[发明专利]一种适用于高频电流局部放电检测的脉冲提取方法

说明书

本发明公开了一种适用于高频电流局部放电检测的脉冲提取方法，所述方法包括：步骤1：首先对经过AD采集的数字信号序列进行小波分解；步骤2：对小波分解后的信号进行特征量计算，获得小波分解系数的峰值和峰值对应的均方根值；步骤3：根据各级小波分解系数的峰值与有效值的比值，确定信号类型并进行小波分解系数收缩；步骤4：对包含局部放电脉冲信号的小波系数进行重构；步骤5：基于重构的信号，通过自动阈值计算提取出脉冲段，实现了降低计算复杂度，提高了滤波的效率，实时高性能的噪声抑制的技术效果。

技术领域

本发明涉及局部放电高频电流检测技术领域，具体地，涉及一种适用于高频电流局部放电检测的脉冲提取方法。

背景技术

局部放电检测是发现高压电气设备潜在绝缘缺陷的重要手段，具有灵敏度高和及时有效的特点。其中，高频电流局部放电检测通过罗氏线圈卡接在设备的接地线上的方式，不需要对设备进行任何改造或改变运行方式，便于安装实施。随着检测频带日益向高频和宽带发展，高频电流法反映的局部放电信号信息也更加丰富，并进而发展了多放电源的聚类分析的能力。

对高频电流法而言，由于相对检测频率仍较低，一般低于100MHz，现场各种高频谐波、窄带干扰和地网中的噪声干扰会严重影响高频法检测的准确性。高压电气设备内部局部放电信号非常微弱，当检测信噪比较低时，噪声信号往往会湮灭局部放电信号，造成局放脉冲无法有效提取；而且现场的干扰源较多，干扰频率差异很大，如何实现对多种窄带干扰存在情况下自适应的噪声信号识别，并在检测过程中实时的予以抑制，成为高频局放检测的技术瓶颈。为提高局部放电在线监测系统现场监测的灵敏度，有限冲击响应滤波器、无限冲击响应滤波器、卡尔曼滤波器以及相关分析、模式识别和小波分析等多种数字化去噪方法得到了应用。目前已经发展的各种干扰抑制方法，主要存在两个问题：一种是固定频率窄带滤波方法，这种处理方法自适应程度不够，对于存在多干扰频率的情况效果不佳；另一个问题就是对各类信号特征信息的认识不充分，滤波器系数的取舍缺乏针对性，导致滤波算法复杂、滤波效果不佳，而且计算量大，不能满足快速实时滤波的要求。这种滤波方式往往用于局部放电数据的后处理，比如以误差最小为目标函数的阈值最优化迭代算法，需要大量的重复迭代，计算量大、计算时间长。已有自适应滤波方法一般基于有用信号频谱系数绝对值较大但数目较少，而噪声对应的频谱系数是一致分布的，个数较多但绝对值较小的假定，将含噪信号频谱系数中绝对值较小的系数置为零，保留或收缩绝对值较大的系数并进行信号重构以达到去除噪声干扰的目的。事实上，局放信号属于瞬态脉冲型宽频信号，而窄带干扰信号的频谱反而数目少且绝对值大，因此即便对阈值进行优化也难以取得满意的效果。

综上所述，本申请发明人在实现本申请发明技术方案的过程中，发现上述技术至少存在如下技术问题：

在现有技术中，现有的高频电流局部放电检测的脉冲提取方法，存在自适应程度较差，滤波算法复杂效果不佳，计算量大的技术问题。

发明内容

本发明提供了一种适用于高频电流局部放电检测的脉冲提取方法，解决了现有的高频电流局部放电检测的脉冲提取方法，存在自适应程度较差，滤波算法复杂效果不佳，计算量大的技术问题，实现了降低计算复杂度，提高了滤波的效率，实时高性能的噪声抑制的技术效果。

为解决上述技术问题，本申请提供了一种适用于高频电流局部放电检测的脉冲提取方法，该方法基于小波分解的高效自适应滤波和阈值选取，所述方法包括：

步骤1：首先对经过AD采集的数字信号序列进行小波分解；

步骤2：对小波分解后的信号进行特征量计算，获得小波分解系数的峰值和峰值对应的均方根值；

步骤3：根据各级小波分解系数的峰值与有效值的比值，确定信号类型并进行小波分解系数收缩；

步骤4：对包含局部放电脉冲信号的小波系数进行重构；

步骤5：基于重构的信号，通过自动阈值计算提取出脉冲段。