[发明专利]基于改进小波阈值去噪的GIS局部放电故障检测方法

说明书

本发明公开了一种基于改进小波阈值去噪的GIS局部放电故障检测方法。本发明的方法包括以下步骤：将特高频传感器检测到的数据进行小波变换，选用dB4母小波对传感器检测数据进行4层分解，得到各尺度下的小波系数；小波分解系数阈值量化，阈值选定后，去除小于阈值的小波系数，将大于阈值的小波系数进行阈值函数处理，进而得到阈值函数处理后的各层系数；通过小波逆变换将处理后的各层系数进行信号重构，从而实现小波去噪。本发明与传统的软、硬阈值降噪算法相比，降噪后不仅进一步提高了信噪比，而且降低了方差，使得处理后的信号波形更为逼近原始局部放电信号，有利于后续进行放电缺陷类型的识别。

技术领域

本发明涉及GIS局部放电检测技术，特别是一种基于改进小波阈值去噪的GIS局部放电故障检测方法。

背景技术

GIS结构紧凑、可靠性高，被广泛应用在电力系统中。GIS故障类型繁多，包括机械故障、绝缘故障以及线路故障等。根据历年设备运行的故障统计，电路绝缘体长期工作在高温、高压等恶劣运行环境导致的绝缘故障占整个故障类型的80％左右，而局部放电是造成电力设备绝缘缺陷的主要原因，因此，及时发现GIS内部潜伏性故障对设备的安全运行意义重大。

特高频局部放电检测技术是通过检测GIS辐射出的特高频电磁波信号来分析诊断局部缺陷的方法，避免了大量低频率噪声信号的干扰。然而电气设备产生的热噪声、保护装置和线路耦合产生的噪声以及半导体器件的散粒噪声会对采集的局部放电信号产生强大干扰，局部放电信号甚至会被这些强白噪声湮没，严重影响了局部放电在线监测的灵敏度及正确度。为了实现精确分析局部放电信号，必须首先解决对噪声干扰的抑制问题。多尺度小波变换能将信号分解到多个尺度空间，该方法适合非稳态、高频和暂态信号降噪。GIS特高频局部放电信号上升时间极短，数量级为ns，是典型的高频非稳态信号，因此小波分解适合作为GIS局部放电信号降噪处理。

软、硬阈值算法是比较常见的两种收缩规则，在实际应用中也取得了较好的效果，但它们各自都存在一些缺陷。硬阈值算法将小波系数绝对值低于阈值的置为零，高于阈值的部分全部保留，这样可以很好保留信号边缘等局部特征，但相较于软阈值处理后的信号也就更为粗糙，这是因为硬阈值算法在±thr处具有不连续性，产生较大的方差，因此利用C_j，k(被噪声干扰后的小波分解系数)重构的信号会产生振荡现象。软阈值算法对于绝对值大于阈值的小波系数作收缩(减去阈值)处理，是一个连续的函数，因此相对于硬阈值处理的信号平滑效果好，且具有良好的连续性；但由于对所有绝对值大于阈值的系数都做了收缩，造成C_j，k与(估计的小波系数)之间存在恒定偏差，这样影响了重构所得的信号准确度。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于改进小波阈值去噪的GIS局部放电故障检测方法，其利用特高频局部放电传感器检测强白噪声干扰下的放电数据，处理后的信号波形更为逼近原始局部放电信号，以利于后续进行放电缺陷类型的识别。

为此，本发明采用如下的技术方案：基于改进小波阈值去噪的GIS局部放电故障检测方法，其包括步骤：

步骤1，将特高频传感器检测到的数据进行小波变换，选用dB4母小波对特高频传感器检测数据进行4层分解，得到各尺度下的小波系数；

步骤2，小波分解系数阈值量化，阈值选定后，去除小于阈值的小波系数，将大于阈值的小波系数进行阈值函数处理，进而得到阈值函数处理后的各层系数；

步骤3，通过小波逆变换将处理后的各层系数进行信号重构，从而实现小波去噪。

作为上述技术方案的补充，步骤2中所述的阈值选定公式为

其中，thr(j)为阈值，N为对应层小波系数个数；j为小波分解的尺度；σ_n为所染噪声的方差，e为自然数。