基于ceemd-eemd的局部放电阈值去噪新方法-王恩俊.pdf

《基于ceemd-eemd的局部放电阈值去噪新方法-王恩俊.pdf》由会员分享，可在线阅读，更多相关《基于ceemd-eemd的局部放电阈值去噪新方法-王恩俊.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第44卷第15期 电力系统保护与控制 V0144 No1511 1鱼生!旦!旦 !旦!竺!羔!堡翌呈翌!垒2翌苎里!竺竺翌!竺! 垒旦墨：!圣!鱼DOI：107667PSPCI51487基于CEEMDEEMD的局部放电阈值去噪新方法王恩俊，张建文，马晓伟，马鸿宇(中国矿业大学信息与电气工程学院，江苏徐州221008)摘要：为了解决局部放电信号去噪过程中自适应性不足，提出了基于完全经验模态分解和总体平均经验模态分解(CEEMDEEMD)的局部放电阈值去噪新方法。首先将放电信号进行CEEMD分解，其次对分解出来的固有模态函数进行EEMD分解，根据数理统计的知识将分解后的信号进行阈值去噪。利用该算法

2、对局部放电的仿真信号和实测信号进行去噪处理，并与常规的小波去噪算法比较分析。仿真和实验的去噪结果表明，基于CEEMDEEMD的局部放电阈值去噪方法取得了良好的去噪效果，验证了该方法的有效性，从而为局部放电信号的预处理提供了一种新思路。关键词：局部放电；完全经验模态分解；总体平均经验模态分解；阈值去噪；小波去噪A new threshold denoising algorithm for partial discharge based on CEEMD-EEMDWANG Enjun，ZHANG Jianwen，MA Xiaowei，MA Hongyu(School ofInformation a

3、nd Electrical Engineering，China University ofMining and Technology，Xuzhou 221008，China)Abstract：To solve the problem that the adaptability of partial discharge signals is not insufficient in denoising process，anew algorithm of partial discharge thresholding denoising based on complete ensemble empir

4、ical mode decompositionand ensemble empirical mode decomposition is proposedFirstly，the discharge signals should be decomposed byCEEMDSecondly，the intrinsic mode functions which have been broken out by CEEMD should be decomposed byEEMDThirdly，the thresholding denoising of decomposed signals is carri

5、ed on based on the knowledge of mathematicalstatisticsThis paper makes use of the new algorithm to denoise for simulation signals and measured signals and tocompare with the conventional wavelet denoising algorithmThe simulation results and experimental results show that thethresholding denoising al

6、gorithm for partial discharge based on CEEMDEEMD gets a satisfactory effect,showingvalidity ofthe method，which provides a new way for the partial discharge signals to denoiseKey words：partial discharge；CEEMD；EEMD；thresholding denoising；wavelet denoisingO 引言局部放电在线监测是一种广泛用于检测电力设备绝缘性能的重要手段【1。J。由于在提取局部放

7、电信号的过程中，会存在大量的干扰信号，尤其是白噪声，因此，如何从被污染的信号中准确提取出局部放电信号成为局部放电在线监测的关键。局部放电信号是一种非线性强，不平稳的放电信号。目前，针对局部放电信号的去噪方法主要有FFTl 81，小波自适应阈值去噪【9等方法。虽然它们在去噪方面取得了很大的成果Il叫2I，但是由于FFT适用于平稳信号的去噪，而小波变换去噪不具有自适应性，与人的经验有关，去噪后的效果不是令人满意。经验模态分解(Empirical Mode Decomposition，EMD)具有良好的时频特性，能够较好的处理非线性，非平稳信号，而且具有很强的自适应性，在信号去噪方面发挥着重要的作用

8、13-14oEMD算法直观简单，具有正交性、完备性和自适应性等特点，然而它却存在着严重的模态混叠现象，这对于信号去噪分析很不利。为了解决这个问题，HuangBsl等人通过研究自噪声信号，提出了总体平均经验模态分角翠(Ensemble Empirical Mode Decomposition，EEMD)。之后，Torres16】等人提出了完全经验模态分解(Complete Ensemble Empirical Mode Decomposition，CEEMD)，该方法通过向每个尺度的剩余分量中添加不同的高斯白噪声，然后求其平均值，从而使分解的结果很彻底，进一步减轻了模态混叠，减少了虚假分量。万方

9、数据一94一 电力系统保护与控制由于CEEMD能够使分解结果彻底，且模态混叠的现象大大减轻，所以本文首先利用CEEMD将含噪信号分解，其次利用EEMD对分解出的各个模态函数再次分解，根据数理统计的知识本文提出了基于CEEMDEEMD的局部放电阈值去噪新方法。1 基本原理11 CEEMD的原理CEEMD算法的具体步骤如下：(1)对)+F_oWi()进行诧次EMD分解，获得上崛。1LIMF,(t)=二芝：I_ME,O) (1)，zi=1(2)由第一步获得剩余残量，。n(f)=x(f)一IMF,(t) (2)(3)分解，(f)+elEl(w(f)，i=l，n，将它的第一个固有模态函数作为CEEMD的

10、上尬。1lIMFfft)=二：Et rtO)+tEt(w7)”(3)n百(4)以此类推得到第k个剩余残量rk。H(f)=r(k一1)(f)一IMFk(t) (4)(5)分解rk(t)+皿(w(，)，i=1，n，将它的第一个固有模态函数作为CEEMD的n弼川、。IMF(+1灯)=三E1(nO)+t点I(w(r) (5)n百(6)若剩余残量中至多有1个极值点，则分解结束。否则再次返回到步骤46中进行计算，直到剩余残量满足条件【17】，最终获得的剩余残量R(f)。羔R(t)=xO)一：IMFk (6)西r所以 x(f)=IMF,+R(t) (7)k=l式(7)说明CEEMD能够完全分解，并且可以获得

11、精确的重构信号。式(3)中出现的运算符号历()，表示获得EMD分解的第，个固有模态函数，式(61中K表示获得IMF的总个数。EEMD的原理限于篇幅问题，在此不再赘述。12阈值的选择和能量门限法白噪声满足N(0，铲)的正态分布，白噪声经过分解后得到的固有模态分量仍满足正态分布的规律【17J，而局部放电信号却不具有这种规律，由此可以将放电信号视为粗差，结合阈值函数可以实现噪声和信号的分离。数理统计【181表明，3万准则是粗差检测的常用准则之一，基本思想就是：随机误差服从正太分布，误差的绝对值主要集中在均值附近，用公式可以表示如下：p一38Z-U3田=09974 (8)由式(8)可以看出，利用3万准

12、则的方法可以将小于阈值绝对值的白噪声去除，从而将局部放电信号分离出来。由于端点效应的影响，EMD分解得到的固有模态函数中会有虚假的固有模态分量，为了抑制这种现象，利用能量门限洲19J来识别虚假的IMF。能量门限法的核心思想：每个进行CEEMD分解的信号都是由能量大小相近的信号分量组成，经过CEEMD分解得到的ME也应该有相同等级的能量，因此能量相对较小的IMF可以认为是伪IMF。设 肱=IMFi(t)2 (9)t=l正进行归一化可知：ei=!：L(101max(M)对ei设置阈值，去除虚假的固有模态函数。2 基于CEEMDEEMD阈值去噪文献17】提出了基于EMD的局部放电阈值去噪算法。该算法

13、一方面没有考虑EMD分解所存在的模态混叠和端点效应，且将分解出的第一个固有模态函数当成高频噪声直接滤除，这样会丢失局部放电信号的信息，不利于局部放电信号的模式识别：另一方面在对去噪信号的评价上，其是基于均方根误差和局部相关指数，不能全方位的反映去噪性能的好坏。鉴于此，本文提出了基于能量门限法的CEEMD-EEMD阈值去噪算法，其算法流程图见图1。图1基于CEEMDEEMD阈值去噪算法流程图Fig1 Threshold denoising algorithm flowchartbased on CEllMD-EEMD3 仿真信号的分析由于得到的局部放电信号是衰减型的，因此构万方数据王恩俊，等 基

14、于CEEMDEEMD的局部放电阈值去噪新方法 95矧0 000 2 000 3 000Vfa)州盟l的jlIj椰放f乜信0、(b)含噪的tI【1j部放乜信q图2局部放电的仿真信号Fig2 Simulation signals of partial discharge首先对含噪信号进行CEEMD分解，得到11个固有模态函数，其中IMF是剩余残量，见图3。在对非线性强的局部放电信号去噪的过程中，为了解决模态混叠的现象，本文提出对分解后的固有模态信号用EEMD进行分解，这样可以使模态混叠的现象大大减轻。为了消除端点效应的影响，本文设置能量门限阈值ei01，由表l可知，最后的三个I_ME是虚假分量，应

15、当舍弃。表1固有模态函数能量值Table 1 Energy values of intrinsic mode functionsIMF 1 2 3 4 5 6e 1000 0863 0842 0755 0634 0578IMF 7 8 9 10 11e O432 01 76 0085 0009 0006l疆匝卿亚亟巫巫堕巫巫碉爨l巨堕堕亟堕三三受堕妻。：鬯!竺竺竺竺竺竺竺竺竺竺竺型l鞭匡三三三互三三互堕妻。：巳=竺=竺=型二二=：=!竺=!=!型l疆E三三叵至三三至三三妻。：E二兰二兰二=兰二兰二型!=型l 0。00 l E三三互三三互三三至三|毒卜卅卜、11几，h一：；I、：一l鞭0广_1妻

16、 ol麓E丕豆里至丕夏巫丕互|0二0 F歹歹=歹7万。万刁02毫卜厂 1=L!，_=二_二=二_一l飘E三三至三三三Z二受蝥05005 E三三三三三三三三三习告卜一、1()L，J三o 3 F=二=马窆。0 1卜磊矿T南FT茹厂矗丽1高矿1蒜图3固有模态函数Fig3 Intrinsic mode functions为了与本文提出的方法做比较，分别采用小波阈值去噪算法和基于EMD的阈值去噪算法与其对比。对于小波去噪算法，选用的母小波是db2和db8，采用的阈值是基于3万准则，分解层数为6层。图4中(a)、(b)、(c)分别是db2小波去噪，db8小波去噪和基于EMD的阈值去噪，图4(d)是本文提出

17、的方法进行局部放电去噪。图4中(a)、(b)t：t较，可以看出(a)去噪后的波形要比(b)更接近于原始信号，这是因为仿真信号的波形与db2母小波的波形更匹配。图4(c)、图4(d)进行比较，(d)比(c)保留的放电信息要多，且波形与原始信号的波形近似相同，因为分解后的固有模态函数经EEMD再次分解后模态混叠现象减轻，显露出更多的局部放电细节信息，并且利用能量门限阈值法抑制了端点效应。而图4(c)、图4(d)无论从信号的波形上，还是从保留的信息量上来看，都要比(a)、(b)要好。图4定性比较了去噪后局部放电信号的波形，为了定量的评价去噪效果，本文从信噪比(SNR)，幅值误差(MSE)，波形相似系

18、数(NCC)和波形畸变率(成)【20】四个不同的指标全方位进行比较。信噪比和幅值误差是从宏观上衡量去噪的效果，信噪比越大，幅值误差越小，说明去噪效果越好；波形相似系数和波形畸变率是从微观上衡量去噪的效果，波形相似系数越大，波形畸变率越小，说明波形畸变的越小，去噪效果越好。表2给出了不同去噪算法在四个评价指标上值的大小。万方数据电力系统保护与控期c1坫J。EMD的闽1：f【上噪v(d1 J+JiCEEMDEEMDl的闽值上嵘图4仿真信号去噪Fig4 Simulation signal denoising表2不同去噪算法的评价指标值Table 2 Evaluating indicator valu

19、es for differentdenoising algorithms由表2可以看出，db2的SNR比db8的要高503，MSE低652，NCC高116，JBL低326，对于小波去噪，综合来说，db2小波去噪效果要更好一些；对于CEEMDEEMD的阈值去噪来说，虽然SNR比基于EMD的阈值去噪低356，但是MSE低3226，NCC高800，JBL低329。综合评价可知，基于CEEMDEEMD的阈值去噪算法要优于基于EMD的阈值去噪算法，而基于CEEMDEEMD的阈值去噪算法和db2小波去噪算法进行比较，它的各项指标都要优于db2。4 实测信号的分析利用本文提出的去噪方法对实测的局部放电信号进

20、行去噪，在高压实验室中进行了三种类型的局部放电实验【2，分别是固体绝缘内气隙放电，油中中电晕放电，油中沿面放电。图5是固体绝缘内气隙放电去噪前后图形，图6是油中电晕放电去噪前后图形，图7是油中沿面放电去噪前后图形。从去噪后的图形来看，去噪效果非常好，有利于局部放电的模式识别。图5气隙放电去噪前后图形Fig5 Graphics of air gap discharge before and after denoising图6电晕放电去噪前后图形Fig6 Graphics of corona discharge before and after denoising图7沿面放电去噪前后图形Fig7

21、Graphics ofcreeping discharge before and after denoising5 结论本文对局部放电的仿真信号利用传统的去噪算法和新算法进行去噪，首先从去噪后的波形上直观万方数据王恩俊，等 基于CEEMDEEMD的局部放电阈值去噪新方法 97recognitionfor partialdischar。ge based：n correlatio、n M27(4N)：=，z删。吨q；u，cA。眦；舭nge。，。COelmCie。ntmatri。x and probabi。nstic：e黑?烹黑 咖sf0哪二d denoise”algorithm k，thres。h

22、ou5viutAitL,j Iding t：1L?：we：csystem Prmect洒n and C0n仃012013，4l(13)=onllne p枷al d|sch鹕e detecti。n【J】P。wcr sy三em110115 。 + 。5 杨志超，苎立新，耋譬竺，妻煮三GK。篓篓要耋竺12杨霁_Techno基log于，J、y,20波03多,2尺7(度4)变：4换6-4的8局部放电去噪与识别方I=s：!_的qs局部放电类型识别【J】电力系统保护 。主蕃茹j磊。主妄吴；：o矗。“一“?孥掣2014，,42罢o)：翟：47 YANG J-Rcsearch。n denoising aIld

23、rec。n印iti。n of曼Zh沁慨刚粤G?堍炯et a1 例洲Sc姆baSed 0n啪velet m。ultiscale trai。lsfo姗阱1蛳1胁1。nof叫1a1如ch孵i11一gas insulated Zh。ngqing：C。hongqing University,2004switchgears based on GK fuzzy clustering&LS-SVMJ。万方数据一98 电力系统保护与控制13贾嵘，徐其惠，田录林，等基于经验模态分解和固有模态函数重构的局部放电去噪方法J】电工技术学报，2008，23(1)：13-18JIA Rong，XU Qihui，TIAN L

24、uliIl，et a1Denoising ofpartial discharge based on empirical mode decompositionand intrinsic mode function reconstructionJTransactionsofChina Electrotechnical Society,2008，23(1)：131814张冠英，曹旺林，李长伟，等基于集合经验模态分解的串联型故障电弧辨识方法【J】电器与能效管理技术，2016(5)：7-12ZHANG Guanying，CAO Wanglin,LI Changwei，et a1Series arc fa

25、ult identification method based on EEMDJElectrical&Energy Management Technology,20 1 6(5)：712E 1 5HUANG N EThe empirical mode decompos“ion and theHilhert spectrum for nonlinear and nonstaionary timeseries analysisJProceedings of the Royal Society A，1998，454(1971)：9039951 6TORRES M E，COLOMINAS M A SC

26、HLOTrHAUER Get a1A complete ensemble empirical mode decompositionwith adaptive noiseJIEEE Transactions on SignalProcess，2011：4144414717李天云，高磊，聂永辉，等基于经验模式分解处理局部放电数据的自适应直接阈值算法【J】中国电机工程学报，2006，26(15)：29-34LI Tianyun,GAO Lei，NIE Yonghui，et a1A new adaptivedirect-threshold algorithm to partial discharge

27、dataprocessing based on empirical mode decompositionJProceedings ofthe CSEE，2006，26(1 5)：29-3418王清河，常兆光，曹晓敏，许晓捷随机数据处理方法M】东营：中国石油大学出版社，201119臧怀刚，李清志改进的EMD方法在局部放电信号提取中的应用J】电力系统及其自动化学报，2014，26(111：78-81ZANG Huaigang，LI QingzhiApplication of improvedemd method on extraction of partial discharge signalJP

28、roceedings ofthe Csu-EPSA，2014，26(11)：78-8120唐炬，高丽，彭莉，等非平稳振荡局放信号去噪效果评价参数研究【J】高电压技术，2007，33(12)：66-70TANG Ju，GAO Li，PENG Li，et a1Study on newevaluation parameters for denoising performance ofnonstationary oscillating partial discharge signalsJHi曲Voltage Engineering，2007，33(12)：667021林海渊，林碧莺，张秀霞交流电晕放电

29、下SF6气体分解物的光谱检测叨电网与清洁能源，2014，30(2)：5259LIN Haiyuan，LIN Biying,ZHANG XiuxiaSpectrameasurement of SF6 gas decomposition under AC coronadischargesJPower Symem and Clean Energy,2014，30f21：52-59收稿日期：2015-0821； 修回日期：2015-0924作者简介：王恩俊(1 990-)，男，通信作者，硕士研究生，研究方向为电气设备状态监测与故障诊断研究；E-mail：15610031270163com张建文(1 968一)，男，博士，教授，研究方向为电气设备状态监测与故障诊断研究，高电压与绝缘检测技术；马晓伟(1 992一)，男，硕士研究生，研究方向为电气设备状态监测与故障诊断研究。(编辑张爱琴)万方数据