CN113988130A - 一种脉冲电流波形双时双频参数提取方法及系统 - Google Patents

一种脉冲电流波形双时双频参数提取方法及系统 Download PDF

Info

Publication number
CN113988130A
CN113988130A CN202111259595.9A CN202111259595A CN113988130A CN 113988130 A CN113988130 A CN 113988130A CN 202111259595 A CN202111259595 A CN 202111259595A CN 113988130 A CN113988130 A CN 113988130A
Authority
CN
China
Prior art keywords
time
waveform
module
double
frequency
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
Application number
CN202111259595.9A
Other languages
English (en)
Inventor
司文荣
姚维强
关宏
傅晨钊
苏磊
袁鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Maorong Electric Power Equipment Co ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Xi'an Maorong Electric Power Equipment Co ltd
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Maorong Electric Power Equipment Co ltd, State Grid Shanghai Electric Power Co Ltd filed Critical Xi'an Maorong Electric Power Equipment Co ltd
Priority to CN202111259595.9A priority Critical patent/CN113988130A/zh
Publication of CN113988130A publication Critical patent/CN113988130A/zh
Pending legal-status Critical Current

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
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Signal Processing (AREA)
  • Discrete Mathematics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Measurement Of Current Or Voltage (AREA)

Abstract

本发明涉及一种脉冲电流波形双时双频参数提取方法及系统，该方法包括：步骤1)对脉冲群中的单个脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1；步骤2)再对时域波形1进行希尔伯特变换得到时域波形2，以及对时域波形1进行快速傅立叶变换和短时傅立叶变换分别幅值归一化后得到频域波形1和频域波形2；步骤3)再利用时域波形和频域波形的时间标准差和频率标准差计算，实现单个脉冲电流波形对应的双时双频标准差特征参数分布；步骤4)完成脉冲群所有波形处理，从而得到脉冲电流波形‑时间序列的双时双频标准差特征参数分布平面。与现有技术相比，本发明具有更强的鲁棒性、且算法简单能够方便实现等优点。

Description

一种脉冲电流波形双时双频参数提取方法及系统
技术领域
本发明涉及局部放电检测技术，尤其是涉及一种超宽频带检测用脉冲电流波形双时双频参数提取方法及系统。
背景技术
对交流或者换流变压器等高压设备绝缘的局部放电(partial discharge,PD)进行检测或监测时，基于PD脉冲峰值-时间序列的传统检测系统对于存在多PD源(包含两个)或异常干扰噪声源时，若信号源频谱重叠，其获取的数据将是随机混叠的峰值-时间/相位序列，不利于实际工程试验结果的判断。针对上述工况，国外意大利Bologna大学于2002年开始、国内西安交通大学则于2008年开始，相继提出了基于超宽频带检测的脉冲源检测技术。即将传统的脉冲峰值-时间序列检测改为脉冲电流波形-时间序列检测，即记录单个脉冲电流波形及其获取时间点(相位)；使用某种“方法”将获取的混合原始脉冲群进行快速分类，并将具有“自相似性”脉冲组成的各子类脉冲群转换成峰值-时间序列，这样不仅解决了峰值-时间序列的混叠问题，而且可以对存在干扰脉冲源的多PD源进行检测和识别。
上述使用某种“方法”将获取的混合原始脉冲群进行快速分类是该超宽频带技术实施的关键，其分为2大部分：①是脉冲波形特征参数提取方法；②是基于特征参数分布的聚类技术。其中，对于第①部分，发表于2009.03电工技术学报期刊的《基于波形非线性映射的多局部放电脉冲群快速分类》，提出了如图1所示的脉冲波形的非线性映射方法。即提取结果在二维平面或三维空间中分布显示，再利用智能聚类分析等手段(第②部分技术)实现脉冲群分离形成各自特征的子脉冲群，从而实现多PD源以及噪声源的分离。
但在实际工程应用中，由于受传播路径影响，超宽频带检测获取噪声源或者PD源产生的脉冲电流波形存在时域波形表征上非常相似的工况。使得图1所示的脉冲波形非线性映射方法不能满足后期利用智能聚类分析等手段实现多PD源以及噪声源的分离。
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脉冲电流波形双时双频参数提取方法及系统。
本发明的目的可以通过以下技术方案来实现：
根据本发明的一个方面，提供了一种脉冲电流波形双时双频参数提取方法，该方法包括：
步骤1)对脉冲群中的单个脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1；
步骤2)再对时域波形1进行希尔伯特变换得到时域波形2，以及对时域波形1进行快速傅立叶变换和短时傅立叶变换分别幅值归一化后得到频域波形1和频域波形2，从而得到单个脉冲电流波形的双时双频4类波形；
步骤3)再利用时域波形和频域波形的时间标准差和频率标准差计算，实现单个脉冲电流波形对应的双时双频标准差特征参数分布；
步骤4)重复步骤1)至3)完成脉冲群所有波形处理，从而得到脉冲电流波形-时间序列的双时双频标准差特征参数分布平面。
作为优选的技术方案，所述的步骤1)中的脉冲群为针对超宽频带检测获取PD源和噪声源的脉冲源形成的混合脉冲电流波形-时间序列。
根据本发明的另一个方面，提供了一种用于所述的脉冲电流波形双时双频参数提取方法的系统，该系统包括超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块、提升小波去噪模块、脉冲时域波形模块、希尔伯特变换模块、快速傅立叶变换模块、短时傅里叶变换模块、双时双频4类波形模块和时频标准差分布模块；
所述超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块、提升小波去噪模块、脉冲时域波形模块依次连接，所述的脉冲时域波形模块分别与希尔伯特变换模块、快速傅立叶变换模块、短时傅里叶变换模块连接，所述的双时双频4类波形模块分别与希尔伯特变换模块、快速傅立叶变换模块、短时傅里叶变换模块和时频标准差分布模块连接。
作为优选的技术方案，所述的超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块为采用模拟带宽数十MHz、采样率100MS/s及以上的数据采集装置，通过频率响应数十MHz及以上满足纳秒级PD超宽频带检测的耦合装置基于脉冲波形触发技术记录单个脉冲电流时域波形和对应触发时刻的脉冲电流波形-时间序列即脉冲群pj(t)。
作为优选的技术方案，所述的提升小波去噪模块对脉冲群中的单个原始脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1，即
Figure BDA0003325185130000031
作为优选的技术方案，所述的脉冲时域波形模块用于存放时域波形1
Figure BDA0003325185130000032
作为被后续模块处理的对象。
作为优选的技术方案，所述的希尔伯特变换模块利用希尔伯特变换算法实现对时域波形1的HT即Hj(t)，幅值归一化处理后得到
Figure BDA0003325185130000033
作为优选的技术方案，所述的快速傅立叶变换模块利用离散傅立叶变换算法实现对时域波形1的FFT即
Figure BDA0003325185130000034
幅值归一化处理得到
Figure BDA0003325185130000035
作为优选的技术方案，所述的短时傅里叶变换模块利用短时傅立叶变换算法实现对时域波形1的STFT即
Figure BDA0003325185130000036
幅值归一化处理得到
Figure BDA0003325185130000037
作为优选的技术方案，所述的双时双频4类波形模块用于存放时域波形1
Figure BDA0003325185130000038
和时域波形2
Figure BDA0003325185130000039
以及频域波形1
Figure BDA00033251851300000310
和频域波形2
Figure BDA00033251851300000311
所述的时频标准差分布模块对双时双频4类波形模块存放的时域波形1
Figure BDA00033251851300000312
和时域波形2
Figure BDA00033251851300000313
以及频域波形1
Figure BDA00033251851300000314
和频域波形2
Figure BDA00033251851300000315
进行计算，得到脉冲电流波形-时间序列的特征参数分布平面。
与现有技术相比，本发明具有以下优点：
1、该方法充分利用脉冲电流波形信号的非平稳表征在时域和频域的分布特性，利用2个时域波形和2个频域波形参与标准差计算。
2、比现行仅基于脉冲电流时域和频域波形的特征参数提前方法(比如等效时频法)具有更强的鲁棒性、且算法简单能够方便实现等优点，适合用于构建超宽频带PD检测的脉冲群快速分类技术。
附图说明
图1为现行的脉冲波形非线性映射方法；
图2为本发明所示方法的组成主要模块；
图3为100MS/s采样率下，同一个脉冲采样时长为1μs、2μs、3μs和4μs的采集结果示例；
图4为本发明方法在直流耐压超宽频带检测获取的示例1(尖板放电缺陷)的典型单个PD脉冲电流原始波形及时频域图，其中(a)为原始波形，(b)为提升小波去噪并幅值归一化后得到时域波形1，(c)为HT变换并幅值归一化后得到时域波形2，(d)为FFT变换并并幅值归一化后得到频域波形1，(e)为STFT变换并幅值归一化后得到频域波形2；
图5为本发明方法在直流耐压超宽频带检测获取的示例2(内部气隙放电缺陷)的典型单个PD脉冲电流原始波形及时频域图，其中(a)为原始波形，(b)为提升小波去噪并幅值归一化后得到时域波形1，(c)为HT变换并幅值归一化后得到时域波形2，(d)为FFT变换并并幅值归一化后得到频域波形1，(e)为STFT变换并幅值归一化后得到频域波形2；
图6为本发明方法在直流耐压超宽频带检测获取的示例3(沿面放电缺陷)的典型单个PD脉冲电流原始波形及时频域图，其中(a)为原始波形，(b)为提升小波去噪并幅值归一化后得到时域波形1，(c)为HT变换并幅值归一化后得到时域波形2，(d)为FFT变换并并幅值归一化后得到频域波形1，(e)为STFT变换并幅值归一化后得到频域波形2；
图7为本发明所示方法中所用的提升小波变换分解与重构运算框图；
图8为本发明方法中脉冲数据的处理流程图。
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。
本发明力图从实际应用出发，提出一种超宽频带检测用脉冲电流波形双时双频参数提取方法。即针对超宽频带检测获取PD源和噪声源等脉冲源形成的混合脉冲电流波形-时间序列即脉冲群，对脉冲群中的单个脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1；再对时域波形1进行希尔伯特变换得到时域波形2，以及对时域波形1进行快速傅立叶变换和短时傅立叶变换分别幅值归一化后得到频域波形1和频域波形2，从而得到单个脉冲电流波形的双时双频4类波形；再利用时域波形和频域波形的时间标准差和频率标准差计算，实现单个脉冲电流波形对应的双时双频标准差特征参数分布；上述过程对脉冲群所有波形处理，从而得到脉冲电流波形-时间序列的双时双频标准差特征参数分布平面，用于构建超宽频带PD检测的脉冲群快速分类技术。
该方法充分利用脉冲电流波形信号的非平稳表征在时域和频域的分布特性，比现行仅基于脉冲电流时域和频域波形的特征参数提前方法(比如等效时频法)具有更强的鲁棒性、且算法简单能够方便实现等优点，适合用于构建超宽频带PD检测的脉冲群快速分类技术。
具体实施例
本发明提供了一种超宽频带检测用脉冲电流波形双时双频参数提取方法。即针对超宽频带检测获取PD源和噪声源等脉冲源形成的混合脉冲电流波形-时间序列即脉冲群pj(t)，对脉冲群pj(t)中的单个脉冲电流波形(以p1(t)为例)利用提升小波去噪并幅值归一化后形成时域波形1即
Figure BDA0003325185130000051
再对时域波形1进行希尔伯特变换(Hilbert transform，HT)得到时域波形2即
Figure BDA0003325185130000052
以及对时域波形1进行快速傅立叶变换(fast Fourier transform，FFT)和短时傅立叶变换(short-time Fourier transform，STFM)分别幅值归一化后得到频域波形1和频域波形2即P1 1(f)和P1 2(f)，从而得到单个脉冲电流波形的双时双频4类波形(
Figure BDA0003325185130000053
P1 1(f)和P1 2(f))；再利用时域波形和频域波形的时间标准差和频率标准差计算，实现单个脉冲电流波形对应的双时双频标准差特征参数分布(T1 1、T1 2、F1 1和F1 2)；上述过程对脉冲群所有波形处理，从而得到脉冲电流波形-时间序列的双时双频标准差特征参数分布平面
Figure BDA0003325185130000054
用于构建超宽频带PD检测的脉冲群快速分类技术。
如图2所示，本发明用于所述的脉冲电流波形双时双频参数提取方法的系统，该系统包括超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块10、提升小波去噪模块11、脉冲时域波形模块12、希尔伯特变换模块13、快速傅立叶变换模块14、短时傅里叶变换模块15、双时双频4类波形模块16和时频标准差分布模块17；
所述超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块10、提升小波去噪模块11、脉冲时域波形模块12依次连接，所述的脉冲时域波形模块12分别与希尔伯特变换模块13、快速傅立叶变换模块14、短时傅里叶变换模块15连接，所述的双时双频4类波形模块16分别与希尔伯特变换模块13、快速傅立叶变换模块14、短时傅里叶变换模块15和时频标准差分布模块17连接。
所述的超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块10为采用模拟带宽数十MHz、采样率100MS/s及以上的数据采集装置，通过频率响应数十MHz及以上满足纳秒级PD超宽频带检测的耦合装置基于脉冲波形触发技术记录单个脉冲电流时域波形和对应触发时刻的脉冲电流波形-时间序列即脉冲群pj(t)。
定义如下：
Figure BDA0003325185130000061
式中：
j——第j个脉冲(j＝1,2,…N，N为脉冲群中包含脉冲电流波形的总个数)；
k——脉冲电流波形由k个点组成，点数由采样率fs*采样时长决定；图3所示为100MS/s采样率下，同一个脉冲采样时长为1μs、2μs、3μs和4μs的采集结果示例，即为100个点、200个点、300个点和400个点)；
ai——第i个点对应的幅值(mV或V)；
Δt(i-1)——第i个点对应的时间(Δt为采样时间间隔，Δt＝1/fs)。
图4(a)、图5(a)和图6(a)为2.5GS/s采样率、1GHz模拟带宽超宽频带检测获取的脉冲电流波形-时间序列即脉冲群中包含的单个原始脉冲电流波形示例。
所述的提升小波去噪模块11对脉冲群中的单个原始脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1，即
Figure BDA0003325185130000062
提升小波变换分解与重构运算如图7所示，包含5个步骤定义如下：
1)剖分。原始信号p＝pj(t)被分裂为偶数样本序列
Figure BDA0003325185130000063
与奇数样本序列
Figure BDA0003325185130000064
2)预测。对x(0)采样预测算子A预测y(0)；
Figure BDA0003325185130000065
式中：ar——预测算子A的预测系数，N——预测器系数的个数。
3)更新。对y(0)应用更新算子B更新x(0)；
Figure BDA0003325185130000071
式中：br——更新算子B的更新系数，M——新器系数的个数。
4)重构。采样式(2)和(3)进行逆运算，可以得到
Figure BDA0003325185130000072
和
Figure BDA0003325185130000073
5)合并。将偶数样本序列
Figure BDA0003325185130000074
与奇数样本序列
Figure BDA0003325185130000075
合并生成
Figure BDA0003325185130000076
所述的脉冲时域波形模块12用于存放时域波形1
Figure BDA0003325185130000077
作为被后续模块处理的对象。图4(a)、图5(a)和图6(a)所示单个原始脉冲电流时域波形在利用11提升小波去噪模块处理后得到的时域波形1如图图4(b)、图5(b)和图6(b)所示，均存放在脉冲时域波形模块12中。
所述的希尔伯特变换模块13利用希尔伯特变换算法实现对时域波形1的HT即Hj(t)，幅值归一化处理后得到
Figure BDA0003325185130000078
算法如下：
1)HT。
Figure BDA0003325185130000079
2)幅值归一化。
Figure BDA00033251851300000710
图4(b)、图5(b)和图6(b)所示时域波形1经过希尔伯特变换(Hilbert transform，HT)模块得到的时域波形2即
Figure BDA00033251851300000711
如图4(c)、图5(c)和图6(c)所示。
所述的快速傅立叶变换模块14利用离散傅立叶变换((discrete Fouriertransform，DFT))算法实现对时域波形1的FFT即
Figure BDA00033251851300000712
幅值归一化处理得到
Figure BDA00033251851300000713
算法如下：
1)DFT。
Figure BDA00033251851300000714
2)幅值归一化。
Figure BDA00033251851300000715
图4(b)、图5(b)和图6(b)所示时域波形1经过快速傅立叶变换(fast Fouriertransform，FFT)模块得到的频域波形1即
Figure BDA00033251851300000716
如图4(d)、图5(d)和图6(d)所示。
所述的短时傅里叶变换模块15利用短时傅立叶变换算法实现对时域波形1的STFT即
Figure BDA00033251851300000717
幅值归一化处理得到
Figure BDA00033251851300000718
算法如下：
1)STFT。
Figure BDA0003325185130000081
式中：h(t)——是以t＝0、f＝0为中心的短时分析窗。
2)幅值归一化。
Figure BDA0003325185130000082
图4(b)、图5(b)和图6(b)所示时域波形1经过短时傅立叶变换(short-timeFourier transform，STFM)模块得到的频域波形2即
Figure BDA0003325185130000083
如图4(e)、图5(e)和图6(e)所示。
所述的双时双频4类波形模块16用于存放时域波形1
Figure BDA0003325185130000084
和时域波形2
Figure BDA0003325185130000085
以及频域波形1
Figure BDA0003325185130000086
和频域波形2
Figure BDA0003325185130000087
所述的时频标准差分布模块17对双时双频4类波形模块16存放的时域波形1
Figure BDA0003325185130000088
和时域波形2
Figure BDA0003325185130000089
以及频域波形1
Figure BDA00033251851300000810
和频域波形2
Figure BDA00033251851300000811
进行计算，得到脉冲电流波形-时间序列的特征参数分布平面。
所述的时频标准差分布模块17，其中时频标准差计算针对脉冲信号p(t)及其频率分布P(f)的算法定义如下：
Figure BDA00033251851300000812
式中：|p(t)|2和|P(f)|2——概率密度；
Figure BDA00033251851300000813
——信号p(t)的能量。
式(10)针对采集信号pj(t)及其频谱Pj(f)的离散化处理：
Figure BDA00033251851300000814
利用(11)对16双时双频4类波形模块中存放的时域波形1和时域波形2即
Figure BDA0003325185130000091
和
Figure BDA0003325185130000092
以及频域波形1和频域波形2即
Figure BDA0003325185130000093
和
Figure BDA0003325185130000094
可以得到：
Figure BDA0003325185130000095
最终得到脉冲电流波形-时间序列的特征参数分布平面
Figure BDA0003325185130000096
Figure BDA0003325185130000097
N为脉冲群pj(t)中包含脉冲电流波形的总个数。
本发明方法中脉冲电流波形数据的处理流程图如图8所示。
图4至图5所示为2.5GS/s采样率、1GHz模拟带宽超宽频带检测获取的脉冲电流波形-时间序列中典型单个脉冲波形按照图8所示处理流程对应的时域波形1、2和频频波形1、2示例。
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)

1.一种脉冲电流波形双时双频参数提取方法，其特征在于，该方法包括：
步骤1)对脉冲群中的单个脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1；
步骤2)再对时域波形1进行希尔伯特变换得到时域波形2，以及对时域波形1进行快速傅立叶变换和短时傅立叶变换分别幅值归一化后得到频域波形1和频域波形2，从而得到单个脉冲电流波形的双时双频4类波形；
步骤3)再利用时域波形和频域波形的时间标准差和频率标准差计算，实现单个脉冲电流波形对应的双时双频标准差特征参数分布；
步骤4)重复步骤1)至3)完成脉冲群所有波形处理，从而得到脉冲电流波形-时间序列的双时双频标准差特征参数分布平面。
2.根据权利要求1所述的一种脉冲电流波形双时双频参数提取方法，其特征在于，所述的步骤1)中的脉冲群为针对超宽频带检测获取PD源和噪声源的脉冲源形成的混合脉冲电流波形-时间序列。
3.一种用于权利要求1所述的脉冲电流波形双时双频参数提取方法的系统，其特征在于，该系统包括超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块(10)、提升小波去噪模块(11)、脉冲时域波形模块(12)、希尔伯特变换模块(13)、快速傅立叶变换模块(14)、短时傅里叶变换模块(15)、双时双频4类波形模块(16)和时频标准差分布模块(17)；
所述超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块(10)、提升小波去噪模块(11)、脉冲时域波形模块(12)依次连接，所述的脉冲时域波形模块(12)分别与希尔伯特变换模块(13)、快速傅立叶变换模块(14)、短时傅里叶变换模块(15)连接，所述的双时双频4类波形模块(16)分别与希尔伯特变换模块(13)、快速傅立叶变换模块(14)、短时傅里叶变换模块(15)和时频标准差分布模块(17)连接。
4.根据权利要求3所述的系统，其特征在于，所述的超宽频带检测获取的PD源和噪声源混合的脉冲电流波形-时间序列模块(10)为采用模拟带宽数十MHz、采样率100MS/s及以上的数据采集装置，通过频率响应数十MHz及以上满足纳秒级PD超宽频带检测的耦合装置基于脉冲波形触发技术记录单个脉冲电流时域波形和对应触发时刻的脉冲电流波形-时间序列即脉冲群pj(t)。
5.根据权利要求3所述的系统，其特征在于，所述的提升小波去噪模块(11)对脉冲群中的单个原始脉冲电流波形利用提升小波去噪并幅值归一化后形成时域波形1，即
Figure FDA0003325185120000021
6.根据权利要求3所述的系统，其特征在于，所述的脉冲时域波形模块(12)用于存放时域波形
Figure FDA0003325185120000022
作为被后续模块处理的对象。
7.根据权利要求3所述的系统，其特征在于，所述的希尔伯特变换模块(13)利用希尔伯特变换算法实现对时域波形1的HT即Hj(t)，幅值归一化处理后得到
Figure FDA0003325185120000023
8.根据权利要求3所述的系统，其特征在于，所述的快速傅立叶变换模块(14)利用离散傅立叶变换算法实现对时域波形1的FFT即
Figure FDA0003325185120000024
幅值归一化处理得到
Figure FDA0003325185120000025
9.根据权利要求3所述的系统，其特征在于，所述的短时傅里叶变换模块(15)利用短时傅立叶变换算法实现对时域波形1的STFT即
Figure FDA0003325185120000026
幅值归一化处理得到
Figure FDA0003325185120000027
10.根据权利要求3所述的系统，其特征在于，所述的双时双频4类波形模块(16)用于存放时域波形
Figure FDA0003325185120000028
和时域波形
Figure FDA0003325185120000029
以及频域波形
Figure FDA00033251851200000210
和频域波形
Figure FDA00033251851200000211
所述的时频标准差分布模块(17)对双时双频4类波形模块(16)存放的时域波形
Figure FDA00033251851200000212
和时域波形
Figure FDA00033251851200000213
以及频域波形
Figure FDA00033251851200000214
和频域波形
Figure FDA00033251851200000215
进行计算，得到脉冲电流波形-时间序列的特征参数分布平面。
CN202111259595.9A 2021-10-28 2021-10-28 一种脉冲电流波形双时双频参数提取方法及系统 Pending CN113988130A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111259595.9A CN113988130A (zh) 2021-10-28 2021-10-28 一种脉冲电流波形双时双频参数提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111259595.9A CN113988130A (zh) 2021-10-28 2021-10-28 一种脉冲电流波形双时双频参数提取方法及系统

Publications (1)

Publication Number Publication Date
CN113988130A true CN113988130A (zh) 2022-01-28

Family

ID=79742993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111259595.9A Pending CN113988130A (zh) 2021-10-28 2021-10-28 一种脉冲电流波形双时双频参数提取方法及系统

Country Status (1)

Country Link
CN (1) CN113988130A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115062476A (zh) * 2022-06-20 2022-09-16 西北核技术研究所 一种评价电磁脉冲波形偏离目标波形程度的方法
CN115375022A (zh) * 2022-08-18 2022-11-22 中国南方电网有限责任公司超高压输电公司广州局 电极脉冲电流数据的处理方法、装置、计算机设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110131260A1 (en) * 2006-06-16 2011-06-02 Bae Systems Information And Electronic Systems Integration Inc. Efficient detection algorithm system for a broad class of signals using higher-order statistics in time as well as frequency domains
CN102831433A (zh) * 2012-06-06 2012-12-19 西南交通大学 一种基于时频域多特征量的电能质量混合扰动分类方法
US20130028297A1 (en) * 2011-05-04 2013-01-31 Casey Stephen D Windowing methods and systems for use in time-frequency analysis
CN112327115A (zh) * 2020-10-30 2021-02-05 国网上海市电力公司 采用时频域波形主分量的局部放电脉冲特征参数提取方法
CN112730982A (zh) * 2020-12-23 2021-04-30 华南理工大学 一种混合直流输电系统的谐波检测方法
CN113325277A (zh) * 2021-04-30 2021-08-31 国能大渡河检修安装有限公司 一种局部放电处理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110131260A1 (en) * 2006-06-16 2011-06-02 Bae Systems Information And Electronic Systems Integration Inc. Efficient detection algorithm system for a broad class of signals using higher-order statistics in time as well as frequency domains
US20130028297A1 (en) * 2011-05-04 2013-01-31 Casey Stephen D Windowing methods and systems for use in time-frequency analysis
CN102831433A (zh) * 2012-06-06 2012-12-19 西南交通大学 一种基于时频域多特征量的电能质量混合扰动分类方法
CN112327115A (zh) * 2020-10-30 2021-02-05 国网上海市电力公司 采用时频域波形主分量的局部放电脉冲特征参数提取方法
CN112730982A (zh) * 2020-12-23 2021-04-30 华南理工大学 一种混合直流输电系统的谐波检测方法
CN113325277A (zh) * 2021-04-30 2021-08-31 国能大渡河检修安装有限公司 一种局部放电处理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AA AL-ALI: ""Estimating phase error using a Hilbert transform-based time-domain technique"", 《SEMANTIC SCHOLAR》, 30 June 2021 (2021-06-30) *
司文荣;李军浩;黎大健;杨景刚;李彦明;: "基于宽带检测的局放脉冲波形快速特征提取技术", 电工电能新技术, no. 02, 15 April 2008 (2008-04-15) *
张安安;徐洋涛;都健刚;李红伟;: "HHT分析局部放电信号时模态混叠的抑制", 电力系统及其自动化学报, no. 05, 15 May 2018 (2018-05-15) *
郑晓龙;杨贵营;黄晗;: "基于小波包特征熵的高速列车监测数据的特征分析", 青岛科技大学学报(自然科学版), no. 02, 15 April 2015 (2015-04-15) *
魏本刚;姚周飞;贺林;李悦;: "多局放源检测分类用特征提取时频算子", 高压电器, no. 11, 16 November 2018 (2018-11-16) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115062476A (zh) * 2022-06-20 2022-09-16 西北核技术研究所 一种评价电磁脉冲波形偏离目标波形程度的方法
CN115375022A (zh) * 2022-08-18 2022-11-22 中国南方电网有限责任公司超高压输电公司广州局 电极脉冲电流数据的处理方法、装置、计算机设备
CN115375022B (zh) * 2022-08-18 2024-04-05 中国南方电网有限责任公司超高压输电公司广州局 电极脉冲电流数据的处理方法、装置、计算机设备

Similar Documents

Publication Publication Date Title
CN108983051B (zh) 基于同步挤压小波变换的局部放电类型识别方法
CN109975665B (zh) 一种电力设备局部放电信号放电类型识别方法
CN113988130A (zh) 一种脉冲电流波形双时双频参数提取方法及系统
Seo et al. Probabilistic wavelet transform for partial discharge measurement of transformer
CN104198898A (zh) 基于脉冲序列分析的局部放电发展过程诊断方法
CN105044566B (zh) 一种基于特征超高频信号的gis局部放电故障检测方法
CN102510363A (zh) 一种强干扰源环境下的lfm信号检测方法
CN106908663A (zh) 一种基于小波变换的电动汽车充电谐波辨识方法
CN106199351A (zh) 局部放电信号的分类方法和装置
Zhongrong et al. Application of complex wavelet transform to suppress white noise in GIS UHF PD signals
Wang et al. Analysis of partial discharge signal using the Hilbert-Huang transform
CN116280628A (zh) 一种高压电力设备耐压试验的局部放电测试方法
CN110146922B (zh) 高速铁路地震预警系统单双地震计干扰识别方法
Zhang et al. Suppression of UHF partial discharge signals buried in white-noise interference based on block thresholding spatial correlation combinative de-noising method
CN114609515A (zh) 一种基于顺序分层式信号处理的gis特高频局放检测干扰抑制方法
Mitiche et al. Deep residual neural network for EMI event classification using bispectrum representations
Jiao et al. Self-adaptive partial discharge denoising based on variational mode decomposition and wavelet packet transform
CN112327115A (zh) 采用时频域波形主分量的局部放电脉冲特征参数提取方法
CN104569894A (zh) 一种基于时域参数的局部放电特高频传感器性能评价方法
Dubyago et al. Partial discharge signal selection method for interference diagnostics of insulating materials
Sri et al. Partial Discharge Signal Denoising Analysis Using Wavelet Transformation with Singular Value Decomposition Method
Abratkiewicz et al. Micro-Doppler signal decomposition using second-order vertical synchrosqueezing
Gianaroli et al. Broadband system models based on Zadeh's representation for indoor powerline channels: An experimental validation
Fan et al. UHF PD Experiments on Real Power Transformer and its Frequency Characteristics Results
Wang et al. Partial Discharge Pattern Recognition Based on Multiscale Features of Original Time Domain Signals

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