[发明专利]基于优化的VMD联合小波阈值的GIS局部放电去噪方法和系统

权利要求书

1.一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，包括：

构建GIS局部放电信号模型；

根据PSO-GA混合算法优化分解层数K和惩罚因子，α对GIS局部放电信号模型进行VMD分解，得到多个IMF分量；

分析小波阈值函数，确定加权阈值；

使用所述加权阈值对各所述IMF分量进行去噪，得到去噪后的各IMF分量；

根据所述去噪后的各IMF分量进行信息重构，得到GID局部放电信号。

2.根据权利要求1所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，所述根据PSO-GA混合算法优化分解层数和惩罚因子，对GIS局部放电信号模型进行VMD分解，得到多个IMF分量，包括：

根据PSO-GA混合算法优化分解层数和惩罚因子，得到最优参数组合；

根据所述最优参数组合，对GIS局部放电信号模型进行VMD分解，得到多个IMF分量。

3.根据权利要求2所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，所述根据PSO-GA混合算法优化分解层数和惩罚因子，得到最优参数组合，包括：

设置PSO-GA参数：PSO的加速常速c₁和c₂、粒子数和最大粒子速度v、GA的交叉和变异概率、PSO-GA混合算法的世代数和每个粒子的适应度；

初始化粒子位置和速度，设置VMD算法参数[K,α]为粒子位置；

将初始化的所有粒子位置代入VMD算法；

确定每个粒子历史最佳位置p_best和历史最优位置g_best；

粒子数加1；

更新速度值：更新位置值：x_i(t+1)＝x_i(t)+vv_i(t+1)，其中v_i(t)为第t次迭代粒子i的速度，x_i(t)为第t次迭代粒子i的位置；

对种群进行交叉和变异操作；

确定是否达到迭代终止条件，若当前迭代次数已达到最大代数，或者粒子适应值在迭代次数中保持不变，则迭代停止并提供优化参数[K,α]，否则，返回所述粒子数加1的步骤。

4.根据权利要求1所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，所述GIS局部放电信号模型包括：

单指数衰减模型：

双指数衰减模型：

单指数衰减振荡模型：

双指数衰减振荡模型：

其中，A、B均为GIS局部放电信号的振幅，τ为信号的衰减常数，t₀为放电脉冲起始时刻，t为放电脉冲时刻，f为GIS局部放电信号的振荡频率。

5.根据权利要求1所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，所述分析小波阈值函数，确定加权阈值，包括：

分析统一阈值函数、Birge-Massart阈值函数和惩罚阈值函数，采用多阈值策略加权方法得到改进的分层阈值，确定加权阈值。

6.根据权利要求5所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，所述统一阈值函数为：

所述Birge-Massart阈值函数为：

n_i＝M₁(j+2-i)^α；

所述惩罚阈值函数为：

其中，σ为从GIS局部放电信号小波分解的各层系数的标准差，N为各级小波细节系数长度，M₁和α为经验系数，j为分解层数，i为第i层，M₂为均值为0、方差为σ²的独立高斯随机变量的绝对值中位。

7.根据权利要求6所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，重构后得到的GID局部放电信号为：