[发明专利]基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法

说明书

本发明公开了一种基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法，包括以下步骤：采用特高频检测方法对变压器油纸绝缘局部放电信号进行采集，对采集来的局部放电信号进行变分模态分解。利用进化算法对变分模态分解算法参数进行优化，并引入峰度指标，对窄带噪声进行滤除。将滤除窄带噪声的信号进行奇异值分解。利用聚类算法改进奇异值分解算法中对奇异值的筛选过程，较好的滤除了白噪声。本发明具有精度高、去噪效果好、失真度小等特点，适用于对变压器油纸绝缘进行实时监测，局部放电信号检测等场合。

技术领域

本发明涉及变压器局部放电检测领域，尤其是一种基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法。

背景技术

局部放电检测作为衡量变压器油纸绝缘劣化的手段之一，是被公认的进行变压器状态监测的最有效策略。而变压器又是电网中最关键的设备，对其进行状态监测显得尤为重要。特高频检测技术基于捕捉从局部放电位置发射的电磁波，早在上世纪就被应用于电力变压器局部放电的检测。特高频检测法拥有频段高、灵敏度高、抗干扰性强等优点，在实际检测中被广泛采用。但是，由于局部放电信号本身较弱，而在进行局部放电检测时其周围的电磁噪声或多或少影响了检测设备的精度，从而导致对变压器局部放电监测的效果大打折扣，因此对噪声的抑制成为了局部放电检测的关键环节之一，同时也是后续模式识别工作能够顺利进行的重要保障。

局部放电中的噪声主要分为两种：白噪声和窄带噪声。窄带噪声表现为来自无线电传输的周期性脉冲，它会损坏局部放电检测时的电子源。数字去噪方法是目前应用最多的去噪方法,其中包括快速傅里叶变换、阈值滤波器和自适应滤波器等滤波器类方法，以及经验模态分解、集合经验模态分解一系列优化后的模态分解算法，小波变换也是目前局部放电信号去噪的主要方法之一。传统的去噪方法只能去除单一的一种噪声，并且去噪后的局部放电信号失真严重，使得去噪后的信号丢失一些重要的信号特征，为后续的模式识别等工作带来阻碍。

发明内容

针对技术背景中提出的只能去除单一噪声的问题，本发明提供一种基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法，针对技术背景中提出的去噪后局部放电信号失真严重的问题，该方法提出了使用粒子群算法对变分模态分解进行参数优化，使用局部密度聚类算法优化奇异值筛选过程。

本发明采取的技术方案为：

基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法，包括以下步骤：

步骤1：通过特高频检测法对变压器油纸绝缘进行局部放电检测，获得特高频局部放电信号，对组成信号的脉冲计算其峰度值；

步骤2：将幅值相对误差和波形相似系数的比值，作为粒子群算法的适应度函数，利用粒子群算法对变分模态分解算法的参数进行优化，得到分解模态数；

步骤3：对特高频局部放电信号进行变分模态分解，采用步骤2优化所得的参数，分解得到模态函数，并计算所有模态函数的峰度值；

步骤4：取步骤1中最小的峰度值为峰度阈值，步骤3中峰度值大于该阈值的模态函数即为有效分量，筛选出有效分量进行求和，即为滤除了窄带噪声的信号；

步骤5：对滤除窄带噪声的信号进行奇异值分解，产生该信号的奇异值序列；

步骤6：利用局部密度聚类算法，对步骤5中奇异值序列进行聚类，筛选有效的奇异值序列对信号进行重构，该重构信号即为去除白噪声的局部放电信号。

本发明一种基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法，有益效果在于：

1.去噪能力强：