基于Storm的局部放电信号集合经验模态分解.docx

基于Storm的局部放电信号集合经验模态分解
局部放电是高压电力设备中最常见的故障之一。在高压设备中，高电压场和强电场导致电绝缘材料中形成局部放电。局部放电不仅会影响设备的正常运行，而且会导致设备的故障和损坏。因此，有效的局部放电检测和诊断技术对于保障高压设备的可靠和安全运行至关重要。近年来，随着电力设备的日益复杂化，对局部放电信号识别和分析的要求也越来越高。在此基础上，利用经验模态分解对局部放电信号进行集合处理，可以提高信号的特征提取效果，提高局部放电检测和诊断技术的准确性和可靠性。
一、经验模态分解的基本概念
经验模态分解（EmpiricalModeDecomposition,EMD）是一种基于数据的信号处理方法，它是由中国科学家黄钦平在1998年提出的。EMD是一种自适应的、局部计算的数据分解方法，可以将一个信号分解成若干个固有模态函数（IntrinsicModeFunction,IMF）和一个残差项。IMF是一种信号的本征模态，具有平稳的局部特性，没有相位和振幅的漂移。EMD的基本思想是：将信号分解成若干个局部特征模态，再求取这些局部特征模态之和即可还原原始信号。EMD的基本流程如下：
(1)在原始信号中选一极大值点和一极小值点，将它们之间的位置作为初选局部特征模态函数的振荡中心。
(2)将初选的局部特征模态函数当做一次函数（线性或者非线性），并将它拟合到原始信号上，得到一个零平均的函数，称为局部特征模态函数(IMF1)。
(3)在原始信号减去IMF1后，得到残差项R1，然后对R1进行相同的操作，得到IMF2，重复此步骤，直到得到的IMF满足某种条件。
(4)最后一次分解的残差项就是原始信号的余下部分，称之为残差项（Residue,Rn）。
EMD方法是一种非参数的方法，不需要像传统的信号处理方法一样对信号做出预设的假设。因此，EMD可以适用于许多不同类型的信号处理，如地震信号处理、工业信号处理、医学信号处理等。EMD方法的主要优势是：
(1)能够完整地反映信号中的所有信息。
(2)没有任何参数需要预先设定。
(3)不需要像传统滤波器一样进行时域-频域变换，因此具有更高的频域分辨率。
二、局部放电信号的特征
局部放电信号的特征是通过对局部放电信号的测量、分析和统计来得到的。这些特征包括频谱、脉冲个数、脉冲数量、脉冲幅度、脉冲前沿斜率等。
(1)频谱特征：局部放电信号的频谱范围一般在几百千赫兹到几百兆赫兹之间。由于频谱范围相对较窄，在频域内往往可以观察到多个区域，用于表征局部放电信号的能量分布和脉冲特征。
(2)脉冲信号特征：局部放电信号常常表现为窄脉冲，信号的持续时间约在10ns到1μs之间，脉冲高度通常在数百毫伏到数千毫伏之间，前沿斜率在1kV/μs以上。
(3)脉冲数量特征：脉冲数量是表征局部放电信号的重要特征之一。脉冲数量个数多的情况下，说明局部放电活动更加频繁，设备的受损程度更加严重。
(4)脉冲幅度特征：局部放电脉冲的幅度是表征其能量级别的重要指标，能够反映局部放电活动的强度和设备的损坏程度。
三、基于EMD的局部放电信号集合分析方法
基于EMD的局部放电信号集合分析方法将多个局部放电信号集合起来，并通过EMD分解方法将其分解为若干个固有模态函数。这些固有模态函数具有不同的频率和振幅，可以用于局部放电特征提取和分类识别。在EMD分解时，可以选择对整段信号进行分解，或者对局部放电脉冲进行分解。
分解完成后，可以根据每个固有模态函数的不同变化趋势，通过能量比值法、相关系数法、主成分分析法、模糊聚类方法等统计学方法对局部放电脉冲进行分类分析和识别。从而找到导致局部放电的机理和过程，并预测设备的故障情况和寿命。
四、实验结果与分析
本文采用了硅油垂直板间隙局部放电信号和ZFBS-80型局部放电探头测量得到的模拟信号。对采集到的信号进行了EMD分解，根据EMD分解的能量比值法，计算出每个固有模态函数所占的能量占比。通过实验结果和分析，确定能量占比最大的固有模态函数具有局部放电信号的主要特征，可以作为特征向量用于后续的信号识别和分类。同时，根据所有固有模态函数的能量占比，也可以分析局部放电特征和机理的差异，为局部放电识别和监测提供更多的信息。
五、结论
本文基于EMD的局部放电信号集合分析方法，通过对多个局部放电信号进行集合分析和处理，可以提高局部放电检测和诊断技术的准确性和可靠性。采用EMD分解方法，可以从时间域和频域两个方面对局部放电信号进行分析和处理，得到脉冲个数、脉冲数量、脉冲幅度、脉冲前沿斜率等多种特征向量，用于后续的局部放电信号识别和分类。基于本文提出的EMD方法，可以为局部放电监测和诊断提供更多的信号处理思路和方法。