基于时频域复合特征向量的环网柜局放故障特征提取方法技术

本发明专利技术属于环网柜故障监测技术领域，具体是涉及基于时频域复合特征向量的环网柜局放故障特征提取方法，采集环网柜内部局放信号，选取信号分析时窗，并将其内的局放信号分解成含有不同频谱信息的模态分量；分别计算各分量信号的时域指标及经时频变换算法处理后的频域指标；随后分别计算各指标正常情况下与故障情况下局放检测信号间的欧式距离，并根据预设阈值排除不合格指标；在剩余指标中选取最优指标集，并将其作为最终特征向量

【技术实现步骤摘要】
基于时频域复合特征向量的环网柜局放故障特征提取方法


[0001]本专利技术属于环网柜故障监测
，具体是涉及基于时频域复合特征向量的环网柜局放故障特征提取方法
。

技术介绍

[0002]随着电力行业的发展
、
电力网络规模的不断扩大，配电网环网柜的使用数量也在迅速增长；而环网柜作为电能传输与控制的中间环节，其安全可靠性直接影响到电力系统的安全稳定运行
。
环网柜内部高压电气设备通常因自身设计缺陷
(
如接头接触不良
、
线路布局不合理
)、
环境因素
(
如潮湿
、
高温及强磁环境
)
或人为操作不当导致柜内电缆绝缘材料的损伤，进而导致绝缘损坏部位的局部放电现象，其不同故障类型
(
如针板放电
、
沿面放电和内部放电
)
下表现的放电信号特征也有所差别
。
为准确识别局放故障类型，选择能表征局放故障信号本质特征的时频域特征指标集尤为重要；而在实际环网柜局放在线检测中，局放故障信号由于具有非平稳性
、
非线性性
、
噪声信号叠加等问题导致传统基于单一类型时域
、
其不同故障模式下局放采集信号间时频域特征难以区分，而缺乏有效的故障特征提取方法进一步导致后续局放故障类型识别的准确度不高问题
。
现有环网柜局放特征提取方法通常对采集到的高频局放信号进行模态分解，并求解各个模态分量的单一特征指标
(
如模糊熵
)
，再经传统特征选择方法
(
如主成分分析法
)
获取局放故障特征的最终表征向量；该类方法未充分考虑局放信号噪声带来的模态混叠影响，且所选指标类型单一
、
难以区分某些不同类型局放故障信号间的细微差别，不能充分挖掘指标与指标间
、
指标与判别结果间的耦合交互关系；此外，该类方法的特征选择环节受数据集样本特征及自身算法调参影响，导致最终获取的表征向量性能具有不稳定性，可解释性差的问题
。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供了基于时频域复合特征向量的环网柜局放故障特征提取方法，可在避免原始局放信息噪声干扰的同时，提取局放信号的时域及频域故障特征指标，并通过无需调参的特征选取方法获取局放故障的最佳特征指标集，解决了环网柜不同类型局放故障下故障特征提取困难的问题，为后续局放故障的在线诊断精度提供了保障
。
[0004]本专利技术所述的基于时频域复合特征向量的环网柜局放故障特征提取方法，包括以下步骤：
[0005]步骤1，利用局放检测仪采集环网柜内部局放信号，选取信号分析时窗，利用
ICEEMDAN
算法对分析时窗内的局放信号进行信号分解，将其分解成含有不同频谱信息的模态分量；
[0006]步骤2，对获取的各模态分量信号，分别计算各分量信号包括脉冲因子
、
波峰因数
、
波形因数
、
峰度
、
偏度和余隙因子在内的时域指标，以及经时频变换算法处理后包括频谱质心
、
频率方差
、
频率有效值
、
频谱峰度和偏度在内的频域指标，并将所述时域指标及频域指
标进行存储构成环网柜局放检测数据集；
[0007]步骤
3、
基于所述环网柜局放检测数据集，分别计算各指标正常情况下与故障情况下局放检测信号间的欧式距离，根据设定的欧氏距离阈值对指标进行排除，在剩余指标中选取最优指标集，得到最终特征向量
。
[0008]进一步的，步骤1中利用
ICEEMDAN
算法对分析时窗内的局放信号进行信号分解，将其分解成含有不同频谱信息的模态分量，具体为：
[0009]S1
‑
1、
向原始局放量测信号
x(t)
中添加一组白噪声
η
i
(t)
来构造新信号
x
i
(t)
，通过
x
i
(t)
局部均值求平均的方式获取第一组残差
r1(t)
和第一个模态分量
IMF1(t)
，如下列式子所示：
[0010]x
i
(t)
＝
x(t)+
β0E1(
η
i
(t))
[0011][0012]IMF1(t)
＝
x(t)
‑
r1(t)
[0013]式中，
β0和
E1为分别为第一次分解时信号的噪声标准差和算子，
M(x
i
(t))
为新信号
x
i
(t)
的局部均值函数，
i
和
I
分别为所构造新信号
x
i
(t)
的编号和总数目
。
[0014]S1
‑
2、
利用上一步骤所得残差构造新分解信号：
[0015]r
k
‑1(t)+
β
k
‑1E
k
(
η
i
(t))
，
[0016]其中，
r
k
‑1(t)
表示残差，
k≥2
；并对其采用局部均值求平均的获取第
k
组残差
r
k
(t)
和第
k
个模态分量
IMF
k
(t)
，如下列式子所示：
[0017][0018]IMF
k
(t)
＝
r
k
‑1(t)
‑
r
k
(t)
[0019]式中，
β
k
‑1和
E
k
为分别为第
k
次分解时信号的噪声标准差和算子，
k≥2
，
M(r
k
‑1(t)+
β
k
‑1E
k
(
η
i
(t)))
为新信号
r
k
‑1(t)+
β
k
‑1E
k
(
η
i
(t)))
的局部均值函数；
[0020]S1
‑
3、
重复步骤
S1
‑2直至
k
达到设定值
k
s
或残差分量小于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于时频域复合特征向量的环网柜局放故障特征提取方法，其特征在于，包括以下步骤：步骤
1、
利用局放检测仪采集环网柜内部局放信号，选取信号分析时窗，利用
ICEEMDAN
算法对分析时窗内的局放信号进行信号分解，将其分解成含有不同频谱信息的模态分量；步骤
2、
对获取的各模态分量信号，分别计算各分量信号的时域指标，以及经时频变换算法处理后的频域指标，并将所述时域指标及频域指标进行存储构成环网柜局放检测数据集；步骤
3、
基于所述环网柜局放检测数据集，分别计算各指标正常情况下与故障情况下局放检测信号间的欧式距离，根据设定的欧氏距离阈值对指标进行排除，在剩余指标中选取最优指标集，得到最终特征向量
。2.
根据权利要求1所述的基于时频域复合特征向量的环网柜局放故障特征提取方法，其特征在于，步骤1中利用
ICEEMDAN
算法对分析时窗内的局放信号进行信号分解，将其分解成含有不同频谱信息的模态分量，具体为：
S1
‑
1、
向原始局放量测信号
x(t)
中添加一组白噪声
η
i
(t)
来构造新信号
x
i
(t)
，通过
x
i
(t)
局部均值求平均的方式获取第一组残差
r1(t)
和第一个模态分量
IMF1(t)
，如下列式子所示：
x
i
(t)
＝
x(t)+
β0E1(
η
i
(t))IMF1(t)
＝
x(t)
‑
r1(t)
式中，
β0和
E1为分别为第一次分解时信号的噪声标准差和算子，
M(x
i
(t))
为新信号
x
i
(t)
的局部均值函数，
i
和
I
分别为所构造新信号
x
i
(t)
的编号和总数目
。S1
‑
2、
利用上一步骤所得残差构造新分解信号：
r
k
‑1(t)+
β
k
‑1E
k
(
η
i
(t))
，其中，
r
k
‑1(t)
表示残差，
k≥2
；并对其采用局部均值求平均的获取第
k
组残差
r
k
(t)
和第
k
个模态分量
IMF
k
(t)
，如下列式子所示：
IMF
k
(t)
＝
r
k
‑1(t)
‑
r
k
(t)
式中，
β
k
‑1和
E
k
为分别为第
k
次分解时信号的噪声标准差和算子，
k≥2
，
M(r
k
‑1(t)+
β
k
‑1E
k
(
η
i
(t)))
为新信号
r
k
‑1(t)+
β
k
‑1E
k
(
η
i
(t)))
的局部均值函数；
S1
‑
3、
重复步骤
S1
‑2直至
k
达到设定值
k
s
或残差分量小于3个局部极值，输出并记录分解得到的所有模态分量
。3.
根据权利要求1所述的基于时频域复合特征向量的环网柜局放故障特征提取方法，其特征在于，步骤2中，对各时域指标及频域指标的具体计...

【专利技术属性】
技术研发人员：徐霄，于海成，马宗雄，章如海，
申请(专利权)人：兴机电器集团有限公司，
类型：发明
国别省市：