[发明专利]一种局部放电信号去噪处理方法及系统

说明书

本发明公开了一种局部放电信号去噪处理方法及系统。采用Fast‑ADMM算法更新前一次过完备字典，提高了计算速度，解决了传统ADMM算法因全局变量一致性思想导致的收敛速度慢的问题。本发明通过Fast‑ADMM算法字典学习得到单次迭代过程中的过完备字典D，由于原始无噪局部放电信号是可以稀疏表示的，而噪声具有随机不稀疏的特性，即不可通过过完备字典D中的有限个原子进行表示，因此本发明根据更新后的过完备字典，采用FISTA算法生成去噪后的局部放电信号时频矩阵，即利用待处理信号的稀疏成分来重构信号，能够有效提取原始信号的特征，达到去噪的效果。

技术领域

本发明涉及去噪处理技术领域，特别是涉及一种局部放电信号去噪处理方法及系统。

背景技术

电气设备绝缘状态劣化或损坏是导致电力系统故障发生的主要原因，局部放电现象可以有效反映电气设备绝缘劣化的严重程度，已成为电气设备在线监测领域的重要组成部分。然而，由于电气设备早期绝缘劣化产生的局部放电信号较为微弱，且监测现场混杂着大量的电磁噪声，严重影响了局部放电监测效果以及电气设备绝缘状态的判定。因此，局部放电信号噪声抑制是电气设备局放监测的重要环节。

局部放电信号是一种瞬态微弱信号，为了获得准确、可靠的局部放电信号，需要对检测到的局部放电信号进行去噪处理。目前，局部放电信号的去噪方法主要分为两类：硬件方法和数字信号分析方法。硬件方法主要包括硬件滤波法、差动平衡法、脉冲极性鉴别法等；目前常用的数字信号分析方法主要有基于快速傅里叶变化的阈值滤波法、小波变换法和数学形态滤波器。其中基于快速傅里叶变换的阈值滤波法将局部放电信号与噪声信号进行快速傅里叶变换，通过设定频域内的阈值作为判定标准，截取出局部放电信号，但对原始局部放电信号的能量损失过大，容易造成原始无噪局部放电信号失真。小波变换法是目前局部放电信号噪声抑制的常用方法，但选取满足局放信号多样性要求的小波基函数较为困难，且小波分解的层数与阈值的确定没有规范、明确的方法。

目前，有相关研究将稀疏表示与字典学习应用于局部放电信号的噪声抑制，通常采用K-SVD字典学习方法与匹配追踪算法以实现无噪局部放信号的稀疏表示与重构。该去噪方法有效降低了去噪结果的幅值误差与波形畸变，但传统的K-SVD算法每次迭代更新字典的速度较慢，且对存储空间及计算能力要求很高，不适合大规模样本的字典学习；匹配追踪算法则容易导致已匹配的原子重复选择，增加计算时间。

发明内容

本发明的目的是提供一种局部放电信号去噪处理方法及系统，能够快速、准确的构建局部放电信号去噪所需的过完备字典，以实现染噪局部放电信号的快速去噪。

为实现上述目的，本发明提供了如下方案：

一种局部放电信号去噪处理方法，包括：

获取待处理局部放电信号；

对所述待处理局部放电信号，采用MP-WVD算法进行变换，得到待处理局部放电信号对应的时频矩阵；

获取前一次过完备字典；

根据所述前一次过完备字典和所述待处理局部放电信号对应的时频矩阵，采用FISTA算法生成稀疏系数矩阵；

根据所述稀疏系数矩阵，采用Fast-ADMM算法更新所述前一次过完备字典，得到更新后的过完备字典；其中，Fast-ADMM算法是将ADMM算法与predictor-corrector方法结合得到；

判断是否满足迭代终止条件，得到第一判断结果；

若所述第一判断结果为否，则更新Fast-ADMM算法中的参数，并将所述更新后的过完备字典作为前一次过完备字典，并返回步骤“根据所述前一次过完备字典和所述待处理局部放电信号对应的时频矩阵，采用FISTA算法生成稀疏系数矩阵”；

若所述第一判断结果为是，则根据所述更新后的过完备字典，采用FISTA算法生成去噪后的局部放电信号时频矩阵；