[发明专利]一种基于VMD的间隔阈值局部放电去噪方法

说明书

本发明公开了一种基于VMD的间隔阈值局部放电去噪方法，首先利用变分模态分解算法对染噪局部放电信号进行分解，得到多个有限带宽模态分量。计算各个模态分量的峭度指标，保留峭度较大的模态。接着利用变分模态分解算法分解白噪声，分解白噪声后得到模态分量的两个统计特性。然后估计局部放电信号主导模态残留的低频白噪声的标准差，利用3σ准则确定阈值。最后引入间隔阈值方法去除所述模态中的白噪声，并重构模态得到最终去噪后的局部放电信号。本发明利用VMD算法对染噪局放信号进行分解，并分析模态分量的特征，有效抑制窄带周期干扰和白噪声，减少局放信号波形的畸变，较好地保留局放信号的特征，便于更准确地检测局放信号。

技术领域

本发明涉及一种基于VMD的间隔阈值局部放电去噪方法，属于高压电气设备检测领域。

背景技术

随着电网规模日益增大，电压等级也在不断升高，对高压电气设备运行的稳定性和可靠性要求也随之提高。其中绝缘问题是高压电气设备的薄弱环节，因此绝缘故障成为了影响设备正常运行的主要原因。局部放电(PD，简称局放)是高压电气设备绝缘劣化的早期迹象，因此局放检测可以作为设备绝缘状态评估的有效手段。这也是发现高压电气设备潜伏性故障，实现故障预判，避免故障发生的有效措施，对保证设备和电力系统的安全运行具有重要意义。目前局放检测主要有脉冲电流法、特高频法和超声波法，但采用这三种方法在现场检测时局放信号都会受到不同种类不同程度的噪声干扰，对于幅值较小的局放信号，可能会淹没于较大的噪声中，从而存在漏检的问题，影响局部放电其他后续研究，如模式识别和局放源定位等，因此需要在检测局放信号时抑制这些噪声干扰。

局放信号是一种非线性、非平稳的宽频信号，而噪声干扰主要为窄带周期干扰和白噪声。针对这两种噪声抑制方法，常见的有小波分析和经验模态分解(EMD)等时频分析方法，然而小波分析难以选取合适的小波基和阈值。EMD则缺乏严格的数学推导，存在频带混叠、端点效应等问题，且两者在去除噪声的同时会造成原局放信号特征的损失，算法本身的局限性加上局放信号与噪声的复杂特性，整体去噪效果一般。

发明内容

发明目的：本发明提出一种基于VMD的间隔阈值局部放电去噪方法，更准确的检测局放信号。

技术方案：本发明采用的技术方案为一种基于VMD的间隔阈值局部放电去噪方法，包括以下步骤：

1)利用变分模态分解VMD算法对染噪局部放电信号进行分解，得到多个有限带宽模态分量；

2)计算各个模态分量的峭度指标，保留峭度较大的模态；

3)利用变分模态分解算法分解白噪声，分解白噪声后得到模态分量的两个统计特性；

4)估计局部放电信号主导模态残留的低频白噪声的标准差，利用3σ准则确定阈值；

5)引入间隔阈值方法去除步骤4)所述模态中的白噪声，并重构模态得到最终去噪后的局部放电信号。

所述步骤1)中首先对染噪信号进行FFT分析，根据频谱选择有效频带的个数为初始模态分解数，然后采用变分模态算法对染噪信号分解，直至分离出染噪信号中有效局放信号主导、窄带周期干扰主导和高频白噪声主导的模态。

所述步骤2)中采用峭度指标值区分有效局部放电信号主导模态和窄带干扰主导模态的过程为：利用峭度计算公式得到各模态峭度指标值，保留峭度指标值大于10的模态，即筛选出有效局部放电信号主导模态；

式中E为期望，μ和σ₁表示数据的均值和标准差，N为随机变量采样点个数，x_k为随机变量值。

所述步骤3)中分解白噪声后得到模态分量的两个统计特性为各模态均服从正态分布以及各模态标准差接近。

所述步骤4)中估计局部放电信号主导模态残留低频白噪声标准差的算法步骤为：