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() 基于传感器的高压电缆多源局放智能定位方法及系统技术方案_技高网

基于传感器的高压电缆多源局放智能定位方法及系统技术方案

技术编号:41130383 阅读:7 留言:0更新日期:2024-04-30 17:59
本发明专利技术涉及高压电缆多源局放定位技术领域,具体涉及一种基于传感器的高压电缆多源局放智能定位方法及系统,该方法包括:采集原始电磁信号;获取信号包络均值序列;计算噪声能量集中度;进而计算幅频极差噪声估计指数;获取各原始电磁信号的频率分量向量;计算信号衰减系数;进而计算各原始电磁信号的周期性窄带干扰指数;获取各电磁信号窗口序列的各窗口的幅频极差噪声干扰指数;根据幅频极差噪声干扰指数结合小波变换获取各原始电磁信号的电磁信号窗口序列的各窗口在各层的自适应噪声干扰指数阈值,获取高压电缆局放信号,进行高压电缆局放智能定位。从而使过滤的噪声更加精确,得到更准确的局放信号,以便于实现对局放源更精准的定位。

【技术实现步骤摘要】

本专利技术涉及高压电缆多源局放定位,具体涉及一种基于传感器的高压电缆多源局放智能定位方法及系统


技术介绍

1、高压电缆是一种用于输送电能的电力设备,主要用于电力系统中输送电力以及配电系统与其他各种电力设备之间的连接。高压电缆的等级通常在110千伏及以上。高压电缆局部放电是一种非常常见的故障问题,局部放电不但会严重影响电场分布,导致电场畸变,而且会使绝缘材料腐蚀、老化,最终造成绝缘击穿,导致设备故障,进而引发更严重的后果。因此,对于高压电缆的状态进行监测和维护非常重要,以确保电力系统的可靠性和安全性。通常在对局部放电源进行监测和定位时,一般采用uhf超高频局放检测方法,基于多个传感器对高压电缆进行检测,通过分析传感器采集到的数据,实现对电缆局部放电位置进行智能定位,该技术可以有效地提高电力系统的可靠性和安全性,减少电力系统故障对电网的影响。

2、局部放电检测过程中噪声来源有很多,对局放信号的识别造成很大影响。最坏的情况的是噪声强度很大,局放信号完全湮没在噪声干扰中,这样将对定位局部放电源造成很大干扰。通常可以采用小波分解的技术对原始电磁信号进行去噪,但是由于噪声在信号中分布是不均匀的,在进行小波分解时的阈值处理时,小波阈值不能更贴切的根据当前时刻噪声的强度进行自适应的调整。


技术实现思路

1、为了解决上述技术问题,本专利技术的目的在于提供一种基于传感器的高压电缆多源局放智能定位方法及系统,所采用的技术方案具体如下:

2、第一方面,本专利技术实施例提供了一种基于传感器的高压电缆多源局放智能定位方法,该方法包括以下步骤:

3、采集各霍尔效应磁场传感器的原始电磁信号;根据原始电磁信号的幅值获取各原始电磁信号的信号包络均值序列;根据原始电磁信号的幅值和信号包络均值序列获取各电磁信号窗口序列中各窗口的噪声能量集中度;根据噪声能量集中度和原始电磁信号的幅值获取各电磁信号窗口序列中各窗口的幅频极差噪声估计指数;使用傅里叶变化和峰值检测算法获取各原始电磁信号的频率分量向量;根据频率分量向量中的能量值获取各原始电磁信号的信号衰减系数;根据信号衰减系数、主要频率的能量和频率带宽获取各原始电磁信号的周期性窄带干扰指数;根据周期性窄带干扰指数和幅频极差噪声估计指数获取各电磁信号窗口序列的各窗口的幅频极差噪声干扰指数;

4、根据幅频极差噪声干扰指数结合小波变换获取各原始电磁信号的电磁信号窗口序列的各窗口在各层的自适应噪声干扰指数阈值,根据自适应噪声干扰指数阈值获取小波分解过滤后的高压电缆局放信号,结合时间差法对高压电缆局放信号进行高压电缆局放智能定位。

5、进一步,所述根据原始电磁信号的幅值获取各原始电磁信号的信号包络均值序列,包括:

6、对于各原始电磁信号,使用峰值检测算法获取原始电磁信号中所有极大值点和极小值点;

7、使用最小二乘法,对原始电磁信号中所有的极大值点进行曲线拟合获取原始电磁信号的上包络线,对原始电磁信号中所有的极小值点进行曲线拟合获取原始电磁信号的下包络线;

8、每间隔预设时长对上包络线和下包络线的值进行采样,计算各采样时刻上包络线和下包络线的均值,将所述均值按照时间顺序排列获取各原始电磁信号的信号包络均值序列。

9、进一步,所述根据原始电磁信号的幅值和信号包络均值序列获取各电磁信号窗口序列中各窗口的噪声能量集中度,包括:

10、对原始电磁信号按照预设窗口大小进行划分获取各原始电磁信号的各窗口,组成电磁信号窗口序列;对于电磁信号窗口序列中各窗口中的原始电磁信号幅值,每间隔预设时长对各电磁信号窗口序列中的原始电磁信号幅值进行采样,并将每间隔预设时长的时刻作为各窗口的各信号时刻;

11、对于各原始电磁信号中的各窗口,计算窗口中所有原始电磁信号的幅值的均值,计算窗口中各信号时刻的幅值与所述均值的差值绝对值作为第一差值绝对值;

12、对于电磁信号窗口序列中各窗口中的各信号时刻,计算信号时刻的原始电磁信号的幅值与前一相邻信号时刻的原始电磁信号的幅值的差值绝对值作为第二差值绝对值,计算所述第二差值绝对值与预设参数调控因子的和值,计算所述第一差值绝对值与所述和值的比值作为第一比值,计算窗口中所有所述第一比值的和值作为第一和值;

13、计算窗口中的原始电磁信号的幅值的最大值与最小值的差值,计算所述差值与预设参数调控因子的和值作为第二和值,将所述第一和值与所述第二和值的比值作为各原始电磁信号的各窗口的噪声能量集中度。

14、进一步,所述根据噪声能量集中度和原始电磁信号的幅值获取各电磁信号窗口序列中各窗口的幅频极差噪声估计指数,包括:

15、对于各电磁信号窗口序列的各窗口,计算窗口中所有原始电磁信号的幅值的信号近似熵,计算窗口的噪声能量集中度和所述信号近似熵的乘积;计算窗口中的原始电磁信号与后一相邻窗口的原始电磁信号的dtw距离,计算所述dtw距离与预设参数调控因子的和值作为第三和值,计算所述乘积与所述第三和值的比值作为各电磁窗口序列中各窗口的幅频极差噪声估计指数。

16、进一步,所述使用傅里叶变化和峰值检测算法获取各原始电磁信号的频率分量向量,包括:

17、使用傅里叶变换对原始电磁信号进行处理,获取原始电磁信号的频谱;

18、使用峰值检测算法获取原始电磁信的频谱的能量值的波峰,将所有波峰中的最大能量值的频率分量作为主要频率分量,获取所有能量值大于所述最大能量值的十分之一值的频率分量,记为主要频率,将原始电磁信号中所有所述主要频率按照其对应能量值从小到大的顺序进行排序获取各原始电磁信号的频率分量向量。

19、进一步,所述根据频率分量向量中的能量值获取各原始电磁信号的信号衰减系数,包括:

20、计算各原始电磁信号的频率分量向量中的各主要频率在所有霍尔效应磁场传感器中的最大值与最小值的差值绝对值,将原始电磁信号的所有所述差值绝对值的和值作为各原始电磁信号的信号衰减系数。

21、进一步所述根据信号衰减系数、主要频率的能量和频率带宽获取各原始电磁信号的周期性窄带干扰指数,包括:

22、对于各原始电磁信号的频率分量向量,计算频率分量向量中各主要频率的频率带宽与所述主要频率分量的频率带宽之间的差值绝对值,计算主要频率分量的能量、所述差值绝对值和原始电磁信号的信号衰减系数三者之间的乘积,计算各主要频率的能量与所述乘积的比值,将原始电磁信号中所有所述比值的和值作为各原始电磁信号的周期性窄带干扰指数。

23、进一步,所述根据周期性窄带干扰指数和幅频极差噪声估计指数获取各电磁信号窗口序列的各窗口的幅频极差噪声干扰指数,包括:

24、计算各原始电磁信号的电磁信号窗口序列的各窗口的幅频极差噪声估计指数与原始电磁信号的周期性窄带干扰指数的乘积作为各原始电磁信号的电磁信号窗口序列的各窗口的幅频极差噪声干扰指数。

25、进一步,所述根据幅频极差噪声干扰指数结合小波变换获取各原始电磁信本文档来自技高网...

【技术保护点】

1.一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,该方法包括以下步骤:

2.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据原始电磁信号的幅值获取各原始电磁信号的信号包络均值序列,包括:

3.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据原始电磁信号的幅值和信号包络均值序列获取各电磁信号窗口序列中各窗口的噪声能量集中度,包括:

4.如权利要求3所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据噪声能量集中度和原始电磁信号的幅值获取各电磁信号窗口序列中各窗口的幅频极差噪声估计指数,包括:

5.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述使用傅里叶变化和峰值检测算法获取各原始电磁信号的频率分量向量,包括:

6.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据频率分量向量中的能量值获取各原始电磁信号的信号衰减系数,包括:

7.如权利要求5所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据信号衰减系数、主要频率的能量和频率带宽获取各原始电磁信号的周期性窄带干扰指数,包括:

8.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据周期性窄带干扰指数和幅频极差噪声估计指数获取各电磁信号窗口序列的各窗口的幅频极差噪声干扰指数,包括:

9.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据幅频极差噪声干扰指数结合小波变换获取各原始电磁信号的电磁信号窗口序列的各窗口在各层的自适应噪声干扰指数阈值,包括:

10.一种基于传感器的高压电缆多源局放智能定位系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。

...

【技术特征摘要】

1.一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,该方法包括以下步骤:

2.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据原始电磁信号的幅值获取各原始电磁信号的信号包络均值序列,包括:

3.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据原始电磁信号的幅值和信号包络均值序列获取各电磁信号窗口序列中各窗口的噪声能量集中度,包括:

4.如权利要求3所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述根据噪声能量集中度和原始电磁信号的幅值获取各电磁信号窗口序列中各窗口的幅频极差噪声估计指数,包括:

5.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述使用傅里叶变化和峰值检测算法获取各原始电磁信号的频率分量向量,包括:

6.如权利要求1所述的一种基于传感器的高压电缆多源局放智能定位方法,其特征在于,所述...

【专利技术属性】
技术研发人员:李延超蔺国勇冯波高永辉石群王琴邹明颖张智毕清雪房体品张敏
申请(专利权)人:百脉英华科技有限公司
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