一种基于经验模态分解滤波的电缆故障信号检测方法技术

本发明专利技术提供一种基于经验模态分解滤波的电缆故障信号检测方法，使用经验模态分解方法分析发射脉冲信号及回波脉冲信号的时频分布规律，将其分解为一系列本征模函数分量，通过自相关分析确定噪声主导分量和有用信号主导分量的分界点，对有用信号主导分量进行重构，实现信号的时频域滤波；分析滤波结果发现直接去除噪声主导分量也会将有用信号的某些分量同时舍去，对此提出了改进方法，通过小波滤波的方法对噪声主导的本征模分量先进行滤波处理，将处理后的结果与有用信号主导的本征模分量相加来重构信号，得到了一种有效的滤波方法。

【技术实现步骤摘要】

本专利技术涉及电力电缆故障检测技术，具体涉及一种基于经验模态分解滤波的电缆故障信号检测方法。
技术介绍
随着社会的飞速发展，土地资源日趋紧张，同时为了美化环境，电力线路由以往占地多的明线方式改为地埋方式。但随之而来的问题是一旦发生故障，又由于电力电缆的跨越空间大，寻找故障点十分困难，不仅浪费了大量的人力、物力，而且会造成难以估计的停电损失。如工矿生产事故、或银行系统、机场调度系统、铁路运输系统和生活供电的中断。另一方面，电缆线路的故障诊断比架空输电线路故障诊断任务要艰巨得多，因为电缆线路不能像架空线路那样具有直接观测性。如果电缆故障点的测试结果与实际情况相差较大，也就失去了意义。因此，电缆故障诊断要求有更为精确的方法。根据电力电缆的故障性质，可采用的测试方法主要有低压脉冲法、直流高压闪络法和冲击高压闪络法。无论采用什么测试方法，都有一个共性问题，就是如何在较强的背景噪声和干扰信号下提取微弱的有用信号。信号的处理一般有模拟信号处理和数字信号处理，模拟信号处理是用模拟的方法对信号进行表征、转换和处理的过程，这种处理方式相对于数字处理而言，精度低、灵活性差、信号处理能力低和功能单一等不足。数字信号处理中数字滤波在诸多领域均有广泛的应用。
技术实现思路
本专利技术的目的在于提供一种基于经验模态分解滤波的电缆故障信号检测方法，提高电缆故障诊断识别系统中检测数据的质量。为达到上述目的，本专利技术采用如下技术方案：一种基于经验模态分解滤波的电缆故障信号检测方法，包括以下步骤：1)利用经验模态分解技术，按照信号的局部时间尺度将信号从高频到低频层层分解，获得N个本征模函数c1(t),c2(t),…,cn(t)：2)根据自相关函数 R x ( τ ) = lim T → ∞ 1 T ∫ 0 T x ( t ) x ( t + τ ) d t ]]>确定有用信号和噪声信号的分界点，对N个本征模函数c1(t),c2(t),…,cn(t)进行经验模态分解得到各阶本征模分量imfn，imfn表示第n个本征模分量，对各阶本征模分量imfn分别作自相关分析，根据随机噪声的自相关函数的特点，判断前m阶为噪声主导分量，选择后面的n-m阶分量为用来重构信号的有用信号主导本征模分量；3)对噪声主导分量进行尺度为5的多尺度一维小波分解，将得到的结果与有用信号主导本征模分量相加号重构信号。进一步，所述步骤3)对噪声主导分量进行尺度为5的多尺度一维小波分解时选用sym4小波基函数，然后应用尺度5的低频成分进行多尺度一维小波重构。本专利技术提出了基于经验模态分解去噪方法在电缆故障信号检测中的应用。使用自相关分析确定噪声主导分量和有用信号主导分量的分界点，实现信号的时频域滤波；分析滤波结果发现直接去除噪声主导分量也会将有用信号的某些分量同时舍去，对此提出了改进方法，通过小波滤波的方法对噪声主导的本征模分量先进行滤波处理，将处理后的结果与有用信号主导的本征模分量相加来重构信号，得到了一种有效的滤波方法。基于经验模态分解滤波的电缆故障信号检测方法，当电力电缆发生故障后，迅速、准确地确定故障点，不但可以减少故障修复费用及停电损失，同时也能提高供电的可靠性。电缆故障检测信号易受测试现场的噪声干扰，故障反射脉冲特征点不易被识别，无法满足故障定位要求。本专利技术通过经验模态分解(EMD)方法分析了受扰脉冲信号的时频分布规律，实现了基于自相关函数的方法来判定本征模分量中的噪声主导与有用信号主导分量的分界点。由于该方法会将噪声主导分量中的部分有用信号一同剔除，对信号重构精度有一定的影响，对此提出了通过小波滤波的方法对噪声主导本征模分量中的有用信号提取，仿真分析表明该方法提高了滤波效果。附图说明图1低阻故障检测理想波形图2低阻故障实际采样波形图3对测量数据直接经验模态分解所得信号分量图4经验模态分解后各分量自相关分析图5重构信号与原始信号的比较图6小波去噪后信号重构图7改进后的滤波信号与原滤波具体实施方式下面实施例对本专利技术进一步详细说明，但本专利技术不限于这些实施例。1经验模态分解滤波分析1.1经验模态分解经验模态分解方法基于信号本身的局部特征时间尺度，通过特殊的处理方法，把复杂信号分解成一系列的本征模函数分量。经验模态分解方法不再受海森伯格测不准原理限制，分解过程基于信号自身的特征进行分解，能够获得很高的频率变化率；而且该方法分解过程不需要信号的先验知识，具有很好的自适应性。经验模态分解方法具有划时代的重大意义，它为现代信号处理分析的方法研究提供了新的方向和思路。1.2经验模态分解滤波信号的噪声滤除一直是信号处理领域的热点问题。在实际的生活生产过程中，信号在采集传输的过程中都会不可避免的掺杂噪声的干扰。当信号的噪声污染严重时，就会严重影响信号的分析处理，得不到有用信号的准确信息，进而影响工作效率和精准度。因此，从信号中滤除噪声，准确获取信号中的有用信息，具有非常重要的意义。传统的滤除噪声的方法主要有傅里叶变换法，Wiener滤波、中值滤波、小波变换等。经验模态分解方法是最新的信号分析理论，它按照信号的局部时间尺度将信号从高频到低频层层分解，获得有限的本征模函数，根据这一特点，本专利技术根据信号处理的要求，选取某些阶数的本征模分量来重构信号，得到信号在某一频率范围内的表示，达到滤波的效果。Flandrin P研究了基于经验模态分解的滤波器特性，对于信号分解得到的N个本征模函数c1(t),c2(t),…,cn(t)：1)去掉本征模分量后面的若干较低频率的成分，由剩余的前几个较高频率本征模分量重构信号，可以得到高通滤波器： x h p ( t ) = Σ j = 1 h c j ( t ) , ( h < N ) ]]>2)去掉本征模分量前面的若干较高频率的成分，由剩余的的后几个较低频率的本征模分量重构信号，可以得到低通滤波器： x l p ( t ) = Σ j = k N 本文档来自技高网...

【技术保护点】
一种基于经验模态分解滤波的电缆故障信号检测方法，其特征在于包括以下步骤：1)利用经验模态分解技术，按照信号的局部时间尺度将信号从高频到低频层层分解，获得N个本征模函数分量c1(t),c2(t),…,cn(t)：2)根据自相关函数Rx(τ)=limT→∞1T∫0Tx(t)x(t+τ)dt]]>确定有用信号和噪声信号的分界点，对N个本征模函数c1(t),c2(t),…,cn(t)进行经验模态分解得到各阶本征模分量imfn，imfn表示第n个本征模分量，对各阶本征模分量imfn分别作自相关分析，根据随机噪声的自相关函数的特点，判断前m阶为噪声主导分量，选择后面的n‑m阶分量为用来重构信号的有用信号主导本征模分量；3)对噪声主导分量进行尺度为5的多尺度一维小波分解，将得到的结果与有用信号主导本征模分量相加重构信号。

【技术特征摘要】
1.一种基于经验模态分解滤波的电缆故障信号检测方法，其特征在于包括以下步骤：1)利用经验模态分解技术，按照信号的局部时间尺度将信号从高频到低频层层分解，获得N个本征模函数分量c1(t),c2(t),…,cn(t)：2)根据自相关函数 R x ( τ ) = lim T → ∞ 1 T ∫ 0 T x ( t ) x ( ...

【专利技术属性】
技术研发人员：白晓斌，米建伟，梁军科，曹宝秦，郑建康，薛军，陈磊，蒋志炀，赵学凤，雒绪滨，鹿彬，
申请(专利权)人：国家电网公司，国网陕西省电力公司宝鸡供电公司，西安电子科技大学，西安华谱电力设备制造有限公司，
类型：发明
国别省市：北京;11