[发明专利]一种城市中压配电电缆局部放电信号去噪方法

说明书

本发明公开了一种城市中压配电电缆局部放电信号去噪方法。为抑制周期性窄带干扰，利用K‑means聚类算法对含噪局放信号频谱进行分类。为抑制白噪声干扰，提出基于顺序统计滤波器(OrderStatisticFilter,OSF)的改进经验小波变换(EmpiricalWaveletTransform,EWT)算法，该方法首先利用OSF估计信号频谱上包络线，对信号频谱进行合理分割，然后利用EWT对信号进行自适应分解，引入峭度准则选择有用模态分量，最后通过阈值去噪重构局放信号。结合K‑means聚类算法和经验小波变换，本发明所提方法无需修改算法参数，能同时对白噪声和周期性窄带干扰进行自适应去噪，去噪信噪比较高的同时能有效保留信号细节，且算法效率较高。

技术领域

本发明涉及电力设备故障诊断与识别技术、局部放电技术领域，尤其是一种城市中压配电电缆局部放电信号去噪方法。

背景技术

随着城市中压配电网的不断发展，中压配电电缆得到广泛应用。城市配电电缆在发生线路故障时，由于电缆线路大多在地下敷设，且结构复杂，无法直观地看到故障位置找到故障原因，将会比架空线路更难于进行故障处理。

对配网设备安全运行影响较大的是绝缘缺陷。统计表明，局部放电是造成绝缘缺陷的主要原因，也是绝缘劣化的重要征兆和表现形式。然而，由于配电电缆运行环境复杂，而实际的局放信号又极其微弱，局部放电检测现场常伴随强烈的电磁干扰，影响局放检测的准确性。因此，有效抑制局放信号中的噪声信号对配电电缆的绝缘状态评估具有重要意义。

目前，对局部放电的噪声干扰抑制方法主要为小波阈值去噪和经验模态分解(EMD)。近年来，基于小波变换的阈值去噪研究较多，但由于小波变换的非自适应性，如何选择最优小波基函数及最佳分解层数是研究的难点。与小波变换相比，EMD解决了小波基以及分解层数的选择问题，在处理非平稳信号时去噪效果显著。然而，这种自适应性去噪方法缺乏数学理论支撑，有时会存在模式混叠以及末端效应等问题。因此，需要结合小波变换的科学性和EMD的自适应性，研究去噪效果更好、性能更稳定、效率更高的局放噪声抑制方法。

发明内容

本发明所要解决的技术问题在于克服现有的技术难点，提供一种城市中压配电电缆局部放电信号去噪方法，能同时对白噪声和周期性窄带干扰进行自适应去噪。

为解决上述技术问题，本发明提供一种城市中压配电电缆局部放电信号去噪方法，具体步骤如下：

步骤1，对染噪局放信号进行傅里叶变换，利用K-means算法将局放信号的频谱分为两类，去除窄带干扰的频率，得到仅含白噪声的局放信号频谱。

步骤2，基于顺序统计滤波器，估计步骤1得到的仅含白噪声的局放信号频谱的上包络线；进而采用局部极大极小值法，对仅含白噪声的局放信号频谱进行合理划分，得到各信号频率分段。

步骤3，采用经验小波变换(EWT)对步骤2得到的每个信号频率分段进行自适应滤波，得到各信号频率分段对应的模态分量。

步骤4，利用高阶统计量即峭度准则，从步骤3中得到的模态分量中选取有用模态分量。

步骤5，利用3σ准则对步骤4得到的有用模态分量进行阈值判别，得到新的有用模态分量，最终重构局放信号。

上述步骤1中，采用K-means算法对含噪局放信号频谱进行聚类分析，从染噪局放信号的频谱中鉴别出周期性窄带干扰的频率。K-means算法的核心思想是：在给定k个初始类簇中心点的情况下，通过迭代把数据对象划分到不同的类簇中，以求目标函数最小化，其中k为大于0的自然数。

相较于白噪声和局放信号，周期性窄带信号具有更高的频谱密度。因此，本发明采用K-means聚类算法，将噪声信号的频谱幅值m₁和相邻频率幅值的标准偏差m₂作为聚类的特征量，对噪声信号的频谱进行分类，抑制窄带干扰。