【技术实现步骤摘要】
本专利技术涉及高压开关柜局部放电检测，具体涉及一种基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法。
技术介绍
1、电气设备所处的环境通常包含多种电磁干扰源，如电磁场、电磁辐射和电源干扰等，这些干扰源能够对局部放电信号产生噪声影响。同时，用于检测局部放电的传感器自身也可能引入各类噪声，包括热噪声、电子噪声和机械振动等，这些噪声在信号的采集及传输过程中会混入局部放电信号。因此，为了提升信号的信噪比和检测精度，提高局部放电信号的质量和可靠性，必须对信号执行去噪处理。局部放电信号为一种弱脉冲信号，在复杂的电磁环境下容易受到噪声干扰，甚至可能被噪声所掩盖，导致其表达价值丧失。现场的噪声干扰主要由周期性窄带干扰和白噪声构成。周期性窄带干扰为正弦信号，因频谱表现为尖锐狭窄的峰值而得名。当多个正弦频率混合时，形成所谓的混频窄带干扰。这种干扰通常来自电力系统内部的高次谐波、继电保护的通讯信号和大气中的无线电信号等。白噪声是一种随机信号，其在时域和频域的表现均无法用固定函数描述，通常源自设备发热、电线路和变压器绕组的耦合，以及半导体设备的正常运作。观察时域和频域波形，周期性窄带干扰和白噪声展现出显著差异，单一降噪技术难以有效应对复杂的电磁干扰。
技术实现思路
1、本专利技术的目的是为了克服现有技术存在的去噪方法难以同时抑制周期性窄带干扰与白噪声而影响后续局部放电诊断准确度的问题，提供一种基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法。按照本专利技术所述的方法，首
2、为了实现上述目的，本专利技术提供了一种基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，该方法包括以下步骤：
3、(1)将采集到的一维局部放电信号转化为hankel矩阵，进行奇异值(svd)分解，通过设定阈值来提取出有效的奇异值，并将信号重构恢复成一维信号，以去除信号中的窄带干扰信号；
4、(2)将去除过窄带干扰信号的进行小波分解，变换成不同尺度和频率的子带信号，尽量消除噪声信号的影响，保留有效信号，通过阈值处理后进行小波逆变换重构，得到去噪后的信号；
5、(3)利用粒子群算法优化了阈值相关参数的选取，利用适应度函数求取粒子的个数和群体最优值，不断迭代，最后得到最优的阈值相关参数。
6、优选地，在步骤(1)中，分析局部放电信号中窄带干扰信号的特征参量，针对窄带干扰信号的特征进行去噪处理，其中，在检测高压开关柜局部放电的过程中，极容易收到各种电磁干扰的影响，因此在进行局部放电的故障诊断与故障预测之前，对局部放电信号进行去噪处理。
7、优选地，时域上周期性窄带干扰通常以正弦或者余弦分布，出现概率较高，通常幅值较大，对局部放电的检测干扰十分严重；周期窄带干扰主要来源于电力系统的继电保护通信、无限载波通信等等；周期性窄带干扰的公式如下：
8、
9、其中，azi为窄带干扰信号幅值、fzi为窄带干扰信号频率、θzi为窄带干扰信号相位、mz为窄带干扰信号数量。
10、优选地，将一维的局部放电信号转化为hankle矩阵，一维信号表示为：
11、f(t)＝{f(1),f(2),f(3),...,f(n),...,f(n)}
12、转化后的hankel矩阵为：
13、
14、其中，f(n)表示局部放电信号一维矩阵中的第n个采样值，n表示一维矩阵的采样点个数，m＝n-n+1，n＝n/2。
15、优选地，对转化后的hankel矩阵进行svd分解，分解为m*m的正交矩阵u和n*n的正交矩阵，s为一个非负对角矩阵，公式如下：
16、hm*n＝um*m*sm*n*vn*nt
17、sm*n＝diag(δ1,δ2,...,δs)
18、其中，δ1,δ2,...,δs为hankel矩阵的奇异值，并且按降序排列。
19、优选地，较大的奇异值表示原始局部放电信号中的有效部分，通过设定阈值来提取出前r个奇异值，重新构成矩阵x'，公式如下：
20、x'＝um*r*sr*r*vn*rt
21、将矩阵x'恢复成一维信号，即得到有效信号x＝{x(1),x(2),...,x(n)}，其中：
22、
23、优选地，在步骤(2)中，分析局部放电信号中白噪声信号的特征参量，利用小波变化进行去噪处理；采集到的局部放电信号用如下公式表示：
24、s(t)＝f(t)+ε(t)
25、其中s(t)为含有噪声的局部放电监测信号，f(t)为信号的有效部分，ε(t)为噪声信号。
26、对含噪的局部放电信号信号进行离散的小波变换，得到：
27、dj,k＝uj,k+ej,k
28、其中，dj,k为含噪信号s(t)小波变换后的各层小波系数，uj,k为信号有效部分f(t)的小波变换系数，ej,k为信号噪声部分ε(t)的小波变换系数。
29、优选地，利用小波去噪来尽量消除噪声信号ε(t)的影响，保留有效信号f(t)；
30、首先，将待处理的信号通过小波变换分解成不同尺度和频率的子带信号，分解后的信号称为近似系数和细节系数，近似系数为信号的低频部分，近似系数主要反映了信号的整体趋势，而细节系数则反映了信号的细节和高频成分；然后进行阈值的确定，在小波域中，通常假设信号的细节系数主要包含噪声，而近似系数主要包含信号的有效信息，对细节系数进行阈值处理，将小于某个阈值的细节系数置为零，从而抑制噪声信号；最后将信号重构，经过阈值处理后，将处理后的近似系数和细节系数通过小波逆变换进行重构，得到去噪后的信号；
31、其中，阈值计算方式如下：
32、tm＝cm*max(dn(j,l))
33、其中，cm是阈值的调整系数，dn(j,l)代表小波分解后的细节系数，l为分解层数。
34、优选地，在步骤(3)中，为优化参数l、m和cm，首先为每个参数定义一个优化边界，然后生成一组具有随机位置和速度的粒子pi；每个粒子对应于去噪参数l、m、cm在相应边界内的一个选择；
35、每个初始粒子pi根据其位置用适应度函数f评估，适应度函数如下：
36、
37、其中，l是信号的长度，p是设定的延迟周期数，是噪声残留的第k阶延迟自相关系数。
38、优选地，每次迭代后，粒子的位置和速度根据其适应度函数如下更新：
39、
40、
41、其中，ω表示惯性因子，r1和r2是个体学习因子和群体学习因子；c1和c2是两个随机数；代表粒子pi的个体历史最优位置，代表粒子群的全局最优位置；迭代结束时，两个最优位置保持稳本文档来自技高网...
【技术保护点】
1.一种基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，在步骤(1)中，分析局部放电信号中窄带干扰信号的特征参量，针对窄带干扰信号的特征进行去噪处理，其中，在检测高压开关柜局部放电的过程中，极容易收到各种电磁干扰的影响，因此在进行局部放电的故障诊断与故障预测之前，对局部放电信号进行去噪处理。
3.根据权利要求2所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，时域上周期性窄带干扰通常以正弦或者余弦分布，出现概率较高，通常幅值较大，对局部放电的检测干扰十分严重；周期窄带干扰主要来源于电力系统的继电保护通信、无限载波通信等等；周期性窄带干扰的公式如下：
4.根据权利要求3所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，将一维的局部放电信号转化为Hankle矩阵，一维信号表示为：
5.根据权利要求4所述的基于奇
6.根据权利要求5所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，较大的奇异值表示原始局部放电信号中的有效部分，通过设定阈值来提取出前r个奇异值，重新构成矩阵X'，公式如下：
7.根据权利要求1所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，在步骤(2)中，分析局部放电信号中白噪声信号的特征参量，利用小波变化进行去噪处理；采集到的局部放电信号用如下公式表示：
8.根据权利要求7所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，利用小波去噪来尽量消除噪声信号ε(t)的影响，保留有效信号f(t)；
9.根据权利要求1所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，在步骤(3)中，为优化参数L、m和cm，首先为每个参数定义一个优化边界，然后生成一组具有随机位置和速度的粒子Pi；每个粒子对应于去噪参数L、m、cm在相应边界内的一个选择；
10.根据权利要求9所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，每次迭代后，粒子的位置和速度根据其适应度函数如下更新：
...【技术特征摘要】
1.一种基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，在步骤(1)中，分析局部放电信号中窄带干扰信号的特征参量，针对窄带干扰信号的特征进行去噪处理，其中，在检测高压开关柜局部放电的过程中，极容易收到各种电磁干扰的影响，因此在进行局部放电的故障诊断与故障预测之前，对局部放电信号进行去噪处理。
3.根据权利要求2所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，时域上周期性窄带干扰通常以正弦或者余弦分布，出现概率较高，通常幅值较大，对局部放电的检测干扰十分严重；周期窄带干扰主要来源于电力系统的继电保护通信、无限载波通信等等；周期性窄带干扰的公式如下：
4.根据权利要求3所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，将一维的局部放电信号转化为hankle矩阵，一维信号表示为：
5.根据权利要求4所述的基于奇异值分解与粒子群优化小波分解的高压开关柜局部放电信号去噪方法，其特征在于，对转化后的hankel矩阵进行svd分解，分解为m*m的正交矩阵u和n*n的正交矩...
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。