一种基于谱峭度的局部放电信号识别方法技术

本发明专利技术为一种基于谱峭度的局部放电信号识别方法，首先通过短时傅立叶变换估计含噪信号的谱峭度，根据谱峭度与Wiener滤波之间的关系设计自适应最优带通滤波器，对含噪局部放电信号进行滤波，再进行2-3层的小波平滑去噪，得出比较理想的局部放电信号特征。该算法简单，计算方便，避免了小波去噪方法在信噪比较低时分解层数较多，容易丢失原有局部放电信号特征信息的缺点，大大提高了信噪比，而且失真度小，与理想局部放电信号的波形相似度最大。

【技术实现步骤摘要】

本专利技术涉及大型电力设备运行监测，尤其是设备早期绝缘故障诊断

技术介绍
随着电力系统的不断发展，电压等级越来越高，对大型电力设备的绝缘性能要求也越来越高。局部放电会逐渐腐蚀、损坏绝缘材料，使放电区域不断扩大，最终导致整个绝缘体击穿。电力设备内部早期故障产生的局部放电信号很微弱，而且现场存在着强烈的电磁干扰，局部放电信号往往被淹没在噪声中，对局部放电信号的检测和提取产生直接影响。 因此研究强噪声背景下的局部放电信号提取，对大型电力设备早期绝缘故障诊断有很重要的意义。目前研究局部放电信号提取识别的方法有小波方法，HHT (Hi Ibert-Huang Transform)方法、自适应滤波法等，它们对局部放电信号的处理都能达到一定的效果，但是也都存在各自的问题。如小波的多分辨率特性能将信号在不同尺度下进行多分辨分解， 在处理局放这类非平稳信号时能取得较好的效果，但是由于小波变换是基于波形匹配原则的，小波变换的基函数的选取和最佳小波分层数的确定都存在问题，所以不能保证最优的分解效果；HHT方法可以分析非线性、非平稳的信号，具有良好的局部适应性，但这种方法不可避免的产生虚假分量，存在端点效应和模态混叠，且各分量的物理意义不是很明确。自适应滤波算法无需预先知道干扰的频率，能够自动调整参数，对周期性干扰抑制效果好，但是在局部放电在线监测中往往同时受到多种窄带干扰的影响且干扰的频率范围差别很大， 这使自适应滤波算法参数选择变得非常困难，影响其实际应用。谱峭度属于高阶统计量的范畴，是一个四阶累积量，理论上能够完全抑制高斯噪声，表征信号中的非平稳和非高斯信号，并且能够确定其在频带上的位置。谱峭度方法凭借其良好的统计特性已经在机械振动系统的故障诊断如齿轮故障诊断、轴承早期故障诊断中得到广泛应用，并取得了很好的成果。为谱峭度方法用于电力系统局部放电信号识别中提供了很好的理论基础和应用实例。
技术实现思路
本专利技术的目的是提供。该方法不用预先知道含噪局部放电信号的信噪比，能够设计出自适应最优带通滤波器，对噪声抑制能力强， 算法识别精度高。本专利技术实现其专利技术目的所采用的技术方案是，其具体作法是—种基于谱峭度的局部放电信号识别方法，通过识别局部放电信号实现大型电力设备运行早期绝缘故障诊断，包括以下步骤A、估计局部放电信号的谱峭度采用短时傅里叶变换(Short-time Fourier Transform)的方法实现峭度谱的估计，首先确定一个一定时间长度的窗口，并且在时间窗口内对含噪信号进行傅里叶变换获得其频谱，然后沿时间轴移动时间窗口，得到不同时段的频谱特性，最后，对不同频带的谱统计其峭度，得到的结果即为谱峭度的估计；将局部放电信号Y(m)进行短时傅立叶变换得到Yw(u，f)，*Yw(u，f)的2η阶谱矩& (/)，根据谱峭度的定义，求出Y(m)的谱峭度为 Kr(Z)；B、设计自适应最优带通滤波器设置一个阈值为σ来限定谱峭度Kz(f)的值，小于σ可以认为是噪声信号，在设计滤波器时将其直接滤除；；设计出的滤波器为不必知道信号的先验知识就可以进行最优滤波的一个完全由数据驱动的自适应滤波器；C、小波平滑去噪选用与局放信号波形匹配较好的db8小波进行分解，将经过自适应最优Wiener带通滤波器处理后的局放信号，进行2-3层小波分解，采用软阈值去噪方法就将局放信号提取出来。A、估计局部放电信号的谱峭度采用短时傅里叶变换(Short-time Fourier Transform)的方法实现峭度谱的估计。该方法主要原理是首先确定一个一定时间长度的窗口，并且在时间窗口内对含噪信号进行傅里叶变换获得其频谱，然后沿时间轴移动时间窗口，可以得到不同时段的频谱特性。 最后，对不同频带的谱统计其峭度，得到的结果即为谱峭度的估计。将局部放电信号Y(m) 进行短时傅立叶变换得到Yw(u，f)，求Yw (u, f)的2η阶谱矩，根据谱峭度的定义，可以求出Y(m)的谱峭度为&(/)。B、设计自适应最优带通滤波器Wiener滤波器设计简单，性能优越，但是其参数是固定的。要设计这种滤波器，必须对信号和噪声的统计特性有先验知识，但是在实际中，常常无法预先知道这些统计特性， 或者它们是随时间变化的，从而设计出的Wiener滤波无法实现最优滤波。Wiener滤波W(f) 可以表示为噪信比P (f)的函数，谱峭度&( 也可表示成P (f)的函数，从而根据噪信比 P (f)的关系，可以通过求取含噪信号的谱峭度Kz(f)来设计Wiener滤波器。由于基于STFT 估计出来的噪声信号的谱峭度值不是理论上的零，而是在零附近波动，根据Kz (f)设计出来的滤波器会包含其他频带的噪声，所以需设置一个阈值为O来限定谱峭度Kz(f)的值，小于σ可以认为是噪声信号，在设计滤波器时将其直接滤除。该方法设计出的滤波器是一个完全由数据驱动的自适应滤波器，不必知道信号的先验知识就可以进行最优滤波。C、小波平滑去噪由于经过滤波过后的信号仍然存在与局部放电频率相同或相近的噪声信号，进一步通过2-3层的小波阈值平滑去噪，便可以得到更为精确的局部放电特征信号。选用与局放信号波形匹配较好的db8小波进行分解，将经过自适应最优Wiener带通滤波器处理后的局放信号，只需进行2-3层小波分解，采用软阈值去噪方法就可将局放信号很好的提取出来。与现有技术相比，本专利技术的有益效果是1、本专利技术所采用的谱峭度方法属于高阶统计方法的范畴，谱峭度是一个四阶累积量，理论上能够完全抑制白噪声，表征信号中的非平稳和非高斯信号，并且能够确定其在频带上的位置。谱峭度方法自身具有良好的性质。2、本专利技术的所构造出来的滤波器是根据数据自身特点通过谱峭度设计出来的自适应最优带通滤波器，对含噪局部放电信号能够实现自适应最优滤波，很好地滤出了局部放电信号的特征。不存在滤波器参数选择的困难，算法简单，计算方便。3、本专利技术对自适应滤波后的局部放电信号进一步通过2-3层的小波平滑去噪，凭借小波的自适应性和多分辨率分析的特点，便可以得到更为精确的局部放电特征信号。避免了小波去噪方法在信噪比较低时分解层数较多，容易丢失原有局部放电信号特征信息的缺点，大大提高了信噪比，而且失真度小，与理想局部放电信号的波形相似度最大。上述A步估计局部放电信号谱峭度的具体做法是Al、将局部放电信号Y(m)进行短时傅立叶变换+COYw(UJ) = YY{m)w{m-u)e l2n m f(1)-co其中，Y(m)为含噪局部放电信号，w(m)为窗函数，Nw表示窗函数的长度。A2、求Yw (U，f)的加阶谱矩S2n(f) = l}U^ffn)k⑵其中，< · >k表示的是k阶时平均。A3、根据谱峭度的定义，估计出Y(m)的谱峭度为Kr(f) = ^^-2, |/-mod(l/2)|>AC(3)^27 (/)上述B步设计自适应最优带通滤波器的具体做法为Bi、得出Wiener滤波与谱峭度之间的关系Wiener滤波器可表示为=(4)1 + M/)其中P (f)是噪信比。一个条件非平稳随机过程Z (t) = Y(t)+N(t)，N(t)是添加的噪声信号与Y(t)相互独立，由下面公式给出Kz(J)=足Y(/)” yvo(5)(1+p(f)本文档来自技高网...

【技术保护点】
１．一种基于谱峭度的局部放电信号识别方法，通过识别局部放电信号实现大型电力设备运行早期绝缘故障诊断，包括以下步骤：Ａ、估计局部放电信号的谱峭度采用短时傅里叶变换（Ｓｈｏｒｔ－ｔｉｍｅ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）的方法实现峭度谱的估计，首先确定一个一定时间长度的窗口，并且在时间窗口内对含噪信号进行傅里叶变换获得其频谱，然后沿时间轴移动时间窗口，得到不同时段的频谱特性，最后，对不同频带的谱统计其峭度，得到的结果即为谱峭度的估计；将局部放电信号Ｙ（ｍ）进行短时傅立叶变换得到Ｙｗ（ｕ，ｆ），求Ｙｗ（ｕ，ｆ）的２ｎ阶谱矩根据谱峭度的定义，求出Ｙ（ｍ）的谱峭度为Ｂ、设计自适应最优带通滤波器设置一个阈值为σ来限定谱峭度Ｋｚ（ｆ）的值，小于σ可以认为是噪声信号，在设计滤波器时将其直接滤除；；设计出的滤波器为不必知道信号的先验知识就可以进行最优滤波的一个完全由数据驱动的自适应滤波器；Ｃ、小波平滑去噪选用与局放信号波形匹配较好的ｄｂ８小波进行分解，将经过自适应最优Ｗｉｅｎｅｒ带通滤波器处理后的局放信号，进行２－３层小波分解，采用软阈值去噪方法就将局放信号提取出来。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘志刚，陈刚，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：90