一种基于特征相位的多种局部放电混合信号分离方法与流程

技术领域：

本发明属于电力设备局部放电检测技术领域，具体涉及一种基于特征相位的多种局部放电混合信号分离方法，用于电力设备多种局部放电类型混合发生时的识别。

背景技术：
：

电力设备的绝缘材料是保证电力设备正常运行的重要组件，但是由于绝缘材料在强电场作用下老化或绝缘材料加工缺陷，在电力设备运行中绝缘材料内部会出现局部放电，局部放电的发展会加速绝缘材料的老化，从而导致电力设备寿命缩短，所以必须尽早发现和识别局部放电的类型，采用措施减缓电力设备的老化。

根据局部放电统计量进行局部放电类型识别的方法较多，目前比较成熟的方法是基于相位的放电序列(prpd，phaseresolvedplusesequence)生成的放电相位谱图，如放电量-相位二维谱图和放电量-相位-放电次数三维谱图，这些谱图提供了29种特征参量，如偏斜度、峭度等，可以用于局部放电类型识别。

然而，现场实际情况往往存在多种放电类型同时发生的情况，当多种放电类型同时发生时，上述方法目前尚无法区分多种放电类型同时发生的情况，本发明根据不同放电量在不同相位上发生的次数作为统计参量，提出了一种新基于特征相位的特征向量，可以用于多种放电类型混合发生时的识别。

技术实现要素：
：

本发明的目的是为了解决多种局部放电类型同时发生时识别问题，提供了一种基于特征相位的多种局部放电混合信号分离方法，并验证了特征参量在多种局部放电类型混合发生中识别的有效性。

为达到上述目的，本发明采用如下技术方案来实现的：

一种基于特征相位的多种局部放电混合信号分离方法，包括以下步骤：

1)采集不同放电类型的多组局部放电信号，每组信号包含多个工频周期；

2)对同一种放电类型中每一组局部放电信号进行每一个工频相位上不同放电量或放电幅值发生次数的统计，得到能够反映不同相位上不同放电量或放电幅值发生次数的二维统计矩阵pdpattern，重复上述步骤得到同一种放电类型多组二维统计矩阵pdpattern，并按照矩阵相加的运算得到同一种放电类型的二维统计矩阵pdpattern；

3)对同一种放电类型的二维统计矩阵pdpattern进行奇异值分解，取奇异值最大值对应的向量，该向量表示每一个相位上放电次数的变化剧烈情况，向量值越大说明该相位的特征变化越明显；利用硬阈值方法，从向量中提取大于某一个阈值的值，即得到该放电类型对应的特征相位featurephase；

4)对不同放电类型的信号，重复步骤2)和3)，得到各个放电类型各自的特征相位featurephase；

5)对同一种放电中每一组局部放电信号的某一个特征相位进行不同放电量发生次数的统计，得到能够反映特征相位上不同放电量发生次数的列向量phasearray，对多组信号重复上述步骤，得到同一种放电类型多组该特征相位上的phasearray，按照如下公式合并多个列向量，构成该特征相位的放电量发生次数的统计二维矩阵，即该特征相位二维统计矩阵phasematrix；

phasematrix＝[phasearray1phasearray2……phasearrayn](1)

其中1,2,……n表示局部放电信号的编号；

6)对phasematrix进行奇异值分解，取奇异值最大值对应的特征向量，即得到该特征相位的特征向量；

7)重复上述步骤5)和6)，得到同一种放电类型所有特征相位上的特征向量；

8)对不同放电类型的数据重复步骤5)～7)，得到不同放电类型的所有特征相位上的特征向量；

9)对局部放电混合信息中的放电类型进行区分，利用特征相位上的特征向量与多种局部放电混合信息相应相位上的信息进行相似度比较，根据相似度大小判断是否存在对应的放电类型，结果表明存在某种放电类型时，放电信息与特征向量的相似度达到80％以上。

本发明进一步的改进在于，步骤2)中放电量的单位为pc，放电幅值的单位为mv、v或db。

本发明进一步的改进在于，步骤2)中局部放电二维统计矩阵pdpattern能够以二维图像的形式表示。

本发明进一步的改进在于，步骤2)的具体实现方法如下：

201)记录局部放电发生过程中多个工频周期的放电量或放电幅值和对应的放电相位；

202)建立二维统计矩阵pdpattern，得到某一个工频相位上不同放电量或放电幅值发生的次数，步骤如下：

a)第k次放电时，确定该次放电在二维统计矩阵中位置(i，j)，根据该次放电量和对应的工频相位按如下公式得到，

j＝mpdk/yscale，i＝phasek/xscale

其中，k表示第k次放电，mpdk是第k次放电的放电量或放电幅值，yscale是缩放比例，单位与mpdk相同，phasei是第k次放电发生的工频相位，xscale是缩放比例，单位与phasei相同，例如当xscale为0.9°时，横坐标每一格表示0.9°，当yscale的值为10时，纵坐标每一格表示为10pc或10mv、10v、10db；

b)二维矩阵pattern中的(i，j)处的值表示为在某一个放电相位phasei发生对应放电量或放电幅值mpdk的次数，即统计多个工频周期内某一个工频相位对应的某一个相同放电量或放电幅值发生的次数，上述结果根据公式(2)得到，如下：

本发明进一步的改进在于，步骤3)中的硬阈值，对于不同放电类型其阈值不同，阈值的设定是根据大量实验数据和实验效果优化得到的。

本发明进一步的改进在于，步骤5)中phasearray的求解方法，具体步骤如下：

501)计算一组信号中第i个特征相位featurephase(i)上的不同放电量或放电幅值mpd发生的次数，即统计一组信号中多个工频周期内某一个特征相位对应的某一个相同放电量或放电幅值发生的次数，上述结果根据公式(3)得到phasearray，如下：

phasearray(j)＝phasearray(j)+1

ifj＝mpdk/yscale，featurephase(i)＝phasek/xscale(3)

其中，k表示改组信号中第k次放电，mpdk是第k次放电的放电量或放电幅值，yscale是缩放比例，单位与mpdk相同，phasek是第k次放电发生的工频相位，xscale是缩放比例，单位与phasek相同；

502)重复上述501)步骤，得到多组信号的phasearray，按照公式(1)得到关于第i个特征相位featurephase(i)的特征相位二维统计矩阵pdphasematrix。

本发明进一步的改进在于，步骤9)中的相似度比较，具体步骤如下：

901)对采集到的局部放电混合信息相应相位上的信息进行归一化处理，将特征量归一化到[0,1]的范围内，公式如下所示：

y＝x/xmax(4)

其中，y为归一化后的特征参量，x为特征参量，xmax为特征参量的最大值；

902)相似度比较采用如下公式计算，

其中，rk为第k个特征相位的相似度，xki为第k个特征相位的第i个特征向量，表示第k个特征相位特征向量的平均值；yki为局部放电混合信息第k个特征相位的第i个值，表示第k个特征相位上局部放电混合信息的平均值。

本发明对比已有技术具有以下创新点：

1.提出了新的局部放电二维统计矩阵和相应的二维谱图，能够直观的反应不同放电类型的特征；

2.提出能够区分不同放电类型混合信息基于特征相位的特征向量；

3、根据某一放电类型特征相位的特征向量，提出相似度的计算方法，能够在不同放电类型混合信息中正确识别出该放电类型是否存在。

本发明对比已有技术具有以下显著优点：

1、对比原有prpd谱图识别方法，本发明更为细致的考虑了每个工频相位上不同局部放电量发生的次数，提取了新的二维统计矩阵和新的二维谱图，能够直观的反应放电类型的特征；

2、对比原有prpd谱图识别方法，本发明能够从放电类型混合信息中区分出该混合信息中的各种放电类型。

综上所述，本发明提出了一种新的局部放电识别方法，利用本发明中提出的特征相位上的特征参量可以有效地从多种局部放电类型混合信息中正确区分出各种局部放电类型，正确区分度大于80％。

附图说明：

图1a为放电类型p1的二维特征矩阵对应的二维图像，图1b为放电类型p2的二维特征矩阵对应的二维图像，图1c为放电类型p1的二维特征矩阵对应的二维图像，图1d为放电类型p4的二维特征矩阵对应的二维图像；

图2a为本发明方法提取的放电类型p1特征相位为3.87°时的特征向量，图2b为本发明方法提取的放电类型p1所有特征相位的特征向量；

图3a为本发明方法测试时p2+p3+p4多种放电类型混合时的二维统计矩阵，图3b为本发明方法测试时p1+p2+p3+p4多种放电类型混合时的二维统计矩阵。

具体实施方式：

本发明的基本思想是基于局部放电统计量建立二维统计矩阵，对二维统计矩阵进行奇异值分解提取特征相位，计算多组特征相位上的不同放电量或放电幅值发生次数，再利用奇异值分解提取特征相位上的特征向量，利用特性相位上的特征向量进行多种局部放电类型混合发生时的放电类型区分，具体流程如下：

1)采集多组四种放电类型(分别是放电类型1、2、3、4，下文简称p1，p2，p3和p4)多个工频周期局部放电脉冲电流信号，本实验的工频周期个数为500个，采用iec60270的标准局部放电测量电路，使用的示波器其带宽为100mhz～3ghz，其采样率为10ms/s；

2)设置初始变量：yscale，xscale，不同放电类型的二维统计矩阵p1pattern，p2pattern，p3pattern和p4pattern；不同放电类型的特征相位二维统计矩阵p1phasemartix，p2phasemartix，p3phasemartix和p4phasemartix；不同放电类型的特征相位特征向量矩阵featurephasematrix，如图1a至图1d所示；

3)针对每种放电类型，建立二维统计矩阵，具体步骤如下：

a)读取第m组500个周期的局部放电射频数据；

b)顺序读取第m组中每个放电量及其对应的工频相位，计算其在二维统计矩阵中的位置，采用如下公式计算。

j＝mpdk/yscale，i＝phasek/xscale

其中，k表示第m组中的第k次放电，mpdi是第k次放电的放电量或放电幅值，yscale是缩放比例，phasei是第k次放电发生的工频相位，xscale是缩放比例，例如当xscale为0.9°时，横坐标每一格表示0.9°，当yscale为10时，纵坐标每一格可以表示10pc(或10mv、10v、10db)。

c)根据得到的位置i和j，对pattern中(i，j)位置的值(放电次数)加1处理，公式如下所示

d)直至第m组数据统计完毕，得到第m组数据对应的二维统计矩阵patternm；

e)将m组数据的pattern相加，得到二维统计矩阵p1pattern，p2pattern，p3pattern和p4pattern，分别对四个二维统计矩阵进行奇异值分解，得到奇异值最大值对应的向量，该向量表示不同相位上统计量的变化情况；

f)采用硬阈值的方法，取大于阈值的相位，得到四种放电类型的特征相位featurephase，根据大量实验数据和实验效果优化得到的四种放电类型阈值分别是：tp1＝0.95，tp2＝0.1，tp3＝0.5和tp4＝0.6。

4)根据特征相位，求解不同放电类型特征相位上的特征向量，如图2a和图2b；

a)读取第m组500个周期的局部放电射频数据；

b)顺序读取第m组中第k次的放电量mpdk及其对应的工频相位phasek，计算第i个特征相位对应的特征相位数组phasearray(i，m)的值，其中i表示第i个特征相位，m表示第m组数据；采用如下公式计算每个特征相位上发生放电的次数。

phasearrayi，m(j)＝phasearrayi，m(j)+1

ifj＝mpdk/yscale，featurephase(i)＝phasek/xscale(3)

其中，k表示第m组中的第k次放电，mpdk是第k次放电的放电量或放电幅值，yscale是缩放比例，单位与mpdk相同，phasek是第k次放电发生的工频相位，xscale是缩放比例，单位与phasek相同；

c)直至第m组数据统计完毕，得到第m组数据对应的所有特征相位数组phasearraym；

d)重复步骤a)～c)，并将第i个特征相位对应的所有phasearray按公式(4)合并，得到第i个特征相位对应的特征相位二维统计矩阵phasematrixi，如图3a和图3b所示；

phasematrixi＝[phasearray1phasearray2……phasearraym](4)

其中1,2,……m表示同一种局部放电类型m组信号的编号；

e)将phasematrixi进行奇异值分解，取奇异值最大值对应的向量，即得到第i个特征相位对应的特征向量；

f)重复步骤d)和e)，得到同一种放电类型所有特征相位上的特征向量；

g)重复步骤a)～f)，得到不同放电类型各自所有特征相位上的特征向量；

5)利用不同放电类型特征相位上的特征向量，进行不同放电类型混合信号的放电类型区分；

a)归一化特征参量，将特征量归一化到[0,1]的范围内，公式如下所示：

y＝x/xmax(5)

其中，y为归一化后的特征参量，x为特征参量，xmax为特征参量的最大值；

b)按照排列组合的方式，将四种放电类型的二维统计矩阵分别组合，得到15种放电类型混合形式，并将放电类型混合信息进行归一化处理，如公式5所示；

c)利用特征相位上的特征向量与混合后的放电信息对应相位上的信息进行相似度计算，可以正确区分出不同的放电类型，即与某一类型局部放电特征相位上的特征向量相似度大于80％时存在该类型放电类型；识别结果如下表所示，其中p1、p2、p3和p4表示4种放电类型。

表1不同局部放电混合方式时与不同放电类型特征相位上特征向量的相似度