CN116701842A - 局部放电信号去噪方法、装置、电子设备和存储介质 - Google Patents

局部放电信号去噪方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116701842A
CN116701842A CN202310596233.1A CN202310596233A CN116701842A CN 116701842 A CN116701842 A CN 116701842A CN 202310596233 A CN202310596233 A CN 202310596233A CN 116701842 A CN116701842 A CN 116701842A
Authority
CN
China
Prior art keywords
frequency domain
partial discharge
time
discharge signal
map
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
CN202310596233.1A
Other languages
English (en)
Inventor
吕立翔
杨卓然
滕昌鹏
刘剑
陈伟
朱炫培
王悦
张四维
徐伟伦
高源�
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.)
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Nanjing Power Supply Co of State Grid Jiangsu 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 Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202310596233.1A priority Critical patent/CN116701842A/zh
Publication of CN116701842A publication Critical patent/CN116701842A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明公开了一种局部放电信号去噪方法、装置、电子设备和存储介质。其中，该方法包括：确定获取的局部放电信号的时频域图谱，确定所述时频域图谱的边缘图像，按照所述局部放电信号的波形特征确定所述边缘图像中的放电特征区域，并按照所述放电特征区域剔除所述时频域图谱中的噪声。本发明实施例通过利用局部放电信号和噪声信号在频域图谱中的波形特征差异，进而按照局部放电信号的波形特征确定在局部放电信号的时频域图谱中的放电特征区域，基于放电特征区域便于去除局部放电信号中的噪声信号，可以辅助工作人员快速识别电力设备的工作状态。

Description

局部放电信号去噪方法、装置、电子设备和存储介质
技术领域
本发明涉及信号处理技术领域，尤其涉及一种局部放电信号去噪方法、装置、电子设备和存储介质。
背景技术
中高压电力设备的绝缘劣化会缩短设备的使用寿命，严重情况下缺陷将发展为短路、断路等永久性故障。局部放电是电力设备绝缘劣化的主要表现形式，通过对电力设备局部放电信号的分析可以有效识别电力设备的状态。然而，由于测量现场环境和测量仪器的影响，采集得到的局部放电波形会不可避免的受到噪声干扰，导致在提取局部放电信号的特征时产生较大的偏差，给电力设备的故障诊断带来负面影响。
由于局部放电信号是典型的非平稳信号，单纯采用时域工具或频域工具分析会存在较大的误差；同时局放测试中存在较大的电磁干扰现象，采用时域图、傅里叶变换频域图均无法将噪声信号从局部放电信号中有效剥离。
发明内容
本发明提供了一种局部放电信号去噪方法、装置、电子设备和存储介质，以通过获取局部放电信号的时频域图谱，再根据局部放电信号的波形特征确定时频域图谱的边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声，利用局部放电信号和噪声信号在频域图谱中的波形特征差异，基于放电特征区域便于去除局部放电信号中的噪声信号，可以辅助工作人员快速识别电力设备的工作状态。
根据本发明的一方面，提供了一种局部放电信号去噪方法，该方法包括：
确定获取的局部放电信号的时频域图谱；
确定时频域图谱的边缘图像；
按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。
根据本发明的另一方面，提供了一种局部放电信号去噪装置，该装置包括：
图谱确定模块，用于确定获取的局部放电信号的时频域图谱；
边缘确定模块，用于确定时频域图谱的边缘图像；
噪声剔除模块，用于按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的局部放电信号去噪方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的局部放电信号去噪方法。
本发明实施例的技术方案，通过确定获取的局部放电信号的时频域图谱，再确定时频域图谱的边缘图像，以及按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。本发明实施例通过利用局部放电信号和噪声信号在频域图谱中的波形特征差异，进而按照局部放电信号的波形特征确定在局部放电信号的时频域图谱中的放电特征区域，基于放电特征区域便于去除局部放电信号中的噪声信号，可以辅助工作人员快速识别电力设备的工作状态。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
图1是根据本发明实施例一提供的一种局部放电信号去噪方法的流程图；
图2是根据本发明实施例二提供的一种局部放电信号去噪方法的流程图；
图3是根据本发明实施例三提供的一种局部放电信号去噪方法的流程图；
图4是根据本发明实施例三提供的一种测试电路的结构示例图；
图5是根据本发明实施例三提供的一种局部放电信号的时域波形图；
图6是根据本发明实施例三提供的一种局部放电信号的时频域图谱；
图7是根据本发明实施例三提供的一种霍夫变换检测的示例图；
图8是根据本发明实施例三提供的一种去噪后的局部放电信号的时频域图谱；
图9是根据本发明实施例四提供的一种局部放电信号去噪装置的结构示意图；
图10是实现本发明实施例的局部放电信号去噪方法的电子设备的结构示意图。
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的实施例，而不是全部的实施例。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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种局部放电信号去噪方法的流程图，本实施例可适用于对局部放电信号中的噪声信号进行去除的情况，该方法可以由局部放电信号去噪装置来执行，该局部放电信号去噪装置可以采用硬件和/或软件的形式实现。如图1所示，本实施例一提供的一种局部放电信号去噪方法，具体包括如下步骤：
S110、确定获取的局部放电信号的时频域图谱。
其中，局部放电信号可以是指待去噪的目标信号，局部放电信号可以是在电力设备处实际采集的信号，也可以是通过信号发生器模拟出的信号，本发明实施例对此不进行限制。时频域图谱可以理解为局部放电信号经过时频域分析处理后得到的结果，时频域图谱的横轴为时间，纵轴为频率。
在本发明实施例中，可以先通过不限于在电力设备处实际采集或者信号发生器模拟等方式获取包含噪声的局部放电信号，再利用预先配置的时频域分析工具或者其他时频域分析算法对局部放电信号进行处理，以得到对应的时频域图谱，其中，时频域分析工具或者其他时频域分析算法可以包括但不限于：短时傅里叶变换、小波变换、Cohen类时频分布以及Affine类时频分布等，本发明实施例对此不进行限制。
S120、确定时频域图谱的边缘图像。
其中，边缘图像可以是指对时频域图谱进行边缘检测后得到的图像。
在本发明实施例中，可以调用预先配置的图像边缘检测规则对时频域图谱中的边缘特征进行检测，以得到对应的边缘图像，其中，所采用的图像边缘检测规则可以包括但不限于以下几种：Sobel边缘检测规则、Roberts边缘检测规则以及Canny边缘检测规则等，本发明实施例对此不进行限制。
S130、按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。
其中，波形特征可以是指局部放电信号在时频域图谱中的波形形状特征，示例性的，波形特征至少包括在时频域图谱中的波形形状为椭圆形状或者其他特定形状等。放电特征区域可以理解为在局部放电信号对应的时频域图谱中进行去噪后需要保留的特征区域，放电特征区域可以展示为椭圆形状或者其他特定形状等。
在本发明实施例中，由于局部放电信号在其时频域图谱中的波形形状为某种特定形状，例如当局部放电信号为衰减振荡波形时，其在经过Choi-Williams变换后的时频域图谱中展现为类似椭圆的光圈，而噪声信号在时频域图中多呈现散点分布或线性分布，基于此原理，可以调用预先配置的波形特征检测规则对边缘图像中的呈波形特征的放电特征区域进行检测，并在局部放电信号的时频域图谱中只保留放电特征区域的像素值，即将放电特征区域以外的像素值全部填充为0，进而实现去除局部放电信号在其时频域图谱中的噪声，其中，波形特征检测规则可以包括但不限于以下几种：霍夫变换检测规则、分水岭检测规则以及GrabCut检测规则等，本发明实施例对此不进行限制。
本发明实施例的技术方案，通过确定获取的局部放电信号的时频域图谱，再确定时频域图谱的边缘图像，以及按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。本发明实施例通过利用局部放电信号和噪声信号在频域图谱中的波形特征差异，进而按照局部放电信号的波形特征确定在局部放电信号的时频域图谱中的放电特征区域，基于放电特征区域便于去除局部放电信号中的噪声信号，可以辅助工作人员快速识别电力设备的工作状态。
实施例二
图2为本发明实施例二提供的一种局部放电信号去噪方法的流程图，基于上述实施方式进一步进行优化与扩展，并可以与上述实施方式中各个可选技术方案结合。如图2所示，本实施例二提供的一种局部放电信号去噪方法，具体包括如下步骤：
S210、调用预设时频域分析工具处理局部放电信号以得到时频域图谱。
其中，预设时频域分析工具可以是指预先配置的用于对局部放电信号进行处理以得到时频域图谱的信号分析工具，预设时频域分析工具可以包括：Gabor变换、S变换、Wigner分布以及Choi-Williams变换等。
在本发明实施例中，可以调用预先配置的预设时频域分析工具对获取的局部放电信号进行时频域分析处理，以得到对应的时频域图谱，其中，预设时频域分析工具可以包括但不限于以下几种：Gabor变换、S变换、Wigner分布以及Choi-Williams变换等，由于局部放电信号中包含噪声，因此经过时频域分析处理后得到的时频域图谱中会包含大量的线状、点状的信号分量，需要通过一些手段将其去除。需要理解的是，关于局部放电信号的获取方式，既可以是在电力设备处实际采集的信号，也可以是通过信号发生器模拟出的信号，本发明实施例对此不进行限制。
进一步地，在上述发明实施例的基础上，预设时频域分析工具可以至少包括Choi-Williams变换，Choi-Williams变换的公式表示如下：
其中，x(t)表示局部放电信号，S(t,w)表示局部放电信号的Choi-Williams变换结果，W(t,τ,u)表示平滑窗函数，t表示时间，w表示频率，*表示复数共轭操作，e表示以自然常数为底的指数操作，j表示虚数单位符号。
S220、对时频域图谱进行灰度化处理，得到图谱灰度图像。
其中，图谱灰度图像可以是指对时频域图谱进行灰度化处理后得到的灰度图像。
在本发明实施例中，在得到局部放电信号对应的时频域图谱之后，可以对其进行灰度化处理以得到对应的图谱灰度图像，图谱灰度图像中的像素的灰度值取值范围为0～255，其中灰度值为255时代表亮度最亮，灰度值为0时代表亮度最暗。
S230、利用灰度值为0的像素块对图谱灰度图像进行边缘扩充，再采用预设窗口大小的窗口遍历选取边缘扩充的图谱灰度图像中的所有图像块，并将图像块组成元素矩阵。
在本发明实施例中，若图谱灰度图像的分辨率为m×n，可以在其图像边缘利用灰度值为0的像素块进行边缘填充，边缘填充后得到的图像矩阵的分辨率为(m+2)×(n+2)，再采用预设窗口大小例如3×3的窗口遍历选取边缘扩充的图谱灰度图像中的所有图像块，将选取的图像块作为单个元素组成新的矩阵即元素矩阵，其分辨率为m×n，元素矩阵中的每个元素均为3×3大小的矩阵。
S240、调用水平Sobel算子和垂直Sobel算子分别与元素矩阵中的元素进行相乘，以得到水平梯度矩阵和垂直梯度矩阵。
在本发明实施例中，可以调用预先配置的水平Sobel算子和垂直Sobel算子分别与元素矩阵中的元素进行相乘，进而得到对应的水平梯度矩阵和垂直梯度矩阵，其中，水平梯度矩阵和垂直梯度矩阵的分辨率均为为m×n，并且矩阵中的每个元素均为3×3大小的矩阵。
进一步地，在上述发明实施例的基础上，水平Sobel算子和垂直Sobel算子至少包括：
其中，Dx表示水平Sobel算子，Dy表示垂直Sobel算子。
S250、将水平梯度矩阵的平方与垂直梯度矩阵的平方之和作为梯度矩阵。
在本发明实施例中，在得到水平梯度矩阵和垂直梯度矩阵之后，可以进一步计算对应的梯度值，即将水平梯度矩阵的平方与垂直梯度矩阵的平方之和作为梯度矩阵。示例性的，若水平梯度矩阵为Gx，垂直梯度矩阵为Gy，则梯度矩阵G＝(Gx)2+(Gy)2。
S260、对梯度矩阵中的所有元素执行求和运算以得到边缘图像。
在本发明实施例中，梯度矩阵中的每个元素均为3×3大小的矩阵，可以将梯度矩阵中的每个元素进行相加以得到新的灰度值，在对梯度矩阵中的所有元素都执行求和运算后，即可得到边缘图像。
S270、调用预设霍夫变换检测规则检测二值化处理后的边缘图像中的呈波形特征的放电特征区域。
其中，预设霍夫变换检测规则可以是指预先配置的用于检测放电特征区域的霍夫变换检测规则，霍夫变换是一种用于提取图像特征的方法，可以用来检测直线、圆形以及椭圆形等形状。
在本发明实施例中，由于局部放电信号在时频域图谱中的波形形状为某种特定形状，例如当局部放电信号为衰减振荡波形时，其在经过Choi-Williams变换后的时频域图谱中展现为类似椭圆的光圈，而噪声信号在时频域图中多呈现散点分布或线性分布，基于此原理，可以调用预先配置的预设霍夫变换检测规则对二值化处理后的边缘图像中的波形特征进行提取，以提取出所需的放电特征区域。
S280、按照放电特征区域将时频域图谱中的非放电特征区域对应的坐标点赋值为0，以实现剔除时频域图谱中的噪声。
其中，非放电特征区域可以是指时频域图谱中需要去除的特征区域，即噪声或者其他干扰所表现的区域。
在本发明实施例中，在检测出放电特征区域之后，可以在时频域图谱中将非放电特征区域即放电特征区域以外的区域的坐标点全部赋值为0，只保留放电特征区域内的坐标点信息，进而实现剔除局部放电信号在时频域图谱中的噪声。进一步地，在实现剔除局部放电信号在时频域图谱中的噪声之后，若放电特征区域为椭圆形，则可以将时频域图谱中各椭圆的中心点提取出来，并将中心点的横坐标作为局部放电信号的产生时间，以及将中心点的纵坐标作为局部放电信号的振荡频率，根据该局部放电信号的振荡频率特征可以帮助分析以及识别电力设备的工作状态。
本发明实施例的技术方案，通过调用预设时频域分析工具处理局部放电信号以得到时频域图谱，对时频域图谱进行灰度化处理，得到图谱灰度图像，利用灰度值为0的像素块对图谱灰度图像进行边缘扩充，再采用预设窗口大小的窗口遍历选取边缘扩充的图谱灰度图像中的所有图像块，并将图像块组成元素矩阵，调用水平Sobel算子和垂直Sobel算子分别与元素矩阵中的元素进行相乘，以得到水平梯度矩阵和垂直梯度矩阵，将水平梯度矩阵的平方与垂直梯度矩阵的平方之和作为梯度矩阵，对梯度矩阵中的所有元素执行求和运算以得到边缘图像，调用预设霍夫变换检测规则检测二值化处理后的边缘图像中的呈波形特征的放电特征区域，按照放电特征区域将时频域图谱中的非放电特征区域对应的坐标点赋值为0，以实现剔除时频域图谱中的噪声。本发明实施例通过调用预设时频域分析工具对局部放电信号计算时频域图谱并进行灰度处理，再采用Sobel算子检测局部放电信号在时频域分布的边缘特征，最后利用局部放电信号和噪声信号在频域图谱中的波形特征差异，调用预设霍夫变换检测规则提取边缘图像中含有波形特征的分量，基于该波形特征分量实现了局部放电信号中噪声信号的有效和快速去除，可以辅助工作人员快速识别电力设备的工作状态。
实施例三
图3为本发明实施例三提供的一种局部放电信号去噪方法的流程图。本实施例在上述实施例的基础上，提供了一种局部放电信号去噪方法的一个实施方式，能够实现去除局部放电信号中的噪声信号。如图3所示，本发明实施例三提供的一种局部放电信号去噪方法，具体包括如下步骤：
S310、搭建不同类型的局部放电模型。
在本发明实施例中，分别搭建了四种类型的局放模型(即局部放电模型)，分别为电晕放电、沿面放电、内部放电以及悬浮放电。测试电路结构如图4所示，利用工作频带为1～30MHz，传输阻抗大于8Ω的高频电流互感器(High Frequency Current Transformer，HFCT)作为监测终端进行局部放电检测，将其置于接地回路中并通过RIGOL MSO5104示波器触发模式来观测局部放电模型所产生的局部放电信号。该示波器拥有4个模拟通道且带宽为100MHz，实时采样率为8Gsa/s，存储深度为100Mpts，波形捕获率高于500000个波形每秒，可完全满足实验测试的需求。
S320、采集原始局部放电信号时域数据，并基于Choi-Williams变换获取其对应的时频域图谱。
在本发明实施例中，可以利用示波器等信号采集装置采集原始局部放电信号的时域图谱，并基于Choi-Williams变换获取其对应的时频域图谱。具体的，假设原始局部放电信号为x(t)，采用Cohen类时频分布得到转换后的函数S(t,w)，目前常用的时频域分布方法为Wigner-Vill分布，Wigner-Vill分布的定义如下：
为了降低交叉项对局部放电信号判断的影响，本发明实施例采用Choi-Williams变换改善时频域谱，Choi-Williams变换实质是在Wigner-Vill分布的基础上，引入了平滑窗函数，本发明实施例采用的平滑窗函数如下式所示：
其中，ξ表示窗函数衰减系数，衰减系数的选择原则是在不发生交叉项干扰的情况下，尽可能保证时频谱较高的分辨率，本发明实施例选择ξ＝1，代入窗函数式后即可得到处理局部放电信号的Choi-Williams变换公式：
S330、调用Sobel检测规则获取时频域图谱的边缘灰度图像。
在本发明实施例中，假设时频域图像的分辨率为m×n，对时频域图像进行灰度处理后得到m×n的局放信号灰度矩阵G。在进行边缘检测前将矩阵G的外围填充灰度值为0的像素块，形成新的大小为(m+2)×(n+2)的矩阵G’。之后采用3×3的正方形像素框遍历选取矩阵G’中的不同像素块。选取的像素块作为单个元素组成矩阵E，矩阵E的大小为m×n。采用Sobel算子与矩阵E中的每个元素相乘，得到x方向梯度矩阵Gx和y方向梯度矩阵Gy公式如下：
Gx和Gy的大小均是m×n，矩阵的每个元素同样为3×3的矩阵，将矩阵Gx和Gy继续运算，得到梯度矩阵G，运算过程如下：
G(m,n)＝[Gx(m,n)]2+[Gy(m,n)]2
其中，梯度矩阵G的大小为m×n，矩阵G的每个元素同样为3×3的矩阵，将梯度矩阵G(m,n)中的每个元素相加，得到新的灰度值，对矩阵G中所有元素进行求和计算，即可得到大小为m×n的边缘图像灰度矩阵A，该矩阵的元素灰度值范围为0～255，对该矩阵进行可视化处理以得到时频域图谱的边缘灰度图像。
S340、调用霍夫变换检测规则提取不包含噪声信号的局部放电信号以及去除噪声信号。
在本发明实施例中，由于局部放电信号一般采用指数衰减振荡波形的局部放电信号，其在Choi-Williams变换后的时频域图谱中展现为类似椭圆的光圈，而噪声信号在时频域图谱中多呈现散点分布或线性分布，因此可以对含噪声的时频域波形选取类似椭圆波形以提取不包含噪声信号的局部放电信号。具体的，可以先对边缘灰度图像进行二值化处理，再将处理后的边缘灰度图像进行霍夫变换，霍夫变换的原理是利用下述椭圆坐标方程：
其中，a和b分别表示椭圆的半长轴和半短轴，(p0，q0)表示椭圆的中心点，(p，q)表示椭圆上的坐标点，θ表示旋转角度。将二值化处理后的边缘灰度图像的所有像素点分别代入到上述椭圆坐标方程中，经过不断迭代拟合后，会提取出若干个椭圆光圈，在时频域图谱中将椭圆光圈之外的坐标点赋值为0，即可得到去噪后的局部放电信号时频域图像。此外，通过各个椭圆光圈的中心点坐标(p0，q0)可以判断出局部放电信号的产生时间和振荡频率，其中，产生时间为p0，振荡频率为q0，根据该局部放电信号的振荡频率特征可以帮助分析以及识别电力设备的工作状态。
图5为本发明实施例三提供的一种局部放电信号的时域波形图。如图5所示，该局部放电信号存在较大的电磁噪声。对包含噪声的局部放电信号进行基于Choi-Williams变换获取其对应的时频域图谱如图6所示，由图6可以看出，叠加噪声后的局部放电信号在时频域图谱的亮度减弱，同时除了明显的椭圆光圈外，还存在大量线状、点状的信号分量，证明了时频域图谱中存在噪声干扰。图7为本发明实施例三提供的一种霍夫变换检测的示例图。如图7所示，利用霍夫变换会提取出若干个椭圆光圈，将图6中椭圆光圈之外的坐标点赋值为0，即可得到如图8所示的去噪后的时频域图像。由图8可以看出，局部放电信号的发生时间和放电频率较为清晰，实现了局部放电信号的去噪。
本发明实施例三提供的局部放电信号去噪方法，可以在实验室内开展不同类型的典型局部放电信号的采集和分析，得到不同类型局部放电信号的振荡频率特征，将该参数作为现场数据的参考，对于工程实际具有较大的参考价值。
本发明实施例的技术方案，通过搭建不同类型的局部放电模型，采集原始局部放电信号时域数据，并基于Choi-Williams变换获取其对应的时频域图谱，调用Sobel检测规则获取时频域图谱的边缘灰度图像，调用霍夫变换检测规则提取不包含噪声信号的局部放电信号以及去除噪声信号。本发明实施例通过搭建不同类型的局部放电模型，获取局部放电信号基于Choi-Williams变换的时频域图谱，再调用Sobel检测规则检测局部放电信号在时频域分布的边缘特征，最后利用局部放电信号和噪声信号在频域图谱中的波形特征差异，调用霍夫变换检测规则提取边缘图像中含有椭圆特征的分量，基于该椭圆特征分量实现了局部放电信号中噪声信号的有效和快速去除，滤除后的波形对局部放电信号的特征频率和时域特征可以得到有效识别，可以辅助工作人员快速识别电力设备的工作状态。
实施例四
图9为本发明实施例四提供的一种局部放电信号去噪装置的结构示意图。如图9所示，该装置包括：
图谱确定模块41，用于确定获取的局部放电信号的时频域图谱。
边缘确定模块42，用于确定时频域图谱的边缘图像。
噪声剔除模块43，用于按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。
本发明实施例的技术方案，通过图谱确定模块确定获取的局部放电信号的时频域图谱，边缘确定模块确定时频域图谱的边缘图像，噪声剔除模块按照局部放电信号的波形特征确定边缘图像中的放电特征区域，并按照放电特征区域剔除时频域图谱中的噪声。本发明实施例通过利用局部放电信号和噪声信号在频域图谱中的波形特征差异，进而按照局部放电信号的波形特征确定在局部放电信号的时频域图谱中的放电特征区域，基于放电特征区域便于去除局部放电信号中的噪声信号，可以辅助工作人员快速识别电力设备的工作状态。
进一步地，在上述发明实施例的基础上，图谱确定模块41包括：
图谱获取单元，用于调用预设时频域分析工具处理局部放电信号以得到时频域图谱。
进一步地，在上述发明实施例的基础上，预设时频域分析工具至少包括Choi-Williams变换，Choi-Williams变换的公式表示如下：
其中，x(t)表示局部放电信号，S(t,w)表示局部放电信号的Choi-Williams变换结果，W(t,τ,u)表示平滑窗函数，t表示时间，w表示频率，*表示复数共轭操作，e表示以自然常数为底的指数操作，j表示虚数单位符号。
进一步地，在上述发明实施例的基础上，边缘确定模块42包括：
灰度处理单元，用于对时频域图谱进行灰度化处理，得到图谱灰度图像。
元素矩阵获取单元，用于利用灰度值为0的像素块对图谱灰度图像进行边缘扩充，再采用预设窗口大小的窗口遍历选取边缘扩充的图谱灰度图像中的所有图像块，并将图像块组成元素矩阵。
算子处理单元，用于调用水平Sobel算子和垂直Sobel算子分别与元素矩阵中的元素进行相乘，以得到水平梯度矩阵和垂直梯度矩阵。
梯度矩阵获取单元，用于将水平梯度矩阵的平方与垂直梯度矩阵的平方之和作为梯度矩阵。
边缘矩阵获取单元，用于对梯度矩阵中的所有元素执行求和运算以得到边缘图像。
进一步地，在上述发明实施例的基础上，水平Sobel算子和垂直Sobel算子至少包括：
进一步地，在上述发明实施例的基础上，噪声剔除模块43包括：
特征区域检测单元，用于调用预设霍夫变换检测规则检测二值化处理后的边缘图像中的呈波形特征的放电特征区域。
噪声剔除单元，用于按照放电特征区域将时频域图谱中的非放电特征区域对应的坐标点赋值为0，以实现剔除时频域图谱中的噪声。
进一步地，在上述发明实施例的基础上，局部放电信号的波形特征至少包括在时频域图谱中的波形形状为椭圆形状。
本发明实施例所提供的局部放电信号去噪装置可执行本发明任意实施例所提供的局部放电信号去噪方法，具备执行方法相应的功能模块和有益效果。
实施例五
图10示出了可以用来实施本发明的实施例的电子设备50的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图10所示，电子设备50包括至少一个处理器51，以及与至少一个处理器51通信连接的存储器，如只读存储器(ROM)52、随机访问存储器(RAM)53等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器51可以根据存储在只读存储器(ROM)52中的计算机程序或者从存储单元58加载到随机访问存储器(RAM)53中的计算机程序，来执行各种适当的动作和处理。在RAM 53中，还可存储电子设备50操作所需的各种程序和数据。处理器51、ROM 52以及RAM 53通过总线54彼此相连。输入/输出(I/O)接口55也连接至总线54。
电子设备50中的多个部件连接至I/O接口55，包括：输入单元56，例如键盘、鼠标等；输出单元57，例如各种类型的显示器、扬声器等；存储单元58，例如磁盘、光盘等；以及通信单元59，例如网卡、调制解调器、无线通信收发机等。通信单元59允许电子设备50通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器51可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器51的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器51执行上文所描述的各个方法和处理，例如局部放电信号去噪方法。
在一些实施例中，局部放电信号去噪方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元58。在一些实施例中，计算机程序的部分或者全部可以经由ROM 52和/或通信单元59而被载入和/或安装到电子设备50上。当计算机程序加载到RAM 53并由处理器51执行时，可以执行上文描述的局部放电信号去噪方法的一个或多个步骤。备选地，在其他实施例中，处理器51可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行局部放电信号去噪方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种局部放电信号去噪方法，其特征在于，所述方法包括：
确定获取的局部放电信号的时频域图谱；
确定所述时频域图谱的边缘图像；
按照所述局部放电信号的波形特征确定所述边缘图像中的放电特征区域，并按照所述放电特征区域剔除所述时频域图谱中的噪声。
2.根据权利要求1所述的方法，其特征在于，所述确定获取的局部放电信号的时频域图谱，包括：
调用预设时频域分析工具处理所述局部放电信号以得到所述时频域图谱。
3.根据权利要求2所述的方法，其特征在于，所述预设时频域分析工具至少包括Choi-Williams变换，所述Choi-Williams变换的公式表示如下：
其中，x(t)表示所述局部放电信号，S(t,w)表示所述局部放电信号的Choi-Williams变换结果，W(t,τ,u)表示平滑窗函数，t表示时间，w表示频率，*表示复数共轭操作，e表示以自然常数为底的指数操作，j表示虚数单位符号。
4.根据权利要求1所述的方法，其特征在于，所述确定所述时频域图谱的边缘图像，包括：
对所述时频域图谱进行灰度化处理，得到图谱灰度图像；
利用灰度值为0的像素块对所述图谱灰度图像进行边缘扩充，再采用预设窗口大小的窗口遍历选取所述边缘扩充的所述图谱灰度图像中的所有图像块，并将所述图像块组成元素矩阵；
调用水平Sobel算子和垂直Sobel算子分别与所述元素矩阵中的元素进行相乘，以得到水平梯度矩阵和垂直梯度矩阵；
将所述水平梯度矩阵的平方与所述垂直梯度矩阵的平方之和作为梯度矩阵；
对所述梯度矩阵中的所有元素执行求和运算以得到所述边缘图像。
5.根据权利要求4所述的方法，其特征在于，所述水平Sobel算子和所述垂直Sobel算子至少包括：
6.根据权利要求1所述的方法，其特征在于，所述按照所述局部放电信号的波形特征确定所述边缘图像中的放电特征区域，并按照所述放电特征区域剔除所述时频域图谱中的噪声，包括：
调用预设霍夫变换检测规则检测二值化处理后的所述边缘图像中的呈所述波形特征的所述放电特征区域；
按照所述放电特征区域将所述时频域图谱中的非放电特征区域对应的坐标点赋值为0，以实现剔除所述时频域图谱中的所述噪声。
7.根据权利要求1或6所述的方法，所述局部放电信号的所述波形特征至少包括在所述时频域图谱中的波形形状为椭圆形状。
8.一种局部放电信号去噪装置，其特征在于，所述装置包括：
图谱确定模块，用于确定获取的局部放电信号的时频域图谱；
边缘确定模块，用于确定所述时频域图谱的边缘图像；
噪声剔除模块，用于按照所述局部放电信号的波形特征确定所述边缘图像中的放电特征区域，并按照所述放电特征区域剔除所述时频域图谱中的噪声。
9.一种电子设备，其特征在于，所述电子设备包括：
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，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的局部放电信号去噪方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的局部放电信号去噪方法。
CN202310596233.1A 2023-05-24 2023-05-24 局部放电信号去噪方法、装置、电子设备和存储介质 Pending CN116701842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310596233.1A CN116701842A (zh) 2023-05-24 2023-05-24 局部放电信号去噪方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310596233.1A CN116701842A (zh) 2023-05-24 2023-05-24 局部放电信号去噪方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN116701842A true CN116701842A (zh) 2023-09-05

Family

ID=87823077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310596233.1A Pending CN116701842A (zh) 2023-05-24 2023-05-24 局部放电信号去噪方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116701842A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020398A (zh) * 2014-06-03 2014-09-03 华北电力大学 一种换流变压器局部放电波形特征提取方法
JP2020076640A (ja) * 2018-11-07 2020-05-21 株式会社東芝 部分放電検出装置、部分放電検出方法、部分放電検出システム及びコンピュータプログラム
CN113379671A (zh) * 2021-02-23 2021-09-10 华北电力大学 一种开关类设备局部放电诊断系统及诊断方法
CN113838077A (zh) * 2021-08-17 2021-12-24 淮阴工学院 一种基于改进的Canny算子的亚像素边缘提取方法
CN114325256A (zh) * 2021-11-25 2022-04-12 中国电力科学研究院有限公司 一种电力设备局部放电识别方法、系统、设备及存储介质
CN116108334A (zh) * 2022-12-30 2023-05-12 国网江苏省电力有限公司电力科学研究院 一种局部放电信号的窄带干扰滤除方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020398A (zh) * 2014-06-03 2014-09-03 华北电力大学 一种换流变压器局部放电波形特征提取方法
JP2020076640A (ja) * 2018-11-07 2020-05-21 株式会社東芝 部分放電検出装置、部分放電検出方法、部分放電検出システム及びコンピュータプログラム
CN113379671A (zh) * 2021-02-23 2021-09-10 华北电力大学 一种开关类设备局部放电诊断系统及诊断方法
CN113838077A (zh) * 2021-08-17 2021-12-24 淮阴工学院 一种基于改进的Canny算子的亚像素边缘提取方法
CN114325256A (zh) * 2021-11-25 2022-04-12 中国电力科学研究院有限公司 一种电力设备局部放电识别方法、系统、设备及存储介质
CN116108334A (zh) * 2022-12-30 2023-05-12 国网江苏省电力有限公司电力科学研究院 一种局部放电信号的窄带干扰滤除方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110082135A (zh) 设备故障识别方法、装置和终端设备
Zhao et al. Parameter optimal determination for canny edge detection
CN113409284B (zh) 电路板故障检测方法、装置、设备以及存储介质
CN115389816B (zh) 一种电网谐波与间谐波的检测方法
CN113344862B (zh) 缺陷检测方法、装置、电子设备及存储介质
CN111598801A (zh) 一种用于微弱Mura缺陷的识别方法
CN110673000B (zh) 一种油浸式电流互感器局部放电在线监测方法及装置
CN114968743A (zh) 一种异常事件监控方法、装置、设备及介质
Zhao et al. Analysis of image edge checking algorithms for the estimation of pear size
Dai et al. Leakage region detection of gas insulated equipment by applying infrared image processing technique
CN117934897A (zh) 一种设备异常检测方法、装置、设备以及存储介质
CN113389541A (zh) 一种油井动液面信号高精度提取方法
CN116701842A (zh) 局部放电信号去噪方法、装置、电子设备和存储介质
Ahmed Image enhancement and noise removal by using new spatial filters
Zhou et al. Data Inspecting and Denoising Method for Data‐Driven Stochastic Subspace Identification
CN110703058A (zh) 基于超声识别的局部放电检测方法、装置及终端
CN113361444B (zh) 一种图像处理方法、装置、电子设备及存储介质
KR102083215B1 (ko) 전자기파 적합성 시험장치와 이를 이용한 전자기파 적합성 시험 방법
CN118038470B (zh) 水尺水位识别方法、装置、电子设备及存储介质
CN118521719B (zh) 一种虚拟人三维模型确定方法、装置、设备及存储介质
CN117991026A (zh) 一种干扰传输路径的测试方法、装置、设备和介质
CN117745699A (zh) 一种缺陷检测方法、装置、电子设备以及存储介质
CN117372386A (zh) 货物超板区域的检测方法、装置、设备和介质
CN118154463A (zh) 一种图像处理方法、装置、设备及存储介质
Fabris-Rotelli et al. Spatial Statistics

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