CN113283297A - 基于奇异值分解和改进小波包局部放电信号时间估计方法 - Google Patents
基于奇异值分解和改进小波包局部放电信号时间估计方法 Download PDFInfo
- Publication number
- CN113283297A CN113283297A CN202110426724.2A CN202110426724A CN113283297A CN 113283297 A CN113283297 A CN 113283297A CN 202110426724 A CN202110426724 A CN 202110426724A CN 113283297 A CN113283297 A CN 113283297A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- signal
- discharge signal
- singular value
- wavelet packet
- 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.)
- Pending
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 13
- 238000013178 mathematical model Methods 0.000 claims abstract description 13
- 238000012706 support-vector machine Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000006872 improvement Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000010355 oscillation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- G01R31/1227—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 of components, parts or materials
- G01R31/1254—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 of components, parts or materials of gas-insulated power appliances or vacuum gaps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及一种基于奇异值分解和改进小波包局部放电信号时间估计方法。包括:1)使用特高频传感器获得含有混合噪声的GIS实际局放特高频信号,并构建相应的数学模型;2)将获得的局放信号构造为Hankel矩阵,并对该矩阵进行奇异值分解;3)通过支持向量机选取合理的奇异值阈值,实现对实测局放信号中的窄带干扰的滤除,得到只含有白噪声的局放信号;4)使用基于改进小波包阈值去噪方法,设置合理的分解层数和阈值函数,将步骤3)得到的局放信号中的白噪声滤除,得到较为纯净的GIS局放信号;5)根据去噪后的GIS信号的短时能量变化,得出局部放电的起始时间。本发明方法能够准确地得出局部放电起始时间,满足后续对GIS局放信号的定位和模式识别的要求。
Description
技术领域
本发明涉及一种基于奇异值分解和改进小波包的局部放电信号提取及起始时间估计方法,尤其是涉及基于奇异值分解和改进小波包分解的局部放电信号提取及短时能量的起始时间估计方法。
背景技术
气体绝缘开关柜(GIS)设备是电力系统的重要组成部分,其绝缘性能的优劣关系着整个电网的安全性和稳定性,而局放是其绝缘性能退化的主要表征形式。因此,准确的识别GIS局放的类型和发生位置相当重要。
但实际生产中往往伴随着各种类型的噪声,使得局放信号被湮没其中,难以实现定位和模式识别。因此,对实测信号进行降噪处理,提取较为纯净的局放信号,具有相当重要的意义。同时考虑到实际生产中难以完全消除所有噪声,局放起始时间估计仍有不小的误差,可设计相应的方法,得出更为准确的局放起始时间。
奇异值分解、自适应小波包分解方法的结合使用,利用各自的优势,先滤除大部分的噪声干扰,再结合最小二乘法,得出更准确的局放起始时间,使其可以得到后续的定位计算和模式识别。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于奇异值分解和改进小波包局部放电信号时间估计方法,利用奇异值分解和小波包的方法,先后滤除GIS局放信号的窄带干扰和白噪声,尽量减小信号的能量损失,更好地保留局放信号特征,同时利用短时能量变化和最小二乘法,尽可能准确地得出局部放电起始时间,以满足后续对GIS局放信号的定位和模式识别的要求。
本发明的目的可以通过以下技术方案来实现:
一种基于奇异值分解和改进小波包局部放电信号时间估计方法,该方法包括以下步骤:
步骤1:获得含有混合噪声的GIS实际局放特高频信号,并构建相应的数学模型;
步骤2:将获得的局放信号构造为Hankel矩阵,并对该矩阵进行奇异值分解;
步骤3:通过支持向量机选取合理的奇异值阈值,实现对实测局放信号中的窄带干扰的滤除,得到只含有白噪声的局放信号;
步骤4:使用基于改进小波包阈值去噪方法,设置合理的分解层数和阈值函数,将步骤3得到的局放信号中的白噪声滤除,得到GIS局放信号;
步骤5:根据去噪后的GIS信号的短时能量变化,得出局部放电的起始时间。
进一步地,所述的步骤1中,GIS局部放电,相应的数学模型包括:
单指数衰减模型:
u1(t)=A1e-t/τ
双指数衰减模型:
u2(t)=A2(e-1.5t/τ-e-2.5t/τ)
单指数衰减振荡模型:
u3(t)=A3e-t/τcos(2πfct)
双指数衰减振荡模型:
u4(t)=A4(e-1.5t/τ-e-2.5t/τ)cos(2πfct)
式中:Ai(i=1,2,3,4)为各窄带干扰PD信号的幅值;τ为衰减系数;fc为衰减振荡频率;
所述的步骤1中,含有混合噪声的GIS实际局放特高频信号包括窄带干扰和白噪声干扰,相应的数学模型包括:
窄带干扰模型:
式中:Ai为各窄带干扰信号的幅值,l为窄带干扰的数量,fi为窄带干扰频率;
白噪声数学模型:
n(t)=a·randn(size(N))
式中:N表示采样点总数。
进一步地,所述的步骤2包括以下分步骤:
步骤201:将获得的GIS局放信号构造为Hankel矩阵,该矩阵表示为:
步骤202:对Hankel矩阵进行奇异值分解,所对应的数学描述公式为:
H=UΣVT
式中:U和V分别为m阶和n阶单位正交矩阵,Σ为矩阵奇异值构成的对角矩阵,其元素按照从大到小的降序排列,即Σ=diag(q1,q2,...,qn)。
进一步地,所述的步骤3包括以下步骤:
步骤31:通过支持向量机选取合理的奇异值阈值;
步骤32:针对奇异值对应的窄带干扰进行重构,得到对应的窄带信号;
步骤33:将窄带信号从实测局放信号中剔除,即可完成对窄带干扰的抑制,得到只含有白噪声的局放信号;
其中,所述步骤31包括以下分步骤:
步骤311:定义(pl,ql)为第l个奇异值坐标,pl为其序号数,ql为其对应的奇异值;
步骤312:利用线性支持向量机的方式,将奇异值序列(pl,ql)分为2类;
步骤313:2类中奇异值更大的一类为第1类,对应的是窄带信号,其对应的最大序号数即为阈值t。
进一步地,所述的步骤4包括以下分步骤:
步骤41:选择小波基和分解尺度;
步骤42:设置相应的阈值A和自适应改进阈值函数η;
步骤43:对局放信号进行自适应小波包分解,若小波包系数大于阈值A,则为有效信号,否则视为无效信号,以此滤除白噪声,得到GIS局放信号。
进一步地,所述的步骤41包括以下分步骤:
步骤411:选择dbn小波进行小波包分解;
步骤412:令l=2,先对信号进行l层小波包分解,并利用第l层小波包系数进行重构;
步骤413:计算重构信号的能量,并统计其中元素为0的个数m;
步骤414:若m/2l≤θ,θ为介于0-1之间的可自由设定的设置数,则分解不足,令l=l+1,重复步骤412,否则l即为分解层数。
进一步地,所述的步骤42包括以下分步骤:
步骤422:自适应改进阈值函数设为:
其中,ω为小波包系数序列,s为调节参数,其取值范围为(0,1),当s→0时,自适应改进阈值函数为硬阈值函数,当s=1时,自适应改进阈值函数为软阈值函数;
步骤423:根据小波包系数以及阈值函数各自对应的变化,调节参数s设置。
进一步地,所述的步骤5包括以下分步骤:
步骤51:通过对局放信号添加时间窗,计算短时能量,以确定信号能量突变的区域;
步骤52:利用最小二乘法得出局放起始的时间;
进一步地,所述的步骤51包括以下分步骤:
步骤511;第i个时间窗内的短时能量为:
式中:s(·)为去噪后的局放信号,ω(·)为窗函数;
步骤512:假设能量突变发生在第T个时间窗内,则该时间窗内的信号瞬时能量为:
Ei(l)=s2(l+T)l=0,1,2,...,N-1
式中:N为窗函数的窗长。
进一步地,所述的步骤52包括以下分步骤:
步骤521:根据步骤51的结果得到局放起始时的短时能量曲线图;
步骤522:根据信号一阶或高阶导数变化,选取局放起始时间点作为采样数据;
步骤523:利用采样数据点进行拟合计算得到拟合曲线,该曲线与时间轴的交点即为局放起始时间。
与现有技术相比,本发明具有以下优点:
(1)利用“两步走”的策略,先利用奇异值分解和支持向量机的方法,消去窄带干扰,再用改进小波包的方式得出最佳分解尺度和阈值函数,利用小波包分解的方式滤除白噪声干扰,从而提取出较为纯净的局放信号。
(2)同时考虑到仍有少量噪声无法完全去除,设计使用短时能量和最小二乘法结合的方式,实现局放起始时间的估计。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明流程图;
图2为本发明局放起始时间估计方法具体流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例
本发明涉及一种基于奇异值分解和改进小波包的局部放电信号提取及起始时间估计方法,如图1和图2所示,包括以下步骤:
步骤1)使用特高频传感器获得含有混合噪声的GIS实际局放特高频信号,并构建相应的数学模型;
GIS局部放电可以用以下4种数学模型表示:
单指数衰减模型:
u1(t)=A1e-t/τ
双指数衰减模型:
u2(t)=A2(e-1.5t/τ-e-2.5t/τ)
单指数衰减振荡模型:
u3(t)=A3e-t/τcos(2πfct)
双指数衰减振荡模型:
u4(t)=A4(e-1.5t/τ-e-2.5t/τ)cos(2πfct)
式中:Ai(i=1,2,3,4)为PD信号的幅值;τ为衰减系数;fc为衰减振荡频率。而实测信号中常包含窄带干扰和白噪声等干扰,其数学模型为:
窄带干扰模型:
式中:Ai为各窄带干扰信号的幅值,l为窄带干扰的数量,fi为窄带干扰频率。
白噪声数学模型:
n(t)=a·randn(size(N))
式中:N表示采样点总数。
步骤2)将获得的局放信号构造为Hankel矩阵,并对该矩阵进行奇异值分解;
步骤21)GIS局部放电信号构建的Hankel矩阵可表示为:
步骤22)对矩阵H进行奇异值分解:
H=UΣVT
式中:U和V分别为m阶和n阶单位正交矩阵,Σ为矩阵奇异值构成的对角矩阵,其元素按照从大到小的降序排列,即Σ=diag(q1,q2,...,qn)。
步骤3)通过支持向量机选取合理的奇异值阈值,实现对实测局放信号中的窄带干扰的滤除,得到只含有白噪声的局放信号;
步骤31)通过计算获得合理的有效奇异值阈值t;
311)定义(pl,ql)为第l个奇异值坐标,pl为其序号数,ql为其对应的奇异值;
312)利用线性支持向量机的方式,将奇异值序列(pl,ql)分为2类,设第1类奇异值较大,第2类奇异值较小;
313)第1类对应的是窄带信号,其对应的最大序号数即为阈值t,即t=plmaxΙ;
步骤32)由于窄带干扰对应的奇异值明显大于白噪声信号和局放信号,则奇异值q1,q2,...,qt对应的即为窄带干扰,对其进行重构,得到对应的窄带信号;
步骤33)将窄带信号从实测局放信号中剔除,即可完成对窄带干扰的抑制,得到只含有白噪声的局放信号。
步骤4)使用基于改进小波包阈值去噪方法,设置合理的分解层数和阈值函数,将步骤3)得到的局放信号中的白噪声滤除,得到较为纯净的GIS局放信号;
步骤41)通过仿真结果、社会生产实践经验和实际需要,选择合适的小波基和分解尺度;
411)生产实践中,一般选择“dbn”小波进行小波包分解;
412)令l=2,先对信号进行l层小波包分解,并利用第l层小波包系数进行重构;
413)计算重构信号的能量,并统计其中元素为0的个数m;
414)若m/2l≤θ,(θ为介于0-1之间的可自由设定的设置数),则分解不足,令l=l+1,重复步骤412),否则l即为分解层数;
步骤42)设计相应的阈值A和自适应改进阈值函数η;
422)自适应改进阈值函数设为
其中,ω为小波包系数序列,s为其调节参数,其取值范围为(0,1),当s→0时,该函数接近硬阈值函数,当s=1时,该函数为软阈值函数;
423)对于含噪较多的小波包系数,阈值函数应偏软,调节参数s设置应偏大,而对含信号系数较多的小波包系数阈值处理方式,阈值函数应偏硬,调节参数s设置应偏小。
步骤43)对局放信号进行自适应小波包分解,若小波包系数大于阈值A,则为有效信号,否则视为无效信号,以此来抑制信号中剩余的白噪声,尽可能提取出原局放信号,减小能量损失,同时保证效率。
步骤5)根据去噪后的GIS信号的短时能量变化,得出局部放电的起始时间。
步骤51)通过对局放信号添加时间窗,计算短时能量,以确定信号能量突变的区域;
511)第i个时间窗内的短时能量为:
式中:s(·)为去噪后的局放信号,ω(·)为窗函数,一般选取为矩形窗;
512)假设能量突变发生在第T个时间窗内,则该时间窗内的信号瞬时能量为:
Ei(l)=s2(l+T)l=0,1,2,...,N-1
式中:N为窗函数的窗长。
步骤52)利用最小二乘法得出局放起始的时间;
521)根据步骤51)结果得到局放起始时的短时能量曲线图;
522)根据信号一阶或高阶导数变化,选取局放起始时间附近的点作为采样数据
523)利用这些采样点进行拟合计算得到拟合曲线,该曲线与时间轴的交点即为局放起始时间。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,该方法包括以下步骤:
步骤1:获得含有混合噪声的GIS实际局放特高频信号,并构建相应的数学模型;
步骤2:将获得的局放信号构造为Hankel矩阵,并对该矩阵进行奇异值分解;
步骤3:通过支持向量机选取合理的奇异值阈值,实现对实测局放信号中的窄带干扰的滤除,得到只含有白噪声的局放信号;
步骤4:使用基于改进小波包阈值去噪方法,设置合理的分解层数和阈值函数,将步骤3得到的局放信号中的白噪声滤除,得到GIS局放信号;
步骤5:根据去噪后的GIS信号的短时能量变化,得出局部放电的起始时间。
2.根据权利要求1所述的一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,所述的步骤1中,GIS局部放电,相应的数学模型包括:
单指数衰减模型:
u1(t)=A1e-t/τ
双指数衰减模型:
u2(t)=A2(e-1.5t/τ-e-2.5t/τ)
单指数衰减振荡模型:
u3(t)=A3e-t/τcos(2πfct)
双指数衰减振荡模型:
u4(t)=A4(e-1.5t/τ-e-2.5t/τ)cos(2πfct)
式中:Ai(i=1,2,3,4)为各窄带干扰PD信号的幅值;τ为衰减系数;fc为衰减振荡频率;
所述的步骤1中,含有混合噪声的GIS实际局放特高频信号包括窄带干扰和白噪声干扰,相应的数学模型包括:
窄带干扰模型:
式中:Ai为各窄带干扰信号的幅值,l为窄带干扰的数量,fi为窄带干扰频率;
白噪声数学模型:
n(t)=a·randn(size(N))
式中:N表示采样点总数。
4.根据权利要求1所述的一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,所述的步骤3包括以下步骤:
步骤31:通过支持向量机选取合理的奇异值阈值;
步骤32:针对奇异值对应的窄带干扰进行重构,得到对应的窄带信号;
步骤33:将窄带信号从实测局放信号中剔除,即可完成对窄带干扰的抑制,得到只含有白噪声的局放信号;
其中,所述步骤31包括以下分步骤:
步骤311:定义(pl,ql)为第l个奇异值坐标,pl为其序号数,ql为其对应的奇异值;
步骤312:利用线性支持向量机的方式,将奇异值序列(pl,ql)分为2类;
步骤313:2类中奇异值更大的一类为第1类,对应的是窄带信号,其对应的最大序号数即为阈值t。
5.根据权利要求1所述的一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,所述的步骤4包括以下分步骤:
步骤41:选择小波基和分解尺度;
步骤42:设置相应的阈值A和自适应改进阈值函数η;
步骤43:对局放信号进行自适应小波包分解,若小波包系数大于阈值A,则为有效信号,否则视为无效信号,以此滤除白噪声,得到GIS局放信号。
6.根据权利要求5所述的一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,所述的步骤41包括以下分步骤:
步骤411:选择dbn小波进行小波包分解;
步骤412:令l=2,先对信号进行l层小波包分解,并利用第l层小波包系数进行重构;
步骤413:计算重构信号的能量,并统计其中元素为0的个数m;
步骤414:若m/2l≤θ,θ为介于0-1之间的可自由设定的设置数,则分解不足,令l=l+1,重复步骤412,否则l即为分解层数。
8.根据权利要求1所述的一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,所述的步骤5包括以下分步骤:
步骤51:通过对局放信号添加时间窗,计算短时能量,以确定信号能量突变的区域;
步骤52:利用最小二乘法得出局放起始的时间。
10.根据权利要求8所述的一种基于奇异值分解和改进小波包局部放电信号时间估计方法,其特征在于,所述的步骤52包括以下分步骤:
步骤521:根据步骤51的结果得到局放起始时的短时能量曲线图;
步骤522:根据信号一阶或高阶导数变化,选取局放起始时间点作为采样数据;
步骤523:利用采样数据点进行拟合计算得到拟合曲线,该曲线与时间轴的交点即为局放起始时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110426724.2A CN113283297A (zh) | 2021-04-20 | 2021-04-20 | 基于奇异值分解和改进小波包局部放电信号时间估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110426724.2A CN113283297A (zh) | 2021-04-20 | 2021-04-20 | 基于奇异值分解和改进小波包局部放电信号时间估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113283297A true CN113283297A (zh) | 2021-08-20 |
Family
ID=77277001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110426724.2A Pending CN113283297A (zh) | 2021-04-20 | 2021-04-20 | 基于奇异值分解和改进小波包局部放电信号时间估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283297A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777449A (zh) * | 2021-08-31 | 2021-12-10 | 云南电网有限责任公司昆明供电局 | 基于改进svd算法的电缆局部放电窄带干扰抑制方法 |
CN113878613A (zh) * | 2021-09-10 | 2022-01-04 | 哈尔滨工业大学 | 一种基于wlctd与oma-vmd的工业机器人谐波减速器早期故障检测方法 |
CN116184141A (zh) * | 2023-04-25 | 2023-05-30 | 南昌工程学院 | 一种气体绝缘设备故障诊断方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
CN105223481A (zh) * | 2015-10-22 | 2016-01-06 | 西安交通大学 | 基于差值能量函数的局部放电特高频信号起始时刻确定方法 |
CN109212391A (zh) * | 2018-09-15 | 2019-01-15 | 四川大学 | 兼顾脉冲提取和信号去噪的局部放电信号处理方法及电力电缆局部放电定位方法 |
CN110443104A (zh) * | 2019-03-29 | 2019-11-12 | 杭州电子科技大学 | 一种应用于超声波局放检测的数据滤波方法 |
-
2021
- 2021-04-20 CN CN202110426724.2A patent/CN113283297A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426835A (zh) * | 2011-08-30 | 2012-04-25 | 华南理工大学 | 一种基于支持向量机模型的开关柜局部放电信号识别方法 |
CN105223481A (zh) * | 2015-10-22 | 2016-01-06 | 西安交通大学 | 基于差值能量函数的局部放电特高频信号起始时刻确定方法 |
CN109212391A (zh) * | 2018-09-15 | 2019-01-15 | 四川大学 | 兼顾脉冲提取和信号去噪的局部放电信号处理方法及电力电缆局部放电定位方法 |
CN110443104A (zh) * | 2019-03-29 | 2019-11-12 | 杭州电子科技大学 | 一种应用于超声波局放检测的数据滤波方法 |
Non-Patent Citations (5)
Title |
---|
叶科伟等: "小波包尺度相关性阈值函数去噪算法研究", 《机械设计与制造》 * |
孙抗等: "含窄带噪声和白噪声的复杂染噪局部放电信号提取及应用", 《电子科技大学学报》 * |
徐永干等: "基于Hankel 矩阵和奇异值分解的局部放电窄带干扰抑制方法", 《电网技术》 * |
柯春俊等: "短时能量—动态时间规整算法在电缆局部放电脉冲识别中的应用", 《电线电缆》 * |
王阳等: "基于短时能量时延估计的地震动目标定位方法", 《振动与冲击》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777449A (zh) * | 2021-08-31 | 2021-12-10 | 云南电网有限责任公司昆明供电局 | 基于改进svd算法的电缆局部放电窄带干扰抑制方法 |
CN113878613A (zh) * | 2021-09-10 | 2022-01-04 | 哈尔滨工业大学 | 一种基于wlctd与oma-vmd的工业机器人谐波减速器早期故障检测方法 |
CN113878613B (zh) * | 2021-09-10 | 2023-01-31 | 哈尔滨工业大学 | 一种基于wlctd与oma-vmd的工业机器人谐波减速器早期故障检测方法 |
CN116184141A (zh) * | 2023-04-25 | 2023-05-30 | 南昌工程学院 | 一种气体绝缘设备故障诊断方法及系统 |
CN116184141B (zh) * | 2023-04-25 | 2023-08-29 | 南昌工程学院 | 一种气体绝缘设备故障诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113283297A (zh) | 基于奇异值分解和改进小波包局部放电信号时间估计方法 | |
CN107845389A (zh) | 一种基于多分辨率听觉倒谱系数和深度卷积神经网络的语音增强方法 | |
CN109813547B (zh) | 基于稀疏分解优化算法的旋转机械局部型故障诊断方法 | |
CN112562627B (zh) | 前馈滤波器设计方法、主动降噪方法、系统及电子设备 | |
CN106353649A (zh) | 一种基于提升小波变换的局部放电信号去噪方法 | |
CN106409351A (zh) | 一种核电厂松动部件振动信号的处理方法及装置 | |
CN108801568B (zh) | 一种桥梁动挠度降噪方法及系统 | |
CN113723171A (zh) | 基于残差生成对抗网络的脑电信号去噪方法 | |
CN107123431A (zh) | 一种水声信号降噪方法 | |
CN106019102A (zh) | 信号去噪方法和装置 | |
CN112861328A (zh) | 一种基于随机响应信号的发电机阻尼评估装置及方法 | |
Zehtabian et al. | A novel speech enhancement approach based on singular value decomposition and genetic algorithm | |
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 | |
CN109712639A (zh) | 一种基于小波阈值滤波的音频采集系统及方法 | |
CN114420153A (zh) | 音质调整方法、装置、设备及存储介质 | |
CN113702666A (zh) | 一种光纤陀螺惯性测量单元信号联合降噪方法 | |
CN113567129A (zh) | 一种列车轴承振动信号基于ceemd的降噪方法 | |
CN113539300A (zh) | 基于噪声抑制的语音检测方法、装置、存储介质以及终端 | |
CN113532588A (zh) | 水位获取方法、装置、设备及存储介质 | |
CN105812068B (zh) | 一种基于高斯分布加权的噪声抑制方法及装置 | |
CN114584908B (zh) | 助听器的声学测试方法、装置以及设备 | |
CN114548150B (zh) | 基于参数自适应增强med的传动系统故障诊断方法 | |
CN118074675A (zh) | 自适应滤波方法、装置、计算机设备及存储介质 | |
CN115657125A (zh) | 地震数据重建与去噪的方法、装置和电子设备 | |
CN117928949A (zh) | 轴承故障信号的分析方法及装置、存储介质、计算机设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210820 |