CN112180315A

CN112180315A - 光纤电流互感器故障特征提取方法、装置及系统

Info

Publication number: CN112180315A
Application number: CN202011031202.4A
Authority: CN
Inventors: 庞福滨; 宋亮亮; 嵇建飞; 张文鹏; 赵凯; 王立辉
Original assignee: State Grid Corp of China SGCC; Southeast University; State Grid Jiangsu Electric Power Co Ltd; Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Southeast University; State Grid Jiangsu Electric Power Co Ltd; Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date: 2020-09-27
Filing date: 2020-09-27
Publication date: 2021-01-05

Abstract

本发明公开了一种光纤电流互感器故障特征提取方法、装置及系统，所述方法包括利用最优小波基函数对原始光纤电流互感器输出信号进行小波包分解，获得若干个频率不同的频段信号；基于预设的低频范围、工频范围和高频范围，利用各频段信号，重构出低频信号、工频信号和高频信号；分别基于低频信号、工频信号、高频信号，以及原始光纤电流互感器输出信号，计算出时域特征指标；基于所有时域特征指标，组合构建出原始故障特征向量集合；采用主成分分析法对原始故障特征向量集合进行处理，获得对应渐变故障的故障特征向量集合。本发明减少了电网运行过程中高频分量以及工频分量对微弱故障信号的影响，提升了利用输出信号进行故障诊断的正确率。

Description

光纤电流互感器故障特征提取方法、装置及系统

技术领域

本发明属于光纤电流互感器故障诊断技术领域，具体涉及一种光纤电流互感器故障特征提取方法、装置及系统。

背景技术

随着光纤电流互感器运行时间增加，内部光学器件和电子器件会发生老化，光纤电流互感器会从良好状态逐渐劣化直到发生严重故障，在恶劣环境下运行也会加速器件老化。当光纤电流互感器发生渐变故障时，输出信号会出现微小漂移，为了减少电力系统噪声和正常信号对故障诊断的影响，利用信号分解算法从输出信号中提取故障信号。分析不同故障阶段输出信号，提取故障特征构建故障特征向量和表征渐变故障趋势的时域劣化参数，为光纤电流互感器状态监测和故障诊断提供数据支持。

在光纤电流互感器故障诊断过程中，关键步骤在于在特征提取环节中能否提取出有效表示不同故障阶段并且区分其他故障阶段的特征。当光纤电流互感器发生故障时，输出信号会发生变化，且不同故障阶段下信号表现出不同的特征，通过分析输出信号特征，可以诊断出光纤电流互感器当前所在故障阶段。当检测到在故障早期阶段时，可以做出故障预警，实现预测性维护，避免发生重大故障，保障电网的安全运行。在实际工作中，输出信号会包含噪声等干扰，这些干扰信号会对输出信号特征分析产生影响，需要采用合适的特征提取方法从输出信号中提取故障信号。

时域特征分析法是故障特征提取常用的方法。经过信号传输单元处理，光纤电流互感器输出至合并单元的数据为离散时间序列。输出时间序列为原始的数据，包含着大量光纤电流互感器运行时的信息。随着光纤电流互感器的逐渐劣化，输出信号会发生缓慢变化，因此分析输出信号时域特征可以实现光纤电流互感器状态监测和故障诊断。

在时域分析法中，时域特征参数包含有量纲参数和无量纲参数，有量纲参数主要描述输出信号在不同故障阶段下表现出的特征；无量纲参数是两个有量纲参数的比值，与输出信号无关，与信号幅值分布的形状有关。

在光纤电流互感器故障诊断中，常用的指标为均值、均方根值、峭度等。随着故障程度的增加，输出信号会出逐渐漂移，其均值和均方根值会逐渐变化，因此可以用这两个指标来反映光纤电流互感器的劣化程度。

在信号处理方法中，时域分析法和频域分析法主要适用于分析平稳信号，而光纤电流互感器输出信号为非线性、非平稳信号，传统的时域和频域方法难以满足信号处理的需求。而时频分析技术可以从时间和频率进行联合分析来描述信号特征，因此被广泛用于非平稳信号处理。目前常用于故障特征分析的时频分析方法包括小波变换、经验模态分解(Empirical Mode Decomposition，EMD)等。

EMD是一种自适应的时频信号分解方法，被广泛的运用在了非线性信号分解领域。相比小波分析，EMD不需要引入基函数，只需要利用数学运算就可以将原始信号分为多个模态分量和残余分量，分解得到的每个模态分量都包含着不同频率成分的信号。但是 EMD在分解过程中存在模态混叠的问题，无法在分解过程中单独提取指定频率的分量；在分解过程中也可能会得到一些虚假的模态分量，影响对信号特征的刻画。而且该算法在分解信号过程中消耗时间较长，不适合被用来分解光纤电流互感器输出信号。

小波分析作为一种多分辨率分析的信号处理技术，它克服了傅里叶变换只能单分辨率观察信号这一缺陷，能够在时域和频域都很好的表达信号的局部特征。而且小波分析能够根据信号自适应的调整时域窗和频域窗，当处理高频信号时，其时间窗口变窄，在时间上有着较高的分辨率；当处理低频信号时，其时间窗口变宽，在频率上有着较高的分辨率。但是小波分析的结果很大因素取决于小波基函数的选择，通过相关指标选择合适的小波基函数，能够提升特征提取的准确性。因为小波分析具备多分辨率的优势，所以被广泛运用在信号处理、奇异点检测、信号滤波和特征提取等领域。

小波分析是一种以多分辨率分析为基础的信号处理技术。本质是通过对小波基函数进行伸缩和平移变换产生一系列函数，并利用该函数来逼近待处理信号。小波变换的定义如下：

令ψ(t)为一个平方可积函数，即ψ(t)∈L²(R)。令ψ(t)的傅里叶变换

函数满足

则称ψ(t)为小波基函数。对小波基函数ψ(t)进行相应的伸缩平移变换后就能得到小波序列ψ_a,b(t)。

式中，a,b∈R，且a≠0。a被称为伸缩因子，b为平移因子。小波基函数通过伸缩平移变换产生的小波序列函数的形状与两个因子密切相关。当t、a和b连续变化时， ψ_a,b(t)为连续小波序列；当a和b分别为离散变化时，ψ_a,b(t)为离散小波序列。

小波包分解(Wavelet Packet Decomposition，WPD)是一种通过小波正交基将分解信号分解到各个频段的时频分析方法。其本质是利用一组高通滤波器和低通滤波器对序列信号进行滤波。传统的小波分析方法是只对信号的低频部分进行分解，对高频信号分解不彻底。而小波包分解可以对信号频带进行多层次分解，将原始信号无泄漏、无重叠的分解到各个频段，被广泛用于多频率信号分解和信号特征提取。对信号进行三层小波包分解示意图如图1所示。S表示原始电流信号，A表示低频信号，D表示高频信号，末尾数字表示分解层数。通过一层小波包分解得到低频信号A1和高频信号D1，通过对A1和 D1进行小波包分解，分别得到第二层低频和高频信号。依次类推，经过n层分解可以得到2ⁿ个小波频带。信号经过小波包分解后，可以根据目标信号频率准确的提取指定频带的信号，可以被用来从光纤电流互感器输出信号中提取故障信号。小波包分解的原理如图1所示。

给定正交尺度函数φ(t)和正交小波函数

满足二尺度方程，即：

式中，h(k)和g(k)分别为高通滤波系数和低通滤波系数。

根据二尺度方程，令

μ₁(t)＝ψ(t)，定义如下递推关系：

式中，{μ_l(t)}_l∈Z为

定义的小波包。

因此，确定小波包分解系数递推公式为：

小波包的重构公式为：

式中，

为小波包分解后第j层的第n个频带所对应的第k个系数。

利用信号重构公式对小波包分解之后的各个频带进行小波系数重构，可以将系数还原为包含不同频率成分的时序信号。通过对光纤电流互感器输出的非平稳时序信号进行小波包分解，分析不同频率信号的特征，可以实现光纤电流互感器状态监测和故障诊断。

发明内容

针对光纤电流互感器在故障早期阶段难以判别，以及判别方法不能完全适用的问题，本发明提出一种光纤电流互感器故障特征提取方法、装置及系统，减少了电网运行过程中高频分量以及工频分量对微弱故障信号的影响，提升了利用输出信号进行故障诊断的正确率，特别适用于提取光纤电流互感器渐变故障特征。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

第一方面，本发明提供了一种光纤电流互感器故障特征提取方法，包括：

利用最优小波基函数对原始光纤电流互感器输出信号进行小波包分解，获得若干个频率不同的频段信号；

基于预设的低频范围、工频范围和高频范围，利用所述若干个频率不同的频段信号，重构出低频信号、工频信号和高频信号；

分别基于所述低频信号、工频信号、高频信号，以及原始光纤电流互感器输出信号，计算出指定的时域特征指标；

基于所有时域特征指标，组合构建出原始故障特征向量集合；

采用主成分分析方法对所述原始故障特征向量集合进行处理，获得对应渐变故障的故障特征向量集合，完成光纤电流互感器故障特征提取。

可选地，所述最优小波基函数的确定方法包括：

利用不同小波基函数对光纤电流互感器正常输出信号进行分解，获得若干个频率不同的频段信号；

利用不同小波基函数对光纤电流互感器故障输出信号进行分解，获得若干个频率不同的频段信号；

对不同小波基函数下各个频段信号能量占比进行分析，通过对比正常输出信号与故障输出信号在各个频段的能量占比大小，能量占比变化越大的频段即为最优频段，与该最优频段对应的小波基函数即为最优小波基函数。

可选地，所述低频范围为[0,31.25)Hz；所述工频范围为[31.25，62.5)；所述高频范围为[62.5,2000]。

可选地，所述指定的时域特征指标包括均值、标准差、信号能量、均方根值、绝对平均值、方根幅值、峭度、波形因子和峰值因子。

第二方面，本发明提供了一种光纤电流互感器渐变故障特征提取装置，包括：

分解单元，用于利用最优小波基函数对原始光纤电流互感器输出信号进行小波包分解，获得若干个频率不同的频段信号；

重构单元，用于基于预设的低频范围、工频范围和高频范围，利用所述若干个频率不同的频段信号，重构出低频信号、工频信号和高频信号；

计算单元，用于分别基于所述低频信号、工频信号、高频信号和原始光纤电流互感器输出信号，计算出指定的时域特征指标；

构建单元，用于基于所有时域特征指标，组合构建出原始故障特征向量集合；

降维单元，用于采用主成分分析方法对所述原始故障特征向量集合进行处理，获得对应渐变故障的故障特征向量集合，完成光纤电流互感器故障特征提取。

可选地，所述最优小波基函数的确定方法包括：

第三方面，本发明提供了一种光纤电流互感器渐变故障特征提取系统，包括存储介质和处理器；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述方法的步骤。

与现有技术相比，本发明的有益效果：

本发明中对采集的光纤电流互感器不同状态下的输出信号进行最优小波包分解，分析各个频段信号确定故障信号特征，并计算原始故障输出信号和各个频带信号的时域特征构建故障特征向量集合；利用PCA方法对所述故障特征向量集合进行处理，降低电网运行过程中高频分量以及工频分量对低频分量(微弱故障信号)的影响，得到对应渐变故障的故障特征向量集合，完成光纤电流互感器渐变故障特征的提取，实现了大大减少电网运行过程中高频分量以及工频分量对微弱故障信号的影响，提升利用输出信号进行故障诊断的正确率。

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：

图1为现有技术中三层小波包分解示意图；

图2为本发明一种实施例的光纤电流互感器渐变故障特征提取方法示意图。

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的保护范围。

下面结合附图对本发明的应用原理作详细的描述。

由小波分析理论可知，其处理输出信号的原理是用小波基函数不断逼近原始信号序列，而不同的小波基函数在性质上有很大差别，小波基函数的选择越准确，其对原始信号特征的描述就越强，提取得到的特征向量就更能准确的描述设备的工作状态。因此，利用小波包分解处理设备输出信号时，关键在于选择合适的小波基函数。不同的小波基函数主要表现出以下不同的性质：

(1)紧支性：紧支集的长度决定着信号局部特性的好坏，紧支集越短的小波基函数，局部的时频特征就越好，越有利于信号的瞬时检测；

(2)对称性：具有对称性的基函数使得小波滤波呈线性相位，信号不会失真，也可以提高算法的运行速度；

(3)正则性：信号重构后的平滑性会影响频域的分辨率，支集长度越长，正则性越好；

(4)消失矩：基函数的消失矩越高，在高频的衰减也就越快，变换后信号的能量越集中，可以保持良好的频域定域性；

(5)正交性：小波基函数正交性是指低通滤波器和高通滤波器正交，低通重构滤波器和高通重构滤波器正交，如果分解和重构都满足正交性则成为双正交。满足正交性可以使分析简便，有利于信号的精确重构。

利用小波包分解信号时，为了更精确的提取信号的内在特征，需要小波基函数优先满足定区间的紧支集长度和足够的消失矩阶数，其次满足正交性、对称性和正则性。根据光纤电流互感器输出信号实现在线监测和故障诊断，需要提取不同频段的信号的特征，选择的小波基函数必须满足正交性。为了保证重构信号特征的稳定性，需要保证小波基函数具有精准的重构特性和对称性或者近似对称性。经过分析选用dbN(N＝1～45)系列小波基函数。通过计算输出信号的小波能量确定N的取值。

对于光纤电流互感器输出信号，其能量信息为一个很重要的特征。当光纤电流互感器发生故障时，其输出信号在不同频段上的能量分布会出现差别。通过分析不同频段能量的占比，可以判断出当前的工作状况。根据小波基函数的性质可知，在分解过程中，小波基函数和原始信号波形逼近程度越高，则分解信号能量越集中，信号特征提取效果越好。可以分析小波包分解的能量信息来确定合适的小波基函数。

设原始采集的电流信号为I(t)，则经过小波包分解后信号可以表示为：

式中，S_i为不同频段小波系数重构之后的信号，layer为小波包分解层数。

每个频段信号的能量表示为：

式中，

为小波包分解后第j层的第n个频带所对应能量。则每个频带信号能量占总能量信号的百分比为：

实施例1

根据小波包分解性质可知，小波包分解能将信号分解到各个频段上。根据输出信号采样率以及电流工频频率确定利用小波包分解的层数为6层。通过小波包分解得到64个包含不同频段信号的子序列，其频段分别为[0Hz，31.25Hz)、[31.25Hz，62.5Hz)、…、[1968.75Hz，2000Hz]。通过小波信号各个频带能量占比来确定分解光纤电流互感器输出信号的最优小波基函数。利用不同小波包基函数对输出信号进行分解，各个频带的能量百分比如表1所示。

表1

由表1可知，随着N的增大，小波基函数越能最大限度将工频信号集中在31.25Hz～62.5Hz频段内，可以很好的实现低频信号的提取。当输出信号为故障信号时，通过小波包系数能量可知，低频信号能量逐渐增加，工频信号能量逐渐降低，高频信号能量基本不变，说明光纤电流互感器渐变性故障信号主要为低频信号。为此，本发明中分别计算原始输出信号、低频信号、工频信号以及高频信号分量的时域特征，并将时域特征构成多维特征向量；利用PCA分析多维特征向量，提取主要分量构建特征向量集合，为构建特征序列提供数据支持。

本发明实施例中提供了一种光纤电流互感器故障特征提取方法，如图2所示，包括以下步骤：

(1)利用最优小波基函数对原始光纤电流互感器输出信号进行小波包分解，获得若干个频率不同的频段信号；

(2)基于预设的低频范围、工频范围和高频范围，利用所述若干个频率不同的频段信号，重构出低频信号、工频信号和高频信号；

(3)分别基于所述低频信号、工频信号、高频信号，以及原始光纤电流互感器输出信号，计算出指定的时域特征指标；

(4)基于所有时域特征指标，组合构建出原始故障特征向量集合；

(5)采用主成分分析方法对所述原始故障特征向量集合进行处理，获得对应渐变故障的故障特征向量集合，完成光纤电流互感器故障特征提取。

所述最优小波基函数的确定方法包括：

在本发明实施例的一种具体实施方式中，所述低频范围为[0,31.25)Hz；所述工频范围为[31.25，62.5)；所述高频范围为[62.5,2000]。

在本发明实施例的一种具体实施方式中，所述指定的时域特征指标包括均值、标准差、信号能量、均方根值、绝对平均值、方根幅值、峭度、波形因子和峰值因子。

其中，所述均值的计算公式具体为：

所述标准差的计算公式具体为：

所述信号能量的计算公式具体为：

所述均方根值的计算公式具体为：

所述绝对平均值的计算公式具体为：

所述方根幅值的计算公式具体为：

所述峭度的计算公式具体为：

所述波形因子的计算公式具体为：

所述峰值因子的计算公式具体为：

式中x表示信号，N表示信号的个数。

在本发明实施例的一种具体实施方式中，所述降维处理包括以下步骤：

利用主成分分析法对所述原始故障特征向量集合进行降维处理。

主成分分析法(Principal Component Analysis，PCA)是一种以多元统计学为基础的分析方法，被广泛运用在了模式识别和故障诊断领域。利用PCA对特征降维主要是对原始信号进行线性变换操作，使得样本的方差最大，在保证原始样本信息不丢失的情况下，减少原来高维特征向量之间的冗余，消除原始特征之间的相关性。

原始特征向量集合为X＝(x₁,x₂,...,x_m)，其中m为特征向量的个数，每个特征向量

其中n为特征向量维度，则特征向量x_i对应的协方差矩阵为：

其中，

为所有特征向量的均值，则协方差矩阵R_x的所有特征值和特征向量为：

λα＝λR_x (11)

对得到的特征值λ按照从大到小排序：λ₁＞λ₂＞...＞λ_n，对应的特征向量为

n个特征向量对应着n维主分量。为了得到最具代表性的主分量，利用特征值计算累计贡献率选择k个主分量，每个特征分量的贡献率为：

则主要特征分量的累计贡献率为：

一般认为R_k＞90％时，即前k个主要分量的累计贡献率达到90％，则认为其包含了90％以上的原始信息，通过提取主要特征分量可以实现故障特征向量降维的目的。

实施例2

基于与实施例1相同的发明构思，本发明实施例中提供了一种光纤电流互感器渐变故障特征提取装置，包括：

在本发明实施例的一种具体实施方式中，所述最优小波基函数的确定方法包括：

在本发明实施例的一种具体实施方式中，所述所述低频范围为[0,31.25)Hz；所述工频范围为[31.25，62.5)；所述高频范围为[62.5,2000]。

在本发明实施例的一种具体实施方式中，所述指定的时域特征指标包括均值、标准差、信号能量、均方根值、绝对平均值、方根幅值、峭度、波形因子和峰值因子；

其中，所述均值的计算公式具体为：

所述标准差的计算公式具体为：

所述信号能量的计算公式具体为：

所述均方根值的计算公式具体为：

所述绝对平均值的计算公式具体为：

所述方根幅值的计算公式具体为：

所述峭度的计算公式具体为：

所述波形因子的计算公式具体为：

所述峰值因子的计算公式具体为：

式中x表示信号，N表示信号的个数。

实施例3

基于与实施例1相同的发明构思，本发明实施例中提供了一种光纤电流互感器渐变故障特征提取系统，包括存储介质和处理器；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims

1.一种光纤电流互感器故障特征提取方法，其特征在于，包括：

分别基于所述低频信号、工频信号、高频信号，以及原始光纤电流互感器输出信号，计算出时域特征指标；

2.根据权利要求1所述的一种光纤电流互感器故障特征提取方法，其特征在于，所述最优小波基函数的确定方法包括：

3.根据权利要求1所述的一种光纤电流互感器故障特征提取方法，其特征在于：所述低频范围为[0,31.25)Hz；所述工频范围为[31.25，62.5)；所述高频范围为[62.5,2000]。

4.根据权利要求1所述的一种光纤电流互感器故障特征提取方法，其特征在于：所述时域特征指标包括均值、标准差、信号能量、均方根值、绝对平均值、方根幅值、峭度、波形因子和峰值因子。

5.一种光纤电流互感器故障特征提取装置，其特征在于，包括：

6.根据群里要求6所述的一种光纤电流互感器故障特征提取装置，其特征在于：所述最优小波基函数的确定方法包括：

7.根据群里要求6所述的一种光纤电流互感器故障特征提取装置，其特征在于：所述低频范围为[0,31.25)Hz；所述工频范围为[31.25，62.5)；所述高频范围为[62.5,2000]。

8.根据群里要求6所述的一种光纤电流互感器故障特征提取装置，其特征在于：所述时域特征指标包括均值、标准差、信号能量、均方根值、绝对平均值、方根幅值、峭度、波形因子和峰值因子。

9.一种光纤电流互感器渐变故障特征提取系统，其特征在于，包括存储介质和处理器；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1-4中任一项所述方法的步骤。