CN114358093A - 一种电力设备中局部放电的检测方法及设备 - Google Patents

Abstract

本发明公开了一种电力设备中局部放电的检测方法及设备，属于去噪技术领域，用于解决现有的局部放电脉冲去噪技术计算量大、去噪效果较差的技术问题。本发明的检测方法包括：根据局部放电信号的累积能量，确定局部放电脉冲位置；在局部放电信号的采样范围内，随机生成若干覆盖局部放电脉冲位置的信号窗口；对每个信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列；根据去噪后信号序列与去噪前信号序列，得到信号窗口的适应度；对每个信号窗口的位置进行迭代更新，并计算迭代更新后每个信号窗口的适应度；根据迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列。

Description

一种电力设备中局部放电的检测方法及设备

技术领域

本发明涉及去噪技术领域，尤其涉及一种电力设备中局部放电的检测方法及设备。

背景技术

局部放电检测作为一种最为常见的电力设备检测技术，对保持电力设备的良好状态和维护电力系统的安全稳定有重要的意义。在局部放电检测中，外部电磁干扰造成的噪声会严重影响局部放电检测的准确性，因此研究局部放电脉冲噪声抑制技术对提升局部放电检测的准确性有重要意义。

目前常见的局部放电脉冲噪声抑制技术主要包括小波分解法、奇异值分解法等。小波分解法在应用中会面临小波基波、分解层数难以选择，阈值难以确定等多种问题；奇异值分解法在应用中会面临奇异值阈值难以确定、计算量大等多种问题。以上方法均难以实现局部放电信号中局部放电脉冲噪声的完全滤除，无法达到最佳去噪效果，进而不能准确检测出电力设备的局部放电情况。

发明内容

本发明提供一种电力设备中局部放电的检测方法及设备，用于解决如下技术问题：现有的局部放电脉冲去噪技术计算量大、去噪效果较差，影响电力设备局部放电检测的准确性。

本发明采用下述技术方案：

一方面，本发明提供一种电力设备中局部放电的检测方法，该方法包括：根据电力设备中局部放电信号的累积能量，确定所述局部放电信号中的局部放电脉冲位置；在所述局部放电信号的采样范围内，随机生成若干覆盖所述局部放电脉冲位置的信号窗口；对每个所述信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列；根据所述去噪后信号序列与所述去噪前信号序列，得到所述信号窗口的适应度；对每个所述信号窗口的位置进行迭代更新，并计算迭代更新后每个信号窗口的适应度；根据所述迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将所述最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列；将所述最优去噪后信号序列传输到信号处理设备，以使所述信号处理设备根据所述最优去噪后信号序列对所述电力设备进行局部放电检测。

本发明通过计算局部放电脉冲的累积能量，可以较为准确地确定局部放电脉冲的位置，相较于其他确定局放脉冲位置的方法，可以减少计算量。本发明随机生成若干覆盖局部放电脉冲位置的窗口，分别对每个窗口内的信号片段进行去噪处理，并以适应度作为反馈，对信号窗口进行多次优化迭代，直至达到最优效果，选出能够达到最优效果的信号窗口，从而得到去噪效果最好的局部放电脉冲部分信号，提高电力设备局部放电检测的准确性。

在一种可行的技术方案中，所述根据电力设备中局部放电信号的累积能量，确定所述局部放电信号中的局部放电脉冲位置，具体包括：将所述局部放电信号以序列的形式表示为：x(M)={x₁,x₂,...,x_M}；其中，M为所述局部放电信号的时间长度，x_i为所述序列中不同时间点的信号幅值，i为时间点，i=1,2,…M；

根据

，得到所述局部放电信号的平均能量E_m；根据

，得到所述局部放电信号每个时间点的累积能量E(a)；其中，a=1,2,…M；将所述累积能量E(a)中的最大值对应的所述局部放电信号的时间点i，确定为所述局部放电脉冲位置。

在一种可行的技术方案中，在所述局部放电信号的采样范围内，随机生成若干覆盖所述局部放电脉冲位置的信号窗口，具体包括：在所述局部放电信号的采样范围内，随机生成若干不同位置、不同速度的粒子；其中，所述粒子的位置包括第一位置分量与第二位置分量，所述第一位置分量和所述第二位置分量分别对应所述局部放电信号中的不同时间点；所述第一位置分量小于所述局部放电脉冲位置，所述第二位置分量大于所述局部放电脉冲位置；将所述粒子的第一位置分量，确定为对应的信号窗口的左边界；将所述粒子的第二位置分量，确定为对应的信号窗口的右边界；其中，所述信号窗口不包含上下边界，且所述信号窗口覆盖所述局部放电脉冲位置。

在一种可行的技术方案中，对每个所述信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列，具体包括：将所述信号窗口内的去噪前信号序列，通过汉克尔矩阵的形式进行表示，得到第一矩阵；对所述第一矩阵进行重构，得到第二矩阵；在所述第二矩阵中提取去噪后信号序列。

在一种可行的技术方案中，将所述信号窗口内的去噪前信号序列，通过汉克尔矩阵的形式进行表示，得到第一矩阵，具体包括：将所述信号窗口内的去噪前信号序列表示为：：x(N)={x₁,x₂,...,x_N}；其中，N为所述去噪前信号序列的时间长度，且N≤M；将所述信号窗口内的去噪前信号序列x(N)以汉克尔矩阵的形式表示，得到第一矩阵H：

；其中，K=N-L+1，N/2<L<N/20，L为所述第一矩阵每行的元素数量，K为所述第一矩阵每列的元素数量。

在一种可行的技术方案中，对所述第一矩阵进行重构，得到第二矩阵；在所述第二矩阵中提取去噪后信号序列，具体包括：根据H=UƩV^T，对所述第一矩阵进行奇异值分解，将所述第一矩阵分解为一个正交矩阵U、一个正交矩阵V的转置以及一个对角矩阵Ʃ；其中，所述对角矩阵Ʃ=diag(s ₁,s ₂,...,s _L )中的对角元素即为所述第一矩阵的奇异值，且s ₁>s ₂>...> s _L ；保留所述第一矩阵的前三个奇异值，将其余奇异值设为0，得到新的对角矩阵Ʃ’=diag(s ₁,s ₂,s ₃,0,...0)；

根据H’=UƩ’V^T，将所述新的对角矩阵Ʃ’、所述正交矩阵U以及所述正交矩阵V的转置相乘，以对所述第一矩阵进行重构，得到第二矩阵H’：

；

提取所述第二矩阵H'的第一行和第L列，得到去噪后信号序列y(N)={y₁,y₂,...,y_N}。

不同的奇异值对应着信号的不同分量，奇异值越大，其对应分量占信号的比重就越大，对奇异值进行筛选即可实现噪声的滤除。奇异值越多，算法的计算量就越大。本发明经过大量实验后决定，只保留前三个奇异值对含局部放电脉冲的信号片段进行去噪处理，可在较小的计算量的情况下保证较好的去噪效果。

在一种可行的技术方案中，根据所述去噪后信号序列与所述去噪前信号序列，得到所述信号窗口的适应度，具体包括：根据

，得到所述去噪后信号序列与所述去噪前信号序列的噪声衰减率NRR；其中，σ_x为所述去噪前信号序列的标准差，σ_y为所述去噪后信号序列的标准差；根据

，得到所述去噪后信号序列与所述去噪前信号序列的能量保留率ERR；其中，x_i为所述去噪前信号序列中不同时间点的信号幅值，i=1,2,…N；y_i为所述去噪后信号序列中不同时间点的信号幅值；根据适应度函数：

，得到第n个信号窗口的适应度F(p_n)。

本发明通过将噪声衰减率NRR和能量保留率ERR的几何平均数作为信号窗口的适应度函数，反应去噪信号的去噪效果，以避免噪声衰减率NRR和能量保留率ERR的竞争关系，可以全面均衡的评价去噪效果。

在一种可行的技术方案中，对每个所述信号窗口的位置进行迭代更新，并计算每次迭代更新后每个信号窗口的适应度，具体包括：根据

，对第n个信号窗口对应的粒子p_n的速度进行迭代更新，得到第k+1次迭代后，所述粒子p_n的速度；根据

，对所述粒子p_n的位置进行迭代更新，得到第k+1次迭代后，所述粒子p_n的位置；其中，ω为惯性因子，c₁为个体学习因子，c₂为群体学习因子，c₁和c₂都为随机数；r₁为个体学习的权重因数，r₂为群体学习的权重因数；

为k次迭代后粒子p_n的位置；

为k次迭代后粒子p_n的速度；

为粒子p_n的个体历史最优位置,

为所有粒子的群体历史最优位置；根据每次迭代更新后所述粒子p_n的位置，确定对应的信号窗口，并计算所述对应的信号窗口的适应度。

在一种可行的技术方案中，根据所述每次迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将所述最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列，具体包括：在所述个体历史最优位置以及所述群体历史最优位置连续预设次数均保持不变的情况下，停止所述迭代更新过程；将所述群体历史最优位置对应的信号窗口，确定为所述最优信号窗口；将所述最优信号窗口对应的去噪后信号序列作为最优去噪后信号序列进行输出；其中，获取所述粒子p_n的个体历史最优位置的方法具体包括：将第k+1次迭代更新后计算出的适应度，与前k次迭代更新后计算出的适应度进行比较，确定出最大值；若所述最大值对应的迭代次数为b，则第b次迭代后粒子p_n的位置

即为所述粒子p_n的个体历史最优位置；获取所述所有粒子的群体历史最优位置的方法具体包括：在第k+1次迭代更新后，将所有粒子的个体历史最优位置对应的适应度进行比较，确定出最大值，所述最大值对应的个体历史最优位置即为所述所有粒子的群体历史最优位置。

本发明通过不断地对粒子的速度和位置进行迭代更新，一次次地更新粒子的个体历史最优位置和粒子群的群体历史最优位置，最终选出去噪效果最好的信号窗口，能够保证最终得到的去噪后信号序列的去噪效果达到最优效果。

另一方面，本发明还提供了一种电力设备中局部放电的检测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能够被所述至少一个处理器执行的指令，以使所述至少一个处理器能够执行上述任一技术方案所述的一种电力设备中局部放电的检测方法。

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中记载的一些实施例，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。在附图中：

图1为本发明实施例提供的一种电力设备中局部放电的检测方法流程图；

图2为本发明实施例提供的一种局部放电信号示意图；

图3为本发明实施例提供的一种电力设备中局部放电的检测设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本发明保护的范围。

本发明实施例提供了一种电力设备中局部放电的检测方法，如图1所示，方法具体包括步骤S101-S106：

S101、局部放电的检测设备根据电力设备的局部放电信号的累积能量，确定局部放电脉冲位置。

进一步地，局部放电的检测设备接收到信号采集设备从电力设备中采集到的含有噪声的局部放电信号后，首先计算该局部放电信号每个时间点的累积能量，累积能量最大的时间点处，即为局部放电脉冲的位置。

需要说明的是，本发明中所提及的“位置”，均通过时间点进行表示，在比较两个位置时，也是比较的两个时间点的大小关系。

作为一种可行的实施方式，局部放电的检测设备将接收到的局部放电信号以序列的形式表示为：x(M)={x₁,x₂,...,x_M}。其中，M为局部放电信号的长度，这个长度用时间表示。x_i为所述序列中不同时间点的信号幅值，i为时间点，i=1,2,…M。

进一步地，根据

，计算局部放电信号的平均能量E_m。然后根据

，得到局部放电信号每个时间点的累积能量E(a)；其中，a=1,2,…M；找到累积能量最大的时间点，即为局部放电脉冲位置P。

在一个实施例中，图2为本发明实施例提供的一种局部放电信号示意图，如图2所示，下半部分为含局部放电脉冲的局部放电信号，横坐标表示时间，纵坐标表示局部放电信号的幅值。上半部分为局部放电信号的累积能量值，横坐标表示时间，纵坐标表示累积能量。图2中的局部放电信号的长度为30μs，则根据以上公式，分别计算E(1)、E(2)、……、E(30)，并找出最大值。若最大值为E(13)，则局部放电脉冲的位置P=13μs。

S102、局部放电的检测设备在局部放电信号的采样范围内，随机生成若干覆盖局部放电脉冲位置的信号窗口。

进一步地，在局部放电信号的采样范围内，随机生成若干不同位置、不同速度的粒子，粒子的位置和速度均为二维向量。第n个粒子p _n 的位置用

表示，其中，p _n1为第一位置分量，p _n2为第二位置分量，粒子的两个位置分量对应局部放电信号上的两个不重合的时间点，且粒子p _n 的第一位置分量为第n个信号窗口的左边界，粒子p _n 的第二位置分量为第n个信号窗口的右边界。粒子的速度用

表示，其中，v _n1为第一速度分量，v _n2为第二速度分量。

由于要保证信号窗口覆盖局部放电脉冲位置，因此随机生成的粒子需要满足一个条件：第一位置分量小于局部放电脉冲位置P，第二位置分量大于局部放电脉冲位置P，即0< p _n1<P<p _n2<M。需要说明的是，n可以取大于等于0的任意整数。

在一个实施例中，若局部放电信号的长度为30μs，局部放电脉冲的位置P为15μs，第3个粒子的位置为

，则第3个粒子的位置应满足0<p ₃₁<15<p ₃₂ <30。

S103、局部放电的检测设备对每个信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列。

进一步地，将每个信号窗口内的去噪前信号序列表示为：x(N)={x₁,x₂,...,x_N}；其中，N为去噪前信号序列的长度，且N≤M。然后将去噪前信号序列x(N)以汉克尔矩阵的形式表示，得到第一矩阵H：

；

其中，K=N-L+1，N/2<L<N/20，L为第一矩阵H每行的元素数量，K为第一矩阵H每列的元素数量。

进一步地，根据H=UƩV^T，对第一矩阵H进行奇异值分解，将第一矩阵H分解为一个正交矩阵U、一个正交矩阵V的转置以及一个对角矩阵Ʃ。其中，对角矩阵Ʃ=diag(s ₁,s ₂,...,s _L )中的对角元素s₁、s₂、……、s _L 即为第一矩阵H的奇异值，且s ₁>s ₂>...> s _L 。

进一步地，不同的奇异值对应着信号的不同分量，奇异值越大，其对应分量占信号的比重就越大，对奇异值进行筛选即可实现噪声的滤除。本发明经过大量的计算，发现在对含局放脉冲的信号片段进行去噪处理时，只保留前三个奇异值即可在较小的计算量的前提下获得较好的去噪效果。因此在本发明中，保留第一矩阵的前三个奇异值，将其余L-3个奇异值设为0，得到新的对角矩阵Ʃ’=diag(s ₁,s ₂,s ₃,0,...0)；

进一步地，根据H’=UƩ’V^T，将所述新的对角矩阵Ʃ’、分解出的正交矩阵U以及分解出的正交矩阵V的转置相乘，以对第一矩阵进行重构，得到第二矩阵H’：

；

进一步地，提取第二矩阵H'的第一行和第L列，即可得到去噪后信号序列y(N)={y₁,y₂,...,y_N}。

S104、局部放电的检测设备根据去噪后信号序列与去噪前信号序列，得到信号窗口的适应度。

进一步地，首先根据公式

，得到去噪后信号序列与去噪前信号序列的噪声衰减率NRR；其中，σ_x为所噪前信号序列的标准差，σ_y为去噪后信号序列的标准差。

然后，根据公式

，得到去噪后信号序列与去噪前信号序列的能量保留率ERR；其中，x_i为所述去噪前信号序列中不同时间点的信号幅值，i=1,2,…N；y_i为所述去噪后信号序列中不同时间点的信号幅值。

其中，NRR反映了去噪信号的噪声滤除效果，去噪信号越平坦光滑，NRR越大；ERR表征了去噪信号的能量损失情况，去噪信号能量保留越多，ERR越大。这两项指标在一定程度上具有竞争关系，为了全面均衡的评价去噪效果，以NRR和ERR的几何平均数作为适应度函数

。根据适应度函数，计算出第n个信号窗口的适应度F(p_n)，用以表示第n个信号窗口的去噪效果。适应度越大，代表去噪效果越好。

S105、局部放电的检测设备对每个信号窗口的位置进行迭代更新，并计算迭代更新后每个信号窗口的适应度。

进一步地，将S第一次计算每个信号窗口的适应度作为第一次迭代。然后根据公式

，对第n个信号窗口对应的粒子p_n的速度进行迭代计算，得到第k+1次迭代后粒子p_n的速度。

然后，根据

，对粒子p_n的位置进行迭代更新，得到第k+1次迭代后粒子p_n的位置。

其中，ω为惯性因子，c₁为个体学习因子，c₂为群体学习因子，c₁和c₂都为随机数；r₁为个体学习的权重因数，r₂为群体学习的权重因数；

为k次迭代后粒子p_n的位置；

为k次迭代后粒子p_n的速度；

为粒子p_n的个体历史最优位置,

为所有粒子的群体历史最优位置；

第k+1次迭代后粒子p_n的位置

即可表示第n个信号窗口的位置，然后根据S104中的适应度函数，计算此时第n个信号窗口的适应度。

作为一种可行的实施方式，获取粒子p_n的个体历史最优位置的方法，具体包括：将第k+1次迭代更新后计算出的适应度，与前k次迭代更新后计算出的适应度进行比较，确定出最大值；若最大值对应的迭代次数为b，则第b次迭代后粒子p_n的位置

即为粒子p_n的个体历史最优位置。

在一个实施例中，若前3次迭代更新，粒子p_n对应的信号窗口的适应度分别为1、2、3，而第4次迭代更新后计算出的适应度为2.5，那么4次迭代后粒子p_n的个体历史最优位置为第3次迭代后计算出的粒子p_n的位置

。

作为一种可行的实施方式，获取所有粒子的群体历史最优位置的方法，具体包括：在第k+1次迭代更新后，将所有粒子的个体历史最优位置对应的适应度进行比较，确定出最大值，最大值对应的个体历史最优位置即为所有粒子的群体历史最优位置。

在一个实施例中，若一共有4个粒子，在第3次迭代更新后，第一个粒子的历史最优位置为

，对应的适应度为2；第二个粒子的历史最优位置为

，对应的适应度为2.5；第三个粒子的历史最优位置为

，对应的适应度为3；第四个粒子的历史最优位置为

，对应的适应度为1。比较后得到第二次迭代后的第三个粒子的历史最优位置对应的适应度最大，因此

即为这4个粒子迭代4次后的群体历史最优位置。

S106、局部放电的检测设备根据迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列。

具体地，在个体历史最优位置以及群体历史最优位置连续A次不发生变化的情况下，停止迭代更新过程。将群体历史最优位置对应的信号窗口，确定为最优信号窗口。

需要说明的是，一般情况下，个体历史最优位置和群体历史最优位置连续两次或三次迭代后都不发生变化，则可以停止迭代过程。但是此处A的值可由设计人员或工作人员人为进行设置，本发明不作具体数值限定。

进一步地，将最优信号窗口对应的去噪后信号序列作为最优去噪后信号序列，输出到信号处理设备。信号处理设备根据最优去噪后信号的强弱以及出现局部放电脉冲的频次，确定该电力设备局部放电的严重程度。而本发明所提供的方法能够使去噪后的信号序列达到最优的效果，使得信号处理设备对于该电力设备局部放电的严重程度的判断也更加准确。

另外，本发明实施例还提供了一种电力设备中局部放电的检测设备，如图3所示，局部放电的检测设备300具体包括：

至少一个处理器301；以及，与至少一个处理器301通信连接的存储器302；其中，存储器302存储有能够被至少一个处理器301执行的指令，以使至少一个处理器301能够执行：

根据局部放电信号的累积能量，确定局部放电脉冲位置；

在局部放电信号的采样范围内，随机生成若干覆盖局部放电脉冲位置的信号窗口；

对每个信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列；

根据去噪后信号序列与去噪前信号序列，得到信号窗口的适应度；

对每个信号窗口的位置进行迭代更新，并计算迭代更新后每个信号窗口的适应度；

根据迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列。

通过本发明提供的一种电力设备中局部放电的检测方法及设备，可对含局部放电脉冲的局部放电信号中的噪声进行很好的抑制，且更好地保留局部放电信号的能量，还原原始波形，以提高电力设备局部放电检测的准确性。

本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本发明特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明的实施例可以有各种更改和变化。凡在本发明实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种电力设备中局部放电的检测方法，其特征在于，包括：

根据电力设备中局部放电信号的累积能量，确定局部放电信号中的局部放电脉冲位置；

在所述局部放电信号的采样范围内，随机生成若干覆盖所述局部放电脉冲位置的信号窗口；

对每个所述信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列；

根据所述去噪后信号序列与所述去噪前信号序列，得到所述信号窗口的适应度；

对每个所述信号窗口的位置进行迭代更新，并计算迭代更新后每个信号窗口的适应度；

根据所述迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将所述最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列；

将所述最优去噪后信号序列传输到信号处理设备，以使所述信号处理设备根据所述最优去噪后信号序列对所述电力设备进行局部放电检测。

2.根据权利要求1所述的一种电力设备中局部放电的检测方法，其特征在于，所述根据电力设备中局部放电信号的累积能量，确定局部放电信号中的局部放电脉冲位置，具体包括：

将所述局部放电信号以序列的形式表示为：x(M)={x₁,x₂,...,x_M}；其中，M为所述局部放电信号的时间长度，x_i为所述序列中不同时间点的信号幅值，i为时间点，i=1,2,…M；

根据

，得到所述局部放电信号的平均能量E_m；

根据

，得到所述局部放电信号每个时间点的累积能量E(a)；其中，a=1,2,…M；

将所述累积能量E(a)中的最大值对应的所述局部放电信号的时间点i，确定为所述局部放电脉冲位置。

3.根据权利要求1所述的一种电力设备中局部放电的检测方法，其特征在于，在所述局部放电信号的采样范围内，随机生成若干覆盖所述局部放电脉冲位置的信号窗口，具体包括：

在所述局部放电信号的采样范围内，随机生成若干不同位置、不同速度的粒子；其中，所述粒子的位置为二维向量，包括第一位置分量与第二位置分量，所述第一位置分量和所述第二位置分量分别对应所述局部放电信号中的不同时间点；所述第一位置分量小于所述局部放电脉冲位置，所述第二位置分量大于所述局部放电脉冲位置；

将所述粒子的第一位置分量，确定为对应的信号窗口的第一边界；

将所述粒子的第二位置分量，确定为对应的信号窗口的第二边界；其中，所述信号窗口不包含上下边界，且所述信号窗口覆盖所述局部放电脉冲位置。

4.根据权利要求1所述的一种电力设备中局部放电的检测方法，其特征在于，对每个所述信号窗口内的去噪前信号序列进行去噪处理，得到对应的去噪后信号序列，具体包括：

将所述信号窗口内的去噪前信号序列，通过汉克尔矩阵的形式进行表示，得到第一矩阵；

对所述第一矩阵进行重构，得到第二矩阵；

在所述第二矩阵中提取去噪后信号序列。

5.根据权利要求4所述的一种电力设备中局部放电的检测方法，其特征在于，将所述信号窗口内的去噪前信号序列，通过汉克尔矩阵的形式进行表示，得到第一矩阵，具体包括：

将所述信号窗口内的去噪前信号序列表示为：x(N)={x₁,x₂,...,x_N}；其中，N为所述去噪前信号序列的时间长度，且N≤M；

将所述信号窗口内的去噪前信号序列x(N)以汉克尔矩阵的形式表示，得到第一矩阵H：

；

其中，K=N-L+1，N/2<L<N/20，L为所述第一矩阵每行的元素数量，K为所述第一矩阵每列的元素数量。

6.根据权利要求5所述的一种电力设备中局部放电的检测方法，其特征在于，对所述第一矩阵进行重构，得到第二矩阵；在所述第二矩阵中提取去噪后信号序列，具体包括：

根据H=UƩV^T，对所述第一矩阵进行奇异值分解，将所述第一矩阵分解为一个正交矩阵U、一个正交矩阵V的转置以及一个对角矩阵Ʃ；

其中，所述对角矩阵Ʃ=diag(s ₁,s ₂,...,s _L )中的对角元素即为所述第一矩阵的奇异值，且s ₁>s ₂>...> s _L ；

保留所述第一矩阵的前三个奇异值，将其余奇异值设为0，得到新的对角矩阵Ʃ’=diag(s ₁,s ₂,s ₃,0,...0)；

根据H’=UƩ’V^T，将所述新的对角矩阵Ʃ’、所述正交矩阵U以及所述正交矩阵V的转置相乘，以对所述第一矩阵进行重构，得到第二矩阵H’：

；

提取所述第二矩阵H'的第一行和第L列，得到去噪后信号序列y(N)={y₁,y₂,...,y_N}。

7.根据权利要求1所述的一种电力设备中局部放电的检测方法，其特征在于，根据所述去噪后信号序列与所述去噪前信号序列，得到所述信号窗口的适应度，具体包括：

根据

，得到所述去噪后信号序列与所述去噪前信号序列的噪声衰减率NRR；其中，σ_x为所述去噪前信号序列的标准差，σ_y为所述去噪后信号序列的标准差；

根据

，得到所述去噪后信号序列与所述去噪前信号序列的能量保留率ERR；其中，x_i为所述去噪前信号序列中不同时间点的信号幅值，i=1,2,…N；y_i为所述去噪后信号序列中不同时间点的信号幅值；

根据适应度函数：

，得到第n个信号窗口的适应度F(p_n)。

8.根据权利要求1所述的一种电力设备中局部放电的检测方法，其特征在于，对每个所述信号窗口的位置进行迭代更新，并计算每次迭代更新后每个信号窗口的适应度，具体包括：

根据

，对第n个信号窗口对应的粒子p_n的速度进行迭代更新，得到第k+1次迭代后，所述粒子p_n的速度；

根据

，对所述粒子p_n的位置进行迭代更新，得到第k+1次迭代后，所述粒子p_n的位置；

其中，ω为惯性因子，c₁为个体学习因子，c₂为群体学习因子，c₁和c₂都为随机数；r₁为个体学习的权重因数，r₂为群体学习的权重因数；

为k次迭代后粒子p_n的位置；

为k次迭代后粒子p_n的速度；

为粒子p_n的个体历史最优位置，

为所有粒子的群体历史最优位置；

根据每次迭代更新后所述粒子p_n的位置，确定对应的信号窗口，并计算所述对应的信号窗口的适应度。

9.根据权利要求8所述的一种电力设备中局部放电的检测方法，其特征在于，根据所述每次迭代更新后每个信号窗口的适应度，确定最优信号窗口，并将所述最优信号窗口对应的去噪后信号序列确定为最优去噪后信号序列，具体包括：

在所述个体历史最优位置以及所述群体历史最优位置连续预设次数均保持不变的情况下，停止所述迭代更新过程；

将所述群体历史最优位置对应的信号窗口，确定为所述最优信号窗口；

将所述最优信号窗口对应的去噪后信号序列作为最优去噪后信号序列进行输出；

其中，获取所述粒子p_n的个体历史最优位置的方法具体包括：

将第k+1次迭代更新后计算出的适应度，与前k次迭代更新后计算出的适应度进行比较，确定出最大值；若所述最大值对应的迭代次数为b，则第b次迭代后粒子p_n的位置

即为所述粒子p_n的个体历史最优位置；

获取所述所有粒子的群体历史最优位置的方法具体包括：

在第k+1次迭代更新后，将所有粒子的个体历史最优位置对应的适应度进行比较，确定出最大值，所述最大值对应的个体历史最优位置即为所述所有粒子的群体历史最优位置。

10.一种电力设备中局部放电的检测设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有能够被所述至少一个处理器执行的指令，以使所述至少一个处理器能够执行根据权利要求1-9任一项所述的一种电力设备中局部放电的检测方法。

Images