一种多源局部放电信号分离方法_王彩雄
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
40 等效均方根带宽/MHz
20
t t S (t ) dt
给出：
2
(1)
常用的平均值是标准偏差 t ，由下面的方程
0 0.2
0.4
0.6
0.8
1.0
1.2
等效持续时间/s
t2 (t t ) S (t ) dt
2
2
图1
局部放电时频特征数据网格化分
(2)
Fig. 1
Meshing time-frequency characteristic data of PD
212
第 33 卷 第 13 期 2013 年 5 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号：TM 835
报
Vol.33 No.13 May 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号：47040
文章编号：0258-8013 (2013) 13-0212-08
T
2
S N ( )2 d
(5)
信号的等效持续时间是信号持续时间的一种 表示，即在多大的范围内的信号集中在时间重心的 周围。 1.2 信号的等效均方根带宽 标准化的信号 SN(t)经过傅里叶变换得到 S()， 与时间波形相似，如果|S()|2 表示频率密度，其频 谱特征可由平均频率 f 和标准偏差f 表示。定义局 部放电信号的等效均方根带宽如下：
2 基于网格和密度的聚类算法
2.1 算法原理 基于网格和密度聚类算法首先利用网格化的 思想，对局部放电信号时频特征数据空间进行分 格，以划分后的网格空间代替时频特征数据空间。 然后将数据点从原始数据空间中映射到网格化的 数据空间中，如图 1 所示。同时对放电信号相位和 幅值进行记录和标识，根据网格单元数据点密度的 统计信息，计算出网格单元密度的最优二划分，使 得位于划分值两边的网格单元密度差保持较大水 平，从而利于区分不同区域的簇，进而排除那些不
标准偏差是信号持续时间的一种表示，可以作 为信号的时域特征之一。本文首先对局部放电信号 进行标准化：
S N (t ) S (t ) /
T
0 S ( )
2
2
d
(3)
经过标准化处理后，信号的平均时间为
tN S N ( ) d
0 T
(4)
定义局部放电信号的等效持续时间如下：
T
0 ( tN )
4）对空白网格进行标记并移除； 5）根据网格的密度分布按照下节密度阈值的
优化选取规则计算网格密度的最优密度阈值
opcellds； 6）根据最优密度阈值 opcellds，确定核心网格
单元和噪声单元网格，并移除噪声网格，核心网格 即为密度阈值大于 opcellds 的网格；
7）合并相邻的核心单元格，直至遍历整个网
文献标志码：A
一种多源局部放电信号分离方法
王彩雄，唐志国，常文治，郑书生，李成榕
(新能源电力系统国家重点实验室(华北电力大学)，北京市 昌平区 102206)
A Method for Multi-source Partial Discharge Signals Separation
WANG Caixiong, TANG Zhiguo, CHANG Wenzhi, ZHENG Shusheng, LI Chengrong
第 13 期
王彩雄等：一种多源局部放电信号分离方法
213
术实现了放电脉冲的分离与识别。文献 [17] 基于 T-F 谱图结合模糊 C-均值聚类算法同样实现了混 合 放电信号的 分离和放电 源识别，并 与多参 数 Weibull 识别放电源进行了对比分析，取得了一定 的效果。然而上述文献在对多源放电进行聚类分 离时，采用复杂的时间窗移位来提取单个脉冲进 行特征量，难以实时计算单个脉冲的相位，不利 于现场应用，而且在采用局部放电信号特征量进 行聚类分离时往往需要指定分类的数目，但现场 实际应用中，放电信号特征量的聚类形状往往会 出现一些不规则的聚类形状和一些奇异点甚至会 存在交叠，这样采用上述聚类方法就会难以进行 有效的分离。 针对目前局部放电现场检测过程中的多放电 源分离存在的问题，本文研制了相位时钟电路，采 用单个的局部放电宽带电流信号来进行分析，通过 时频分析提取原始信号中的等效持续时间和等效 均方根带宽两个时频特征信息，进而采用基于网格 和密度的聚类方法对多源信号进行自动分类，并研 制了相应的软硬件系统，通过试验与现场实测表明 了该方法的有效性，并且实现了多源放电信号的分 离，为实际工程应用中进一步干扰排除进而对放电 类型进行准确识别奠定了一定基础。
214
程
学
报
第 33 卷
具有脉冲信息的空白网格和稀疏的噪声网格，而后 将那些具有较高密度的稠密网格单元通过网格连 通形成原始的簇核心，得到簇标号。若待定网格单 元的中的数据点的相邻网格有可以扩展的簇核心， 则进行归并，将之与已有的簇核心扩展成更加完整 的簇，最终将进行标记后不同的数据簇作为聚类的 结果输出，同时利用放电的相位和幅值信息构建出 对应的放电模式谱图，达到信号与放电模式谱图同 时分离的目的。 基于网格和密度的聚类方法的优点是可以将 任意形状的数据簇进行聚类，对于多源局部放电信 号而言，其时频特征数据往往呈现不规则的聚类形 状，并伴随有随机噪声数据。通过选择网格划分单 元数及网格单元密度阈值可对数据簇进行分离。 2.2 算法的计算步骤
(State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources (North China Electric Power University), Changping District, Beijing 102206, China) ABSTRACT: A variety of partial discharge signals and interference signals in complicated electromagnetic environments of the substation cause difficulties to diagnosis the faults caused by PD in on-site detection. Separating partial discharge signals caused by different insulation defects are a basis for partial discharge pattern recognition and fault diagnosis. Based on time-frequency distribution characteristics of PD signals, two characteristics were used to characterize the partial discharge broadband pulse which is equivalent duration and equivalent RMS bandwidth, and then a partial discharge signals separation method was proposed based on a clustering algorithm based on grids and density, the grid cell density threshold is determined by the optimal grid cell density of the grid partition method, which replaces the relatively subjective user input. The algorithm does not need to specify the number of classifications, and is not sensitive to noise; it can also classify clusters of arbitrary shape and has a good adaptive ability and so on. The effectiveness of the method is verified by the experiments and field tests. KEY WORDS: partial discharge; time-frequency analysis; grid and density; clustering analysis; signals separation 摘要： 在局部放电现场检测过程中， 多种类型的放电源与干 扰信号同时存在会对局部放电故障的分析与判断造成困难。 将不同绝缘缺陷的局部放电信号分离开来是进行局部放电 模式识别和故障判断的前提。 基于局部放电信号时频分布特 征， 采用等效持续时间和等效均方根带宽来表征局部放电宽 带脉冲波形的时频特征， 构建等效时频谱图， 进而采用基于 网格和密度的聚类算法来完成不同类型局部放电信号的自 动分离。 该算法采用网格单元密度最优划分方法来确定网格 单元的密度阈值，无需指定分类数目，对噪声数据不敏感，
0 引言
目前关于局部放电检测技术的研究主要集中 在局部放电的模式识别技术上，基于各种人工神经 网络算法采用局部放电二、三维统计谱图的统计特 征参数、局部放电灰度图像的分形特征参数、小波 变换系数以及局部放电脉冲波形特征参数对局部 取得了良 放电模式识别技术进行了广泛的研究[1-5]， 好的效果。然而，在局部放电的现场检测过程中， 除了白噪声和窄带周期性干扰外，还存在多种类型 的放电故障和一些脉冲型干扰信号。对于白噪声与 窄带周期性的抑制， 采用小波降噪技术可以取得不 错的抑制效果[6-12]。但存在脉冲型干扰的情况下， 数据经过统计分析就会出现多种放电故障的放电 模式谱图叠加或相互覆盖的情况，对局部放电故 障的模式识别带来很大困难，影响了模式识别技 术的有效性和准确性。因此，实际应用中必须首 先 将不同放电 故障的信号 以及干扰信 号分离 开 来，才能对局部放电故障类型信号进行进一步的 识别和判断。 相关研究表明：对于局部放电脉冲高频电流波 形，通过提取脉冲波形的等效时间与等效频宽构建 T-F 谱图，进而通过聚类分析的方法可实现不同类 型放电 信号 的分离 ，已 有学者 进行 了相关 的研 究[13-15]。文献[16]利用脉冲群快速聚类技术及最小 二乘向量机的局部放电脉冲相位分布谱图识别技
格数据空间； 将时频特征(Ti, Fi)聚类结果输出， 并依据(Vi, 8）
F
0
2
S ( ) d
2
(6)
等效均方根带宽表示信号频率分布密度的大 致特征，可以给出密度集中的位置。
1 局部放电信号的时频特征提取
1.1 信号的等效持续时间 为了实现不同放电故障信号的分离，首先必须 提取能够全面反映放电信号时域和频域特征的特 征量，进而利用提取的特征量来表示放电信号。不 同类型或多源放电信号，由于放电机理、放电缺陷 位置、放电信号传播路径的不同，会在局部放电信 号波形的时频特征上有所表现，因此根据不同放电 信号时频分布特征的不同，可以将不同类型的放电 信号进行分离，本文提取了信号的等效持续时间、 信号 的 均方 跟带 宽等 表 征信 号时 频 特征 的特 征 量[14]。 信号 S(t)的时间波形特征有平均时间、持续时 间等， 如果把|S(t)|2 看作时间密度， 那么平均时间就 可按通常的方法来定义：
基金项目： 国家重点基础研究发展计划项目 (973 项目 )(2009CB 724508)。 The National Basic Research Program of China (973 Program) (2009CB724508).
可以对任意形状的簇进行分类， 具有较好的自适应能力。 最 后通过试验验证了该方法对不同类型局部放电信号分离的 有效性。 关键词：局部放电；时频分析；网格和密度；聚类分析； 信号分离
20
t t S (t ) dt
给出：
2
(1)
常用的平均值是标准偏差 t ，由下面的方程
0 0.2
0.4
0.6
0.8
1.0
1.2
等效持续时间/s
t2 (t t ) S (t ) dt
2
2
图1
局部放电时频特征数据网格化分
(2)
Fig. 1
Meshing time-frequency characteristic data of PD
212
第 33 卷 第 13 期 2013 年 5 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号：TM 835
报
Vol.33 No.13 May 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号：47040
文章编号：0258-8013 (2013) 13-0212-08
T
2
S N ( )2 d
(5)
信号的等效持续时间是信号持续时间的一种 表示，即在多大的范围内的信号集中在时间重心的 周围。 1.2 信号的等效均方根带宽 标准化的信号 SN(t)经过傅里叶变换得到 S()， 与时间波形相似，如果|S()|2 表示频率密度，其频 谱特征可由平均频率 f 和标准偏差f 表示。定义局 部放电信号的等效均方根带宽如下：
2 基于网格和密度的聚类算法
2.1 算法原理 基于网格和密度聚类算法首先利用网格化的 思想，对局部放电信号时频特征数据空间进行分 格，以划分后的网格空间代替时频特征数据空间。 然后将数据点从原始数据空间中映射到网格化的 数据空间中，如图 1 所示。同时对放电信号相位和 幅值进行记录和标识，根据网格单元数据点密度的 统计信息，计算出网格单元密度的最优二划分，使 得位于划分值两边的网格单元密度差保持较大水 平，从而利于区分不同区域的簇，进而排除那些不
标准偏差是信号持续时间的一种表示，可以作 为信号的时域特征之一。本文首先对局部放电信号 进行标准化：
S N (t ) S (t ) /
T
0 S ( )
2
2
d
(3)
经过标准化处理后，信号的平均时间为
tN S N ( ) d
0 T
(4)
定义局部放电信号的等效持续时间如下：
T
0 ( tN )
4）对空白网格进行标记并移除； 5）根据网格的密度分布按照下节密度阈值的
优化选取规则计算网格密度的最优密度阈值
opcellds； 6）根据最优密度阈值 opcellds，确定核心网格
单元和噪声单元网格，并移除噪声网格，核心网格 即为密度阈值大于 opcellds 的网格；
7）合并相邻的核心单元格，直至遍历整个网
文献标志码：A
一种多源局部放电信号分离方法
王彩雄，唐志国，常文治，郑书生，李成榕
(新能源电力系统国家重点实验室(华北电力大学)，北京市 昌平区 102206)
A Method for Multi-source Partial Discharge Signals Separation
WANG Caixiong, TANG Zhiguo, CHANG Wenzhi, ZHENG Shusheng, LI Chengrong
第 13 期
王彩雄等：一种多源局部放电信号分离方法
213
术实现了放电脉冲的分离与识别。文献 [17] 基于 T-F 谱图结合模糊 C-均值聚类算法同样实现了混 合 放电信号的 分离和放电 源识别，并 与多参 数 Weibull 识别放电源进行了对比分析，取得了一定 的效果。然而上述文献在对多源放电进行聚类分 离时，采用复杂的时间窗移位来提取单个脉冲进 行特征量，难以实时计算单个脉冲的相位，不利 于现场应用，而且在采用局部放电信号特征量进 行聚类分离时往往需要指定分类的数目，但现场 实际应用中，放电信号特征量的聚类形状往往会 出现一些不规则的聚类形状和一些奇异点甚至会 存在交叠，这样采用上述聚类方法就会难以进行 有效的分离。 针对目前局部放电现场检测过程中的多放电 源分离存在的问题，本文研制了相位时钟电路，采 用单个的局部放电宽带电流信号来进行分析，通过 时频分析提取原始信号中的等效持续时间和等效 均方根带宽两个时频特征信息，进而采用基于网格 和密度的聚类方法对多源信号进行自动分类，并研 制了相应的软硬件系统，通过试验与现场实测表明 了该方法的有效性，并且实现了多源放电信号的分 离，为实际工程应用中进一步干扰排除进而对放电 类型进行准确识别奠定了一定基础。
214
程
学
报
第 33 卷
具有脉冲信息的空白网格和稀疏的噪声网格，而后 将那些具有较高密度的稠密网格单元通过网格连 通形成原始的簇核心，得到簇标号。若待定网格单 元的中的数据点的相邻网格有可以扩展的簇核心， 则进行归并，将之与已有的簇核心扩展成更加完整 的簇，最终将进行标记后不同的数据簇作为聚类的 结果输出，同时利用放电的相位和幅值信息构建出 对应的放电模式谱图，达到信号与放电模式谱图同 时分离的目的。 基于网格和密度的聚类方法的优点是可以将 任意形状的数据簇进行聚类，对于多源局部放电信 号而言，其时频特征数据往往呈现不规则的聚类形 状，并伴随有随机噪声数据。通过选择网格划分单 元数及网格单元密度阈值可对数据簇进行分离。 2.2 算法的计算步骤
(State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources (North China Electric Power University), Changping District, Beijing 102206, China) ABSTRACT: A variety of partial discharge signals and interference signals in complicated electromagnetic environments of the substation cause difficulties to diagnosis the faults caused by PD in on-site detection. Separating partial discharge signals caused by different insulation defects are a basis for partial discharge pattern recognition and fault diagnosis. Based on time-frequency distribution characteristics of PD signals, two characteristics were used to characterize the partial discharge broadband pulse which is equivalent duration and equivalent RMS bandwidth, and then a partial discharge signals separation method was proposed based on a clustering algorithm based on grids and density, the grid cell density threshold is determined by the optimal grid cell density of the grid partition method, which replaces the relatively subjective user input. The algorithm does not need to specify the number of classifications, and is not sensitive to noise; it can also classify clusters of arbitrary shape and has a good adaptive ability and so on. The effectiveness of the method is verified by the experiments and field tests. KEY WORDS: partial discharge; time-frequency analysis; grid and density; clustering analysis; signals separation 摘要： 在局部放电现场检测过程中， 多种类型的放电源与干 扰信号同时存在会对局部放电故障的分析与判断造成困难。 将不同绝缘缺陷的局部放电信号分离开来是进行局部放电 模式识别和故障判断的前提。 基于局部放电信号时频分布特 征， 采用等效持续时间和等效均方根带宽来表征局部放电宽 带脉冲波形的时频特征， 构建等效时频谱图， 进而采用基于 网格和密度的聚类算法来完成不同类型局部放电信号的自 动分离。 该算法采用网格单元密度最优划分方法来确定网格 单元的密度阈值，无需指定分类数目，对噪声数据不敏感，
0 引言
目前关于局部放电检测技术的研究主要集中 在局部放电的模式识别技术上，基于各种人工神经 网络算法采用局部放电二、三维统计谱图的统计特 征参数、局部放电灰度图像的分形特征参数、小波 变换系数以及局部放电脉冲波形特征参数对局部 取得了良 放电模式识别技术进行了广泛的研究[1-5]， 好的效果。然而，在局部放电的现场检测过程中， 除了白噪声和窄带周期性干扰外，还存在多种类型 的放电故障和一些脉冲型干扰信号。对于白噪声与 窄带周期性的抑制， 采用小波降噪技术可以取得不 错的抑制效果[6-12]。但存在脉冲型干扰的情况下， 数据经过统计分析就会出现多种放电故障的放电 模式谱图叠加或相互覆盖的情况，对局部放电故 障的模式识别带来很大困难，影响了模式识别技 术的有效性和准确性。因此，实际应用中必须首 先 将不同放电 故障的信号 以及干扰信 号分离 开 来，才能对局部放电故障类型信号进行进一步的 识别和判断。 相关研究表明：对于局部放电脉冲高频电流波 形，通过提取脉冲波形的等效时间与等效频宽构建 T-F 谱图，进而通过聚类分析的方法可实现不同类 型放电 信号 的分离 ，已 有学者 进行 了相关 的研 究[13-15]。文献[16]利用脉冲群快速聚类技术及最小 二乘向量机的局部放电脉冲相位分布谱图识别技
格数据空间； 将时频特征(Ti, Fi)聚类结果输出， 并依据(Vi, 8）
F
0
2
S ( ) d
2
(6)
等效均方根带宽表示信号频率分布密度的大 致特征，可以给出密度集中的位置。
1 局部放电信号的时频特征提取
1.1 信号的等效持续时间 为了实现不同放电故障信号的分离，首先必须 提取能够全面反映放电信号时域和频域特征的特 征量，进而利用提取的特征量来表示放电信号。不 同类型或多源放电信号，由于放电机理、放电缺陷 位置、放电信号传播路径的不同，会在局部放电信 号波形的时频特征上有所表现，因此根据不同放电 信号时频分布特征的不同，可以将不同类型的放电 信号进行分离，本文提取了信号的等效持续时间、 信号 的 均方 跟带 宽等 表 征信 号时 频 特征 的特 征 量[14]。 信号 S(t)的时间波形特征有平均时间、持续时 间等， 如果把|S(t)|2 看作时间密度， 那么平均时间就 可按通常的方法来定义：
基金项目： 国家重点基础研究发展计划项目 (973 项目 )(2009CB 724508)。 The National Basic Research Program of China (973 Program) (2009CB724508).
可以对任意形状的簇进行分类， 具有较好的自适应能力。 最 后通过试验验证了该方法对不同类型局部放电信号分离的 有效性。 关键词：局部放电；时频分析；网格和密度；聚类分析； 信号分离