【技术实现步骤摘要】
一种电力设备电流信号降噪方法及装置
[0001]本专利技术涉及信号处理
,尤其涉及一种电力设备电流信号降噪方法及装置。
技术介绍
[0002]目前,电力设备的运行状态评估主要是以数值型电流信号为依据,而数值型电流信号往往伴随着许多工业噪声,因此,精准去除噪声获得完整清晰的电流信号,对评估电力设备的运行状态有着决定性作用。
[0003]电力设备电流信号通常含有无结构的强随机噪声和无序的脉冲噪声,具有非平稳的特点,相比于平稳电流信号,这类电流信号在进行降噪时,其信息特征更难保留。
[0004]电流信号降噪方法主要有小波变换、经验模态分解、传统奇异谱分析。以傅里叶变换为基础的小波变换克服了全局的局限性,能有效捕捉局部特征,但使用小波变换时需人为设置基波和分解尺度等参数,会使结果造成偏差。经验模态分解(empirical mode decomposition,EMD)是一种自适应电流信号处理方法,能够将任意电流信号中不同尺度的趋势或波形分解成具有不同特征尺度的时序电流信号,但存在模态混叠现象。奇异谱分析(singular spectrum analysis,SSA)是一种数据自适应驱动的非参时序电流信号分解技术,它的优势在于不需要预先设置任何参数影响分解结果。从电流信号分解的角度看来,时序电流信号通常被认为是趋势电流信号、周期电流信号和无结构噪声电流信号的总合。例如,S.Enshaeifar等利用SSA成功从声学电流信号中提取趋势电流信号,将生物电流信号扩展为几个可解释分量的加合。SSA在处理时序电流信 ...
【技术保护点】
【技术特征摘要】
1.一种电力设备电流信号降噪方法,其特征在于,包括:通过预先构造的滑动窗口遍历原始电流信号,按信号时序从所述原始电流信号中截取出多个电流信号片段,并分别根据每一所述电流信号片段构造一个汉克尔矩阵,得到多个所述汉克尔矩阵;采用奇异谱分析分别将每一所述汉克尔矩阵分解为多个电流信号矩阵,并采用层次聚类将与同一所述汉克尔矩阵对应的所有所述电流信号矩阵聚类成趋势电流信号矩阵、周期电流信号矩阵和噪声电流信号矩阵;分别对与同一所述汉克尔矩阵对应的所述趋势电流信号矩阵、所述周期电流信号矩阵和所述噪声电流信号矩阵进行对角平均化,得到多个趋势电流信号片段、多个周期电流信号片段和多个噪声电流信号片段;分别从每一所述趋势电流信号片段、每一所述周期电流信号片段和每一所述噪声电流信号片段中提取若干个电流信号点,得到多个趋势信号点、多个周期信号点和多个噪声信号点;分别按信号时序对所有所述趋势信号点、所有所述周期信号点和所有所述噪声信号点进行信号拼接,得到趋势电流信号、周期电流信号和噪声电流信号,并根据所述趋势电流信号和所述周期电流信号进行信号重构,得到目标电流信号。2.如权利要求1所述的电力设备电流信号降噪方法,其特征在于,所述通过预先构造的滑动窗口遍历原始电流信号,按信号时序从所述原始电流信号中截取出多个电流信号片段,具体为:获取所述原始电流信号,并构造一个滑动步长为预设滑动步长,窗口长度为预设窗口长度的窗口作为所述滑动窗口;根据所述预设滑动步长,按所述原始电流信号的信号时序从前到后的顺序逐步移动所述滑动窗口,并在每次移动时截取所述滑动窗口内的原始电流信号作为所述电流信号片段。3.如权利要求2所述的电力设备电流信号降噪方法,其特征在于,所述原始电流信号为:s={s
n
,n=1,2,......,N};其中,s
n
为所述原始电流信号中的第n个电流信号点,N为所述原始电流信号的长度;所述电流信号片段为:其中,p为所述滑动窗口的移动步数,表示第p个所述电流信号片段,Δ为所述预设滑动步长,W为所述预设窗口长度。4.如权利要求1所述的电力设备电流信号降噪方法,其特征在于,所述分别根据每一所述电流信号片段构造一个汉克尔矩阵,得到多个所述汉克尔矩阵,具体为:分别根据每一所述电流信号片段,构造一个行数等于预设嵌入维度、列数为预设列数的汉克尔矩阵,得到多个所述汉克尔矩阵;其中,所述预设列数是根据所述预设嵌入维度和对应所述电流信号片段的长度而设置的。5.如权利要求4所述的电力设备电流信号降噪方法,其特征在于,所述汉克尔矩阵为:
其中,p为所述滑动窗口的移动步数,X
p
表示与第p个所述电流信号片段对应的第p个所述汉克尔矩阵,a
j
、a
k
分别为第p个所述电流信号片段的第一个电流信号点和最后一个电流信号点,L为预设嵌入维度,L满足1<L<k
‑
j+1。6.如权利要求1所述的电力设备电流信号降噪方法,其特征在于,所述采用奇异谱分析分别将每一所述汉克...
【专利技术属性】
技术研发人员:陈鹏,汪进锋,邰彬,吕鸿,姚瑶,金杨,黄杨珏,王志华,
申请(专利权)人:广东电网有限责任公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。