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.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112836579A(43)申请公布日2021.05.25(21)申请号202011642585.9(22)申请日2020.12.31(71)申请人广东电网有限责任公司电力科学研究院地址510080广东省广州市越秀区东风东路水均岗8号(72)发明人罗颖婷许海林饶章权梁永超田翔江俊飞黄勇陈浪蒋伟沈道义(74)专利代理机构北京集佳知识产权代理有限公司11227代理人贾小慧(51)Int.Cl.G06K9/00(2006.01)G01R31/12(2006.01)权利要求书3页说明书7页附图2页(54)发明名称基于优化的VMD联合小波阈值的GIS局部放电去噪方法和系统(57)摘要本申请公开了一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法和系统，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。CN112836579ACN112836579A权利要求书1/3页1.一种基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，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K和惩罚因子，α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。2.根据权利要求1所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，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。3.根据权利要求2所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，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c1和c2、粒子数和最大粒子速度v、GA的交叉和变异概率、PSO‑GA混合算法的世代数和每个粒子的适应度；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pbest和历史最优位置gbest；粒子数加1；更新速度值：更新位置值：xi(t+1)＝xi(t)+vvi(t+1)，其中vi(t)为第t次迭代粒子i的速度，xi(t)为第t次迭代粒子i的位置；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。4.根据权利要求1所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，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：2CN112836579A权利要求书2/3页其中，A、B均为GIS局部放电信号的振幅，τ为信号的衰减常数，t0为放电脉冲起始时刻，t为放电脉冲时刻，f为GIS局部放电信号的振荡频率。5.根据权利要求1所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，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。6.根据权利要求5所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，所述统一阈值函数为：所述Birge‑Massart阈值函数为：αni＝M1(j+2‑i)；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2度，M1和α为经验系数，j为分解层数，i为第i层，M2为均值为0、方差为σ的独立高斯随机变量的绝对值中位。7.根据权利要求6所述的基于优化的VMD联合小波阈值的GIS局部放电去噪方法，其特征在于，重构后得到的GID局部放电信号为：8.一种基于优化的VMD联合小波阈值的GIS局部放电去噪系统，其特征在于，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