基于室内智能巡检机器人的开关柜局放检测方法技术

本发明专利技术提出了基于室内智能巡检机器人的开关柜局放检测方法，本发明专利技术利用局放信号幅值突变的特点设置判决条件，并通过单位窗能量的增量反映信号幅值变化，可以从含有干扰数据中识别出局放信号，实现局放信号与噪声信号的分离；基于局放信号信噪比确定单位窗能量的增量选取范围，可以根据实际情况选择更为精确的单位窗能量的增量范围，避免引入过多的干扰；本发明专利技术通过幅值判决条件获得疑似局放信号，疑似局放信号再经过两次筛查，滤除开关脉冲信号以及反射干扰信号，以获得更为纯净的局放信号。以获得更为纯净的局放信号。以获得更为纯净的局放信号。

【技术实现步骤摘要】
基于室内智能巡检机器人的开关柜局放检测方法


[0001]本专利技术涉及电力变压器局部放电检测
，尤其涉及基于室内智能巡检机器人的开关柜局放检测方法。

技术介绍

[0002]近年来，巡检机器人广泛应用在变电站检测中，并搭载无线局放传感器，巡检机器人内部集成的局放检测单元捕捉各种放电信息，进行局放检测。由于背景噪声的存在，巡检机器人采集的信号含有大量的噪声，使单个局放脉冲信号的边缘变的很不明显；另外局放检测现场有大量的干扰脉冲，给后期的局部放电脉冲信号特性分析、识别以及放电次数统计带来了一定的困难。因此，确定局部放电脉冲信号的边缘位置，准确地从背景噪声以及干扰脉冲中准确寻找局部放电脉冲波形已成为电力变压器局部放电检测技术关键问题之一。
[0003]噪声干扰主要为窄带周期干扰和白噪声。针对这两种噪声抑制方法，常见的有小波分析和经验模态分解(EMD)等时频分析方法，然而小波分析难以选取合适的小波基和阈值。EMD则缺乏严格的数学推导，存在频带混叠、端点效应等问题，且两者在去除噪声的同时会造成原局放信号特征的损失，算法本身的局限性加上局放信号与噪声的复杂特性，整体去噪效果一般。
[0004]因此，为了解决上述问题，本专利技术提供了基于室内智能巡检机器人的开关柜局放检测方法，利用噪声功率设置阈值可有效分离放电信号与背景噪声，并提供阈值选取规则，为实现噪声分离和局放定位提供更精确的阈值范围。

技术实现思路

[0005]有鉴于此，本专利技术提出了基于室内智能巡检机器人的开关柜局放检测方法，利用噪声功率设置阈值可有效分离放电信号与背景噪声，并提供阈值选取规则，为实现噪声分离和局放定位提供更精确的阈值范围。
[0006]本专利技术的技术方案是这样实现的：本专利技术提供了基于室内智能巡检机器人的开关柜局放检测方法，包括以下步骤：
[0007]S1、对获取的原始信号进行加窗傅里叶变换处理，基于单位窗能量函数计算相邻单位窗能量的增量ΔE；
[0008]S2、设置相邻单位窗能量的增量阈值e，若ΔE≥e，则判定相邻单位窗所包含的数据为疑似局放信号，将该窗内数据保存在集合Q中；反之，则判定相邻单位窗所包含的数据为噪声，并将该窗内数据全部置零；
[0009]S3、对集合Q中的局放信号中连续T/2内的数据点全部置零，T为振荡波周期，并将剩余局放信号保存在集合Q1中；
[0010]S4、将集合Q1中局放信号的最大幅值作为参考值，并设置判决条件，剔除不满足判决条件的局放信号；其中，判决条件为：V
k
≥p
×
V
max
，其中，V
k
为集合Q1中第k个局放信号的幅值峰值，V
max
为集合Q1中局放信号的最大幅值，p为阈值系数，p∈(0,1)。
[0011]在以上技术方案的基础上，优选的，S2中阈值e的确定方法包括以下步骤：
[0012]S101、基于局放信号的幅值最大值和幅值最小值设置阈值区间，按照固定步进长度将阈值区间划分为S个区间；
[0013]S102、计算原始信号的信噪比，按照信噪比从小到大的顺序将信噪比量化为S个不同等级，若原始信号的信噪比处于第一等级，则阈值e选取第S个区间中任意值；若原始信号的信噪比处于第二等级，则阈值e选取第S
‑
1个区间中任意值；依次类推。
[0014]在以上技术方案的基础上，优选的，S1中单位窗能量函数为：
[0015]式中，V(i)表示第i个数据点的幅值；M为数据总长度，K为数据窗长度且数据窗每次移动K个点；i＝j
‑
1；
[0016]S2中相邻单位窗能量的增量ΔE为：ΔE＝|E
j
‑
E
i
|；E
j
为第j个单位窗的能量；E
i
为第i个单位窗的能量。
[0017]在以上技术方案的基础上，优选的，还包括以下步骤：
[0018]S5、基于TEV法实现多源局部放电信号分离和聚合；
[0019]S6、对分离的每类局部放电信号，利用超高频定位技术对局部放电源进行大致定位，在初步定位范围利用超高频和超声相结合或多组超声传感器对局部放电源进行精确定位；
[0020]S7、根据超高频信号的相位分布特征判断局放类型，并据局部放电的位置、类型和强度，判断局放缺陷的严重程度。
[0021]在以上技术方案的基础上，优选的，S5具体包括以下步骤：
[0022]S201、基于短时傅里叶变换时频分析，提取局部放电信号的时间中心和频率中心特征参数，并以此进行聚类，以区分多个局放源的信号；
[0023]S202、将多放电源的信号区分开之后，再使用统计学方法，对单个局放源的基于相位分辨的局放图谱进行模式识别。
[0024]在以上技术方案的基础上，优选的，S201还包括以下步骤：引入时间中心和频率中心的中心距评估时频分析谱图的分布不均匀度，基于时间中心
‑
频率中心
‑
中心距的三维图谱区分多个局放源。
[0025]在以上技术方案的基础上，优选的，S201中时间中心特征参数的计算公式为：
[0026][0027]式中，t
c
为时间中心；STFT(t
i
,f
j
)表示信号在t
i
时刻和f
j
频率下的短时傅里叶变换结果；N为采样点数。
[0028]在以上技术方案的基础上，优选的，S201中频率中心特征参数的计算公式为：
[0029]式中，f
c
为频率中心。
[0030]在以上技术方案的基础上，优选的，S201中时间中心和频率中心的中心距的计算公式为：
[0031]式中，μ
c
为时间中心和频率中心的中心距。
[0032]本专利技术的基于室内智能巡检机器人的开关柜局放检测方法相对于现有技术具有以下有益效果：
[0033](1)本专利技术利用局放信号幅值突变的特点设置判决条件，并通过单位窗能量的增量反映信号幅值变化，可以从含有干扰数据中识别出局放信号，实现局放信号与噪声信号的分离；
[0034](2)基于局放信号信噪比确定单位窗能量的增量选取范围，可以根据实际情况选择更为精确的单位窗能量的增量范围，避免引入过多的干扰；
[0035](3)本专利技术通过幅值判决条件获得疑似局放信号，疑似局放信号再经过两次筛查，滤除开关脉冲信号以及反射干扰信号，以获得更为纯净的局放信号；
[0036](4)以时频分析为基础，提取信号时频特性的时间中心和频率中心作为多局放源信号分离的参数，可以在时间中心
‑
频率中心平面内将多局放源分离；进一步的，为了避免多种局放信号易发生混叠导致无法区分两类放电的问题，本专利技术引入时间中心和频率中心的中心距评估时频分析谱图的分布不均匀度，以解决该问题。
附图说明...

【技术保护点】

【技术特征摘要】
1.基于室内智能巡检机器人的开关柜局放检测方法，其特征在于：包括以下步骤：S1、对获取的原始信号进行加窗傅里叶变换处理，基于单位窗能量函数计算相邻单位窗能量的增量ΔE；S2、设置相邻单位窗能量的增量阈值e，若ΔE≥e，则判定相邻单位窗所包含的数据为疑似局放信号，将该窗内数据保存在集合Q中；反之，则判定相邻单位窗所包含的数据为噪声，并将该窗内数据全部置零；S3、对集合Q中的局放信号中连续T/2内的数据点全部置零，T为振荡波周期，并将剩余局放信号保存在集合Q1中；S4、将集合Q1中局放信号的最大幅值作为参考值，并设置判决条件，剔除不满足判决条件的局放信号；其中，判决条件为：V
k
≥p
×
V
max
，其中，V
k
为集合Q1中第k个局放信号的幅值峰值，V
max
为集合Q1中局放信号的最大幅值，p为阈值系数，p∈(0,1)。2.如权利要求1所述的基于室内智能巡检机器人的开关柜局放检测方法，其特征在于：所述S2中阈值e的确定方法包括以下步骤：S101、基于局放信号的幅值最大值和幅值最小值设置阈值区间，按照固定步进长度将阈值区间划分为S个区间；S102、计算原始信号的信噪比，按照信噪比从小到大的顺序将信噪比量化为S个不同等级，若原始信号的信噪比处于第一等级，则阈值e选取第S个区间中任意值；若原始信号的信噪比处于第二等级，则阈值e选取第S
‑
1个区间中任意值；依次类推。3.如权利要求1所述的基于室内智能巡检机器人的开关柜局放检测方法，其特征在于：所述S1中单位窗能量函数为：式中，V(i)表示第i个数据点的幅值；M为数据总长度，K为数据窗长度且数据窗每次移动K个点；i＝j
‑
1；S2中相邻单位窗能量的增量ΔE为：ΔE＝|E
j
‑
E
i
|；E
j
为第j个单位窗的能量；E
i
为第i个单位窗的能量...

【专利技术属性】
技术研发人员：夏小鹏，张聪，魏万水，林兴，晏斌，郑德龙，
申请(专利权)人：武汉慧测电力科技有限公司，
类型：发明
国别省市：