【技术实现步骤摘要】
本专利技术属于涉及变压器内部局部放电超声波信号判别，具体涉及一种基于核主成分分析(kernel principal component analysis,kpca)伪白化法盲信号分离(fastica)的变压器多源局部放电定位方法。
技术介绍
1、电力变压器的寿命取决于其绝缘系统的状况，由于持续使用，绝缘系统容易老化和恶化。因此，迫切需要一种技术手段对变压器的绝缘状况进行评估。超声波在线监测技术可以早期发现绝缘劣化问题，监测电力变压器的状态趋势。但由于生产环境的复杂性，变压器的绝缘状态具有多种属性，比如存在多个局放源和强干扰等。多种信号混合后为准确信号提取提升了难度。
技术实现思路
1、本专利技术提供了一种基于核主成分分析伪白化法盲信号分离的变压器多源局部放电定位方法，为变压器现场测试环境中的噪声以及干扰问题导致的超声波信号检测精度低以及多角度识别问题提供了解决方法。
2、本专利技术采用如下技术方案：
3、一种核主成分分析的盲信号定位变压器多源局放的方法，包括以下步骤：
4、步骤1、用变压器局部放电超声波信号阵列传感器接收多源局部放电超声波信号x；
5、步骤2、选择一个多项式核函数k(x,y)，在高维空间中计算协方差矩阵cf＝φ(x)[φ(x)]h；
6、步骤3、对cf做中心化处理，得到零均值矩阵；特征值分解cf，得到特征值与特征向量。
7、步骤4、构造改进的伪白化矩阵，伪白化矩阵处理步骤3所得零均值矩阵，得到伪
8、步骤5、利用盲信号分离算法(fastica)处理步骤4所得伪白化零均值矩阵，得到分离矩阵和信号估计矩阵；
9、步骤6、利用步骤5所得分离矩阵，计算幅相模糊对角校正矩阵；
10、步骤7、将幅相模糊校正矩阵乘以分离矩阵，获取波束形成器的权值矩阵，由权值矩阵分离出波束权向量；
11、步骤8、依据超声波传感器阵元布局形状，构造导向矢量矩阵，依次计算矢量矩阵与步骤7所得每个波束权向量的乘积，得到功率谱图；
12、步骤9、对步骤8所得功率谱图搜索最大值，所述最大值对应的角度即是超声波信号来波方向。
13、所述步骤1中，用变压器局部放电超声波信号阵列传感器接收多源局部放电超声波信号，假设入射信号为s(n)，n(t)为噪声，z(t)为干扰信号，为直流偏磁引发的变压器振动，共同作用于传感器阵列阵元上，a为阵元接收矩阵，其接收信号x表示为：
14、x＝as(n)+n(t)+z(t) (1)
15、k个入射信号组合成k×n维向量，表示为：
16、x＝[x1,x2,…,xn] (2)
17、所述步骤2中，考虑x是一个线性不可分的数据集，采用映射函数将x映射到高维空间中，该非线性映射记为：
18、φ(x):rk→rd,d＞＞k (3)
19、将映射后的空间记为特征空间f，
20、选择一个多项式核函数k(x,y)＝<x,y>d，将x中的所有元素都映射到特征空间f中，得到一个新的d×n矩阵：
21、φ(x)＝[φ(x1),φ(x2),…,φ(xn)] (4)
22、所述步骤3中，对φ(x)中心化处理，得到零均值的矩阵φ(x)，在特征空间f中对φ(x)进行主成分pca降维，首先计算出零均值φ(x)的协方差矩阵：
23、
24、cf是d×d矩阵，
25、对cf做特征值分解，
26、
27、其中λ为特征值对角阵，p为特征向量矩阵。λ按从大到小排序为[λ1＞＞λ2≥,…,≥λk,0,…0]。
28、所述步骤4包括以下步骤：选择λ和p中前k个值组成伪白化矩阵：
29、vs＝σush＝diag(λ1,…,λk)[p(λ1) … p(λk)]h (7)
30、利用伪白化矩阵vs处理入射信号x，得到处理后的信号：
31、y＝vsx (8)
32、y为伪白化数据。
33、所述步骤5包括以下步骤：使用盲信号分离算法(fastica)处理伪白化数据y，迭代更新，得到分离矩阵以及信号估计矩阵，具体公式为：
34、[ynew,m]＝fastica(y,k) (9)
35、式中，ynew是信号估计矩阵，m是分离矩阵。
36、所述步骤6中，计算步骤5所得分离矩阵m的伪逆矩阵为b，即：
37、
38、p为盲分离的顺序模糊，是置换矩阵，p-1是对步骤1所提阵元接收矩阵a进行列置换；相位模糊矩阵d是对角矩阵；式(3)结果矩阵b的首行包含了相位模糊信息，从b中提取出第一行数据形成对角矩阵，便可对估计信号进行幅相模糊校正；于是有：
39、e＝diag{b(1,:)} (11)
40、e为信号幅相模糊校正矩阵。
41、所述步骤7包括以下步骤：
42、将步骤5所得分离矩阵m乘以步骤6所得幅相模糊校正矩阵e，获得了权值矩阵mvector：
43、mvector＝mhe＝mhdiagh{b(1,:)} (12)
44、其中，h为矩阵的转置；
45、用步骤5所得幅相模糊校正矩阵e校正步骤5所得信号估计矩阵y，得到校正后信号估计矩阵yy：
46、yy＝diag{b(1,:)}ynew (13)
47、计算yy各行向量的平均功率e{|yy|2}，记为y(n)，对y(n)从小到大排序，值越小，代表噪声越小，能够分离更加纯净的信号。按照y(n)的升序排列方式对权值矩阵mvector排序，其波束形成权向量表示为：
48、m＝mvector(:,i) (14)
49、i为行向量序号；取mvector第一行为波束权向量m1，第一行为m2，以此类推，一直得到mknum。
50、所述步骤8中，依照超声波线性阵元方式，构建导向矢量矩阵，波束权向量依次乘以导向矢量，计算功率谱。
51、所述步骤9中包括：寻找步骤8所得功率谱中最大值，即获得信号的入射方向。
52、为达到上述目的，本专利技术所述一种基于核主成分分析伪白化法盲信号分离的变压器多源局部放电定位方法，与现有技术相比，本专利技术至少具有以下有益的技术效果：
53、在变压器本身振动以及周围强噪声干扰环境下，本专利技术所提方法使用基于核主成分分析(kernel principal component analysis,kpca)伪白化法的盲信号分离(fastica)，能够在三维空间中处理未知源信号与未知信号混本文档来自技高网...
【技术保护点】
1.一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤1中，用变压器局部放电超声波信号阵列传感器接收多源局部放电超声波信号，假设入射信号为s(n)，n(t)为噪声，z(t)为干扰信号，为直流偏磁引发的变压器振动，共同作用于传感器阵列阵元上，A为阵元接收矩阵，其接收信号x表示为：
3.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤2中，考虑X是一个线性不可分的数据集，采用映射函数将X映射到高维空间中，该非线性映射记为：
4.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤3中，对φ(X)中心化处理，得到零均值的矩阵φ(X)，在特征空间F中对φ(X)进行主成分PCA降维，首先计算出零均值φ(X)的协方差矩阵：
5.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤4包括以下步骤：选择Λ和P中前
6.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤5包括以下步骤：使用盲信号分离算法(FastICA)处理伪白化数据y，迭代更新，得到分离矩阵以及信号估计矩阵，具体公式为：
7.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤6中，计算步骤5所得分离矩阵M的伪逆矩阵为B，即：
8.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤7包括以下步骤：
9.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤8中，依照超声波线性阵元方式，构建导向矢量矩阵，波束权向量依次乘以导向矢量，计算功率谱。
10.根据权利要求1所述的一一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤9中包括：寻找步骤8所得功率谱中最大值，即获得信号的入射方向。
...【技术特征摘要】
1.一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤1中，用变压器局部放电超声波信号阵列传感器接收多源局部放电超声波信号，假设入射信号为s(n)，n(t)为噪声，z(t)为干扰信号，为直流偏磁引发的变压器振动，共同作用于传感器阵列阵元上，a为阵元接收矩阵，其接收信号x表示为：
3.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤2中，考虑x是一个线性不可分的数据集，采用映射函数将x映射到高维空间中，该非线性映射记为：
4.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征在于，所述步骤3中，对φ(x)中心化处理，得到零均值的矩阵φ(x)，在特征空间f中对φ(x)进行主成分pca降维，首先计算出零均值φ(x)的协方差矩阵：
5.根据权利要求1所述的一种核主成分分析的盲信号定位变压器多源局放的方法，其特征...
【专利技术属性】
技术研发人员：郝东新，辛蕾，尚宇，唐子卓，杨昌建，徐丹，程丹妮，任双赞，王荆，张泽宇，
申请(专利权)人：国网陕西省电力有限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。