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

技术领域

本申请涉及局部放电检测技术领域，尤其涉及一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法和系统。

背景技术

局部放电(Partial Discharge，PD)是高压电气设备绝缘劣化的早期迹象，因此PD检测可以作为设备绝缘状态评估的有效手段。在线检测PD信号会受到不同种类不同程度的噪声干扰，对于幅值较小的PD信号，可能会淹没于较大的噪声中，从而存在漏检的问题，因此需要在检测PD信号时抑制噪声干扰。

气体绝缘开关柜(GIS)设备是电力系统的重要组成部分，其绝缘性能的优劣关系着整个电网的安全性和稳定性。GIS局部放电不易被发现，而且GIS设备自身周围会产生噪声，会严重淹没局部放电信号。现有的GIS局部放电去噪按时采用小波分析和经验模态分解(EMD)方式，但是去噪效果仍然不够理想，无法很好地保存GIS局部放电信号特征。

发明内容

本申请提供了一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法和系统，用于解决现有的GIS局部放电去噪方式去噪效果不够理想，无法很好地保存GIS局部放电信号特征的技术问题。

有鉴于此，本申请第一方面提供了一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法，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；

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。

可选地，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。

可选地，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c

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

粒子数加1；

更新速度值：

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。

可选地，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，t

可选地，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。

可选地，所述统一阈值函数为：

所述Birge-Massart阈值函数为：

n

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，M

可选地，重构后得到的GID局部放电信号为：

本申请第二方面提供了一种基于优化的VMD联合小波阈值的GIS局部放电去噪系统，包括：

建模模块，用于构建GIS局部放电信号模型；

分解模块，用于根据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；

加权模块，用于分析小波阈值函数，确定加权阈值；

去噪模块，用于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；

重构模块，用于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。

可选地，所述分解模块包括：

参数优化子模块，用于根据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；

分解子模块，用于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。

可选地，所述参数优化子模块具体用于：

设置PSO-GA参数：PSO的加速常速c

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

粒子数加1；

更新速度值：

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。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请中提供了一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法，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；分析小波阈值函数，确定加权阈值；使用加权阈值对各IMF分量进行去噪，得到去噪后的各IMF分量；根据去噪后的各IMF分量进行信息重构，得到GID局部放电信号。

本申请提供的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，利用PSO-GA算法对VMD参数进行优化，实现了完全非递归的自适应信号分解方法，同时与利用多阈值策略加权算法的小波分析方法结合，综合各个阈值函数的优势，去噪效果好，能更好地保留GIS局部放电信号特征。解决了现有的GIS局部放电去噪方式去噪效果不够理想，无法很好地保存GIS局部放电信号特征的技术问题。

附图说明

为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例中提供的一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法的流程示意图；

图2为本申请实施例中提供的一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法的PSO-GA算法流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例1

为了便于理解，请参阅图1，本申请提供了一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法的一个实施例，包括：

步骤101、构建GIS局部放电信号模型。

需要说明的是，本申请实施例中，首先构建自带噪声的原信号模型，即去噪前的原始GIS局部放电信号的GIS局部放电信号模型。

步骤102、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。

需要说明的是，采用粒子群算法PSO和遗传算法GA混合算法，根据混合算法优化VMD的分解层数K和惩罚因子α，对VMD(Variational Mode Decomposition)分解，得到多个模态分量IMF。

步骤103、分析小波阈值函数，确定加权阈值。

需要说明的是，本申请实施例中，分析多种小波阈值函数，结合各小波阈值函数的优点采用多阈值策略加权的方法得出加权阈值。

步骤104、使用加权阈值对各IMF分量进行去噪，得到去噪后的各IMF分量。

需要说明的是，对VMD分解后的各模态分量，采用加权阈值小波进行去噪，通过小波加权阈值对VMD分解后含噪声的模态分量进行噪声过滤。

步骤105、根据去噪后的各IMF分量进行信息重构，得到GID局部放电信号。

需要说明的是，对去噪后的模态分量进行信息重构，得到去噪后的GIS局部放电信号。

本申请实施例提供的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，利用PSO-GA算法对VMD参数进行优化，实现了完全非递归的自适应信号分解方法，同时与利用多阈值策略加权算法的小波分析方法结合，综合各个阈值函数的优势，去噪效果好，能更好地保留GIS局部放电信号特征。解决了现有的GIS局部放电去噪方式去噪效果不够理想，无法很好地保存GIS局部放电信号特征的技术问题。

实施例2

本申请实施例中提供了一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法的另一个实施例，包括：

步骤201、构建GIS局部放电信号模型。

GIS局部放电的四种数学模型为：

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，t

步骤202、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。

(1)设置PSO-GA参数：PSO的加速常速c

(2)初始化粒子位置和速度，设置VMD算法参数[K,α]为粒子位置；

(3)将初始化的所有粒子位置代入VMD算法；

(4)确定每个粒子历史最佳位置p

(5)粒子数加1；

(6)更新速度值：

(7)对种群进行交叉和变异操作；

(8)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，返回步骤(5)。

步骤203、根据最优参数组合，对GIS局部放电信号模型进行VMD分解，得到多个IMF分量。

步骤204、分析小波阈值函数，确定加权阈值。

分析小波阈值函数，结合各小波阈值函数的优点得出加权阈值，确定小波阈值的三种阈值函数为：

统一阈值函数为：

所述Birge-Massart阈值函数为：

n

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，M

步骤205、使用加权阈值对各IMF分量进行去噪，得到去噪后的各IMF分量。

需要说明的是，对VMD分解后的各模态分量，采用加权阈值小波进行去噪，通过小波加权阈值对VMD分解后含噪声的模态分量进行噪声过滤。

步骤206、根据去噪后的各IMF分量进行信息重构，得到GID局部放电信号。

需要说明的是，对去噪后的模态分量进行信息重构，得到去噪后的GIS局部放电信号，重构后得到的GID局部放电信号为：

本申请实施例提供的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，利用PSO-GA算法对VMD参数进行优化，实现了完全非递归的自适应信号分解方法，同时与利用多阈值策略加权算法的小波分析方法结合，综合各个阈值函数的优势，去噪效果好，能更好地保留GIS局部放电信号特征。解决了现有的GIS局部放电去噪方式去噪效果不够理想，无法很好地保存GIS局部放电信号特征的技术问题。

实施例3

本申请提供的一种基于优化的VMD联合小波阈值的GIS局部放电去噪系统的一个实施例，包括：

建模模块，用于构建GIS局部放电信号模型；

分解模块，用于根据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；

加权模块，用于分析小波阈值函数，确定加权阈值；

去噪模块，用于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；

重构模块，用于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。

进一步地，所述分解模块包括：

参数优化子模块，用于根据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；

分解子模块，用于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。

进一步地，所述参数优化子模块具体用于：

设置PSO-GA参数：PSO的加速常速c

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

粒子数加1；

更新速度值：

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。

本申请实施例中提供的基于优化的VMD联合小波阈值的GIS局部放电去噪系统，用于执行前述实施例1或实施例2中的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，能够取得与实施例1和实施例2中的方法相同的技术效果，在此不再进行赘述。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。