System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种故障录波数据去噪方法技术_技高网

一种故障录波数据去噪方法技术

技术编号:40509019 阅读:8 留言:0更新日期:2024-03-01 13:24
本申请涉及一种故障录波数据去噪方法,包括:使用基于奇异值离散差分谱自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的故障录波数据进行基于经验小波变换(EWT)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪,最后得到去噪后的故障录波数据,可以有效去除故障录波数据中的窄带噪声及白噪声。

【技术实现步骤摘要】

本申请涉及继电保护故障录波,具体涉及一种故障录波数据去噪方法


技术介绍

1、电力工业的持续发展,电网拓扑结构愈发复杂,对电网稳定的要求越来越高。继电保护装置是发现和隔离电网故障的基础设施,在输电线路中安装广泛,利用继电保护装置录波数据实现高精度故障定位一直是业界的期望,但继保录波数据存在采样率低、多点录波数据不同步、噪声大的特点。目前基于继保录波数据的故障定位方法的原理主要是基于阻抗法,阻抗法对数据质量敏感且普适性低。

2、电网的故障录波数据通常包含多种噪声和一些干扰,如窄带噪声、白噪声等,这些噪声和干扰直接影响了故障定位的精度,因此有效去除噪声成为采用故障录波数据进行故障定位的首要要求,但常规的均值滤波、中值滤波、高斯滤波等方法难以有效去除故障录波数据中的窄带噪声、白噪声。


技术实现思路

1、本申请旨在提出一种故障录波数据去噪方法,可以有效去除故障录波数据中的窄带噪声及白噪声。

2、本申请实施例提出一种故障录波数据去噪方法,包括以下步骤:

3、获取含有窄带噪声和白噪声的故障录波数据f,对所述故障录波数据f进行奇异值分解得到奇异值离散差分谱;

4、根据所述奇异值离散差分谱的峰值,选择所述峰值之前的k-1个奇异值重构窄带噪声噪声fnarrow;其中,k为峰值在所述奇异值离散差分谱中的位置;

5、将所述窄带噪声fnarrow从所述故障录波数据f中去除得到含有白噪声的故障录波数据fw;

6、对所述含有白噪声的故障录波数据fw进行经验小波变换得到各频率范围对应的模态分量;

7、计算所述含有白噪声的故障录波数据fw与所述各频率范围对应的模态分量的相关系数,并根据所述相关系数选择有用模态分量的分界层kth;

8、计算每个模态分量的峭度值,并选择峭度值大于等于所述分界层kth的峭度值的模态分量为有用模态分量;

9、对所述有用模态分量进行区间阈值去噪;

10、将区间阈值去噪后的有用模态分量组合成去噪信号fr。

11、进一步地,所述对所述故障录波数据f进行奇异值分解得到奇异值离散差分谱,具体包括:

12、对所述故障录波数据f进行奇异值分解得到式中:u和v分别表示l×l和k×k维正交矩阵,s表示l×k维的对角矩阵,所述对角矩阵的对角元素即是奇异值;

13、根据奇异值分解得到的所述对角矩阵获得奇异值序列;

14、根据以下公式以及所述奇异值序列进行计算得到奇异值离散差分谱{c1,c2,c3,···,cp-1};

15、ci=std([x1,...,xi])-std([x1,...,xi-1])

16、其中,c1=0;xi为所述奇异值序列中的第i个奇异值;i=2,3,···,p-1;p=min(k,l);std()为求解标准差函数。

17、进一步地,所述计算所述含有白噪声的故障录波数据fw与所述各频率范围对应的模态分量的相关系数,具体根据以下公式进行计算:

18、

19、其中,n为fw的信号长度;

20、进一步地,所述根据所述相关系数选择有用模态分量的分界层kth,具体根据以下公式计算确定:

21、kth=arg*lasti=1,2,…{corr(i)>c}+1

22、其中,c为常数;last{·}为求最后一个满足括号内条件值的函数。

23、进一步地,所述计算每个模态分量的峭度值,具体根据以下公式计算得到:

24、

25、其中,fi为第i个模态分量;为fi的均值。

26、进一步地,所述对所述有用模态分量进行区间阈值去噪,具体包括:

27、根据以下公式计算每个有用模态分量的区间阈值:

28、

29、其中,mi为第i个模态分量的绝对值中值;n为信号长度;

30、根据计算得到每个有用模态分量的区间阈值,对每个有用模态分量进行区间阈值去噪。

31、本申请实施例提出的故障录波数据去噪方法具有以下优点和特点:

32、本申请实施例提出基于自适应奇异值分解和经验小波变换的故障录波数据去噪算法,该方法不依赖于人工选择算法,使用基于奇异值离散差分谱自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的故障录波数据进行基于经验小波变换(empiricalwavelet transform,ewt)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪,最后得到去噪后的故障录波数据。鉴于故障定位中阻抗法对于录波数据质量很敏感,当故障录波数据噪声较大时,本申请实施例可极大的提高故障数据质量,相比同类技术,具有明显优势,从而为提高故障录波数据的有效利用,拓展故障录波数据的应用分析提供广泛的支持。

33、本申请实施例的其它特征和优点将在随后的说明书中阐述。

本文档来自技高网...

【技术保护点】

1.一种故障录波数据去噪方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述对所述故障录波数据f进行奇异值分解得到奇异值离散差分谱,具体包括:

3.根据权利要求2所述的方法,其特征在于,所述计算所述含有白噪声的故障录波数据fw与所述各频率范围对应的模态分量的相关系数,具体根据以下公式进行计算:

4.根据权利要求3所述的方法,其特征在于,所述根据所述相关系数选择有用模态分量的分界层kth,具体根据以下公式计算确定:

5.根据权利要求4所述的方法,其特征在于,所述计算每个模态分量的峭度值,具体根据以下公式计算得到:

6.根据权利要求5所述的方法,其特征在于,所述对所述有用模态分量进行区间阈值去噪,具体包括:

【技术特征摘要】

1.一种故障录波数据去噪方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述对所述故障录波数据f进行奇异值分解得到奇异值离散差分谱,具体包括:

3.根据权利要求2所述的方法,其特征在于,所述计算所述含有白噪声的故障录波数据fw与所述各频率范围对应的模态分量的相关系数,具体根据以下公式进行计算:

【专利技术属性】
技术研发人员:程卓李艳刘子俊张安龙晋龙兴张瑞邹俊君李鸿鑫
申请(专利权)人:深圳供电局有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1