基于图像信息熵与多元变分模态分解的局放信号去噪方法技术

本发明专利技术公开了基于图像信息熵与多元变分模态分解的局放信号去噪方法，通过将含噪信号转换成灰度图像，求解图像信息熵，结合皮尔逊相关系数与执行效率对多元变分模态分解中的模态数K进行优化以确定最优值，对含噪PD信号进行分解；计算各本征模态分量的峭度值，根据阈值判断该模态分量的性质特征，判定该模态分量属于PD主导分量还是噪声分量。采取3σ准则的数学统计方法滤除呈现正态分布的白噪声。对重构信号利用改进小波阈值法进行去噪，得到去噪后的PD信号；本发明专利技术去噪方法，能准确地对含噪PD信号进行降噪处理，在具有良好抑噪效果，能够还原PD信号波形特征的同时，要求算法的执行效率尽可能高。行效率尽可能高。行效率尽可能高。

【技术实现步骤摘要】
基于图像信息熵与多元变分模态分解的局放信号去噪方法


[0001]本专利技术属于电力系统工程信号处理和高压绝缘监测
，具体涉及基于图像信息熵与多元变分模态分解的局放信号去噪方法。

技术介绍

[0002]电气设备的绝缘缺陷总是伴随着局部放电，局部放电的不断发展导致绝缘的进一步恶化，最终导致设备故障。因此，PD检测有助于在设备发生故障前发现潜在缺陷并予以消除，局部放电是评价电缆绝缘状态的有效方法，对于电力设备健康状况的评估至关重要。PD测试是一种常用方法，但由于现场的电磁环境复杂恶劣，会存在白噪声干扰或周期窄带干扰，这些干扰会导致PD信号的波形发生严重畸变，影响测试结果的准确性，甚至被掩埋于背景噪声，从而影响后续的缺陷诊断与状态评估。

技术实现思路

[0003]本专利技术的目的是提供基于图像信息熵与多元变分模态分解的局放信号去噪方法，解决了电缆终端局部放电现场检测时存在白噪声、周期性窄带干扰，以及去噪过程中自适应性较弱的问题。
[0004]本专利技术所采用的技术方案是，基于图像信息熵与多元变分模态分解的局放信号去噪方法，具体按照以下步骤实施：
[0005]步骤1、对含噪局部放电信号进行分解，确定多元变分模态分解算法模态数；
[0006]步骤2、判定模态特征性质属于局部放电主导分量或者噪声分量；
[0007]步骤3、对噪声分量进行滤波处理；
[0008]步骤4、将滤波处理后的噪声分量与局部放电主导分量叠加得到重构局部放电信号，通过对重构局部放电信号Z进行改进小波阈值去噪，得到去噪后的局部放电信号。
[0009]本专利技术的特点还在于：
[0010]步骤1具体过程为：
[0011]步骤1.1、通过多元变分模态分解算法对含噪局部放电信号X进行分解，获得本征模态分量IMF
n
，n＝1，2，
…
，K，n为模态编号，K为模态数，定义初始条件：K＝1，迭代次数最大值为2000；
[0012]步骤1.2、通过叠加本征模态分量IMF
n
得到第一次噪声滤除后的重组局部放电信号Y，并将其转换为JPG格式的二维图像；
[0013]步骤1.3、对二维图像通过灰度处理得到灰度图像，并计算灰度图像的一维信息熵H；
[0014]步骤1.4、计算含噪局部放电信号X与重组局部放电信号Y的皮尔逊相关系数ρ，以及多元变分模态分解算法的执行效率η；
[0015]步骤1.5、判断是否满足ρ>0.95，若不满足，则K＝K+1，并返回步骤1.1；否则判断信息熵H是否最小，如果最小，输出模态数K为多元变分模态分解算法模态数；否则返回步骤
1.1。
[0016]步骤1.3中对二维图像通过灰度处理得到灰度图像的公式为：
[0017]Gray＝0.2126R+0.7152G+0.0772B
[0018]其中，R、G、B分别表示图像中红、绿、蓝三基色分量的像素。
[0019]步骤1.3中计算灰度图像的一维信息熵H公式为：
[0020][0021]其中，p
i
表示灰度值为i的像素所出现的概率。
[0022]步骤1.3中计算含噪局部放电信号X与重组局部放电信号Y的皮尔逊相关系数ρ的计算式如下：
[0023]其中，X和Y分别为含噪局部放电信号和重组局部放电信号；cov(X,Y)为含噪局部放电信号和重组局部放电信号的协方差；σ
X
、σ
Y
分别是含噪局部放电信号和重组局部放电信号的标准差；E(X)、E(Y)分别是含噪局部放电信号和重组局部放电信号的期望。
[0024]多元变分模态分解算法的执行效率η的计算公式为：
[0025][0026]其中，ρ为皮尔逊相关系数，t为多元变分模态分解算法运行的时间，单位为秒。
[0027]步骤2具体过程为：
[0028]步骤2.1、在确定模态数的基础上，对局部放电信号采用多元变分模态分解算法进行分解，得到各模态分量；
[0029]步骤2.2、计算各模态分量的峭度值；
[0030]步骤2.3、分别计算幅值为1mV，频率为1Hz的标准正弦信号y1与双指数衰减信号y2在信噪比为0dB的高斯白噪声下的峭度值与因为所以将较大值3.20作为阈值ε，以此区分各模态分量的特征性质：当模态分量的峭度值大于3.20时，判定该模态分量为局部放电主导分量，反之，该模态分量则为噪声分量。
[0031]步骤3具体过程为：对噪声分量进行3σ准则滤波处理，3σ准则滤波处理的计算式如下：
[0032][0033]其中，是各模态分量的标准差，为各模态分量的均值；
[0034]滤除呈正态分布的高斯白噪声，得到滤波后的噪声分量，此处为第二次噪声滤除。
[0035]步骤4中通过对重构局部放电信号Z进行改进小波阈值具体为：
[0036]改进阈值的表达式如下：
[0037][0038]其中，λ为通用阈值，λ
′
为改进的小波阈值；σ为重构局部放电信号的标准差；N为采样点个数；
[0039]改进阈值函数的表达式如下：
[0040][0041]其中，ω为未经处理的小波系数，ω
′
为经过阈值函数处理后的小波系数；
[0042]通过改进阈值函数和阈值对重构局部放电信号Z进行小波阈值去噪。
[0043]步骤4将滤波处理后的噪声分量与局部放电主导分量叠加得到重构局部放电信号计算式为：
[0044]Z＝a1IMF1+a2IMF2+
…
a
n
IMF
n
+b1IMF1+b2IMF2+
…
b
n
IMF
n
[0045]a
n
＝Logical{k(IMF
n
)>3.20}
[0046][0047]其中，Logical{
·
}为逻辑判断函数，满足{
·
}返回1，不满足{
·
}则返回0；k(
·
)为峭度值的计算；IMF
n
为各模态分量，n为模态编号，且n＝1，2，
…
，K，K为模态数；是各模态分量的标准差，为各模态分量的均值。
[0048]本专利技术的有益效果是：
[0049]1)、综合多方面因素优化MVMD算法的参数：通过将PD信号进行灰度处理转换成灰度图像或RGB二维图像，计算图像信息熵，可以用来作为图像质量的判断依据之一。其中，R＝G＝B的值称为灰度值，通过转换为灰度图像可以保留其梯度信息，并且大大提高计算速度与数据传输速率，还能在视觉上增加对比，突出目标区域。不同模态参数下，重组PD信号灰度图像的确定性程度不同，所包含的信息量也不同。图像信息熵值小，代表图像灰度分布的聚集特征越平均，说明重组PD信号所包含的平均信息量多，进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像信息熵与多元变分模态分解的局放信号去噪方法，其特征在于，具体按照以下步骤实施：步骤1、对含噪局部放电信号进行分解，确定多元变分模态分解算法模态数；步骤2、判定模态特征性质属于局部放电主导分量或者噪声分量；步骤3、对噪声分量进行滤波处理；步骤4、将滤波处理后的噪声分量与局部放电主导分量叠加得到重构局部放电信号，通过对重构局部放电信号Z进行改进小波阈值去噪，得到去噪后的局部放电信号。2.根据权利要求1所述基于图像信息熵与多元变分模态分解的局放信号去噪方法，其特征在于，步骤1具体过程为：步骤1.1、通过多元变分模态分解算法对含噪局部放电信号X进行分解，获得本征模态分量IMF
n
，n＝1，2，
…
，K，n为模态编号，K为模态数，定义初始条件：K＝1，迭代次数最大值为2000；步骤1.2、通过叠加本征模态分量IMF
n
得到第一次噪声滤除后的重组局部放电信号Y，并将其转换为JPG格式的二维图像；步骤1.3、对二维图像通过灰度处理得到灰度图像，并计算灰度图像的一维信息熵H；步骤1.4、计算含噪局部放电信号X与重组局部放电信号Y的皮尔逊相关系数ρ，以及多元变分模态分解算法的执行效率η；步骤1.5、判断是否满足ρ>0.95，若不满足，则K＝K+1，并返回步骤1.1；否则判断信息熵H是否最小，如果最小，输出模态数K为多元变分模态分解算法模态数；否则返回步骤1.1。3.根据权利要求2所述基于图像信息熵与多元变分模态分解的局放信号去噪方法，其特征在于，步骤1.3中所述对二维图像通过灰度处理得到灰度图像的公式为：Gray＝0.2126R+0.7152G+0.0772B其中，R、G、B分别表示图像中红、绿、蓝三基色分量的像素。4.根据权利要求2所述基于图像信息熵与多元变分模态分解的局放信号去噪方法，其特征在于，步骤1.3中所述计算灰度图像的一维信息熵H公式为：其中，p
i
表示灰度值为i的像素所出现的概率。5.根据权利要求2所述基于图像信息熵与多元变分模态分解的局放信号去噪方法，其特征在于，步骤1.3中所述计算含噪局部放电信号X与重组局部放电信号Y的皮尔逊相关系数ρ的计算式如下：其中，X和Y分别为含噪局部放电信号和重组局部放电信号；cov(X,Y)为含噪局部放电信号和重组局部放电信号的协方差；σ
X
、σ
Y
分别是含噪局部放电信号和重组局部放电信号的标准差；E(X)、E(Y)分别是含噪局部放电信号和重组局部放电信号的期望。6.根据权利要求2所述基于图像信息熵与多元变分模态分解的局放信号去噪方法，其
特征在于，所述多元变分模态分解算法的...

【专利技术属性】
技术研发人员：王晓卫，王雪，田影，屈新宇，张志华，王毅钊，岳阳，贾嵘，梁振锋，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：