-02-22 | 广东工业大学 | 一种基于混合算法的短期风电功率预测方法 |
CN110057586B (zh) * | 2019-04-25 | 2020-10-30 | 长江大学 | 轴承故障振动信号Schatten改进小波包与重构降噪方法 |
CN110672327A (zh) * | 2019-10-09 | 2020-01-10 | 西南交通大学 | 一种基于多层降噪技术的异步电机轴承故障诊断方法 |
-
2020
- 2020-09-21 CN CN202010997362.8A patent/CN112034252B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112034252A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469560B (zh) | 一种基于快速s变换时频空间模型的电磁干扰客观复杂度评估方法 | |
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 | |
Song et al. | Second generation wavelet transform for data denoising in PD measurement | |
Ma et al. | Interpretation of wavelet analysis and its application in partial discharge detection | |
Seo et al. | Probabilistic wavelet transform for partial discharge measurement of transformer | |
CN109581270B (zh) | 基于小波多尺度变换快速辨识cvt故障的方法 | |
CN108562837A (zh) | 一种电厂开关柜局部放电超声信号降噪方法 | |
CN112946442B (zh) | 一种开关柜局部放电检测方法、终端设备及存储介质 | |
CN111308285B (zh) | 一种窄带干扰降噪方法 | |
Zhong et al. | An improved wavelet spectrum segmentation algorithm based on spectral kurtogram for denoising partial discharge signals | |
CN110991481A (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
Lin et al. | Partial discharge signal extracting using the empirical mode decomposition with wavelet transform | |
CN112034252B (zh) | 一种moa阻性电流提取方法 | |
CN110146922A (zh) | 高速铁路地震预警系统单双地震计干扰识别方法 | |
CN111553308A (zh) | 一种电力变压器局部放电信号的重构方法 | |
CN116992264A (zh) | 一种高频方波电压下的局部放电信号处理方法及装置 | |
CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
Zhang et al. | Application of signal processing techniques to on-line partial discharge detection in cables | |
Seo et al. | A novel signal extraction technique for online partial discharge (PD) measurement of transformers | |
CN112034253B (zh) | 一种moa在线监测方法 | |
Abd Rahman et al. | Construction of finite impulse wavelet filter for partial discharge localisation inside a transformer winding | |
CN110703080B (zh) | 一种gis尖刺放电诊断方法、放电程度识别方法及装置 | |
Xin et al. | De-noising of GIS UHF Partial Discharge monitoring based on wavelet method | |
Jiao et al. | Denoising of UHF partial discharge signals by using VMD based on Shannon entropy and kurtosis-approximation entropy | |
Yonghong et al. | Detection of small leakage from pipeline based on improved harmonic wavelet |
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 |