1.本发明涉及电力设备局部放电检测领域，具体是一种基于多信号分类定位算法的电力设备局放检测方法。
背景技术：2.局部异常放电是导致电力设备运行寿命减少的重要因素，也是各种电力设备最常见的异常运行状态。局部放电的定位检测是一项关键工程技术，是判断众多电力设备运行状态是否正常的重要依据。及时发现异常放电并对其进行准确定位对于防止电力设备发生严重故障具有重要的意义。
3.目前检测局部放电的方法主要有：电学，光学，光-声学以及特高频方法。其中超声波本身具有频率高且波长短的特点，且对信号的传输具有较强的方向感，因此检测过程相对较为简单。同时超声波测量方法也由于具有易于实现在线检测，便于空间定位，受电气干扰小等特点而被广泛研究。
4.本发明提出一种基于多信号分类定位算法的电力设备局放检测方法，该检测方法采用了多参数联合估计，有利于更精确定位电力设备的局部放电位置，达到有效检测局部放电的目的。
技术实现要素：5.本发明的目的在于提供一种基于多信号分类定位算法的电力设备局放检测方法，以便于在检测电力设备局部放电定位过程中获得更好的检测效果。
6.为实现上述目的，本发明提供如下技术方案：
7.一种基于多信号分类定位算法的电力设备局放检测方法，包括如下步骤：
8.s1、通过八元圆形麦克风阵列传感器对电力设备发出的局部放电信号进行接收；
9.s2、将接收到的带有声源信息的时域数字信号进行傅里叶变换，将其由时域转化为频域；
10.s3、对s2步骤中得到的频域放电信号进行特征频率提取，找到最能够代表接收到的放电信号的频率值；
11.s4、利用一种适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法，结合s3步骤中得到的信号特征频率值，对接收到的放电信号进行分析定位；
12.作为本发明进一步的方案：在步骤s1中，采用的八元圆形阵列是一种平面形麦克风传感器阵列。
13.作为本发明进一步的方案：步骤s1中八元圆形阵列可以接收信号的俯仰角以及方位角两个位置参数，通过这两个参数的联合估计可以实现，空间三维有效定位。
14.作为本发明进一步的方案：在步骤s2中，傅里叶变换针对的对象是接收到的放电数字信号的时域状态，其中单个麦克风传感器接收到的信号数据量与快拍数相关联，并且是傅里叶变换中的信号长度参数。
15.作为本发明进一步的方案：在步骤s2中，转化为频域以后的信号强度通过纵坐标的大小来表示，信号强度大的部分对应的频率应该在步骤s3中更多的被考虑。
16.作为本发明进一步的方案：在步骤s4中，适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法的应用条件是信号可以被认为是窄带信号时，对于窄带信号sk(t)可以表示为：
17.sk(t-t1)≈sk(t)
18.其中，t1为阵列麦克风单元之间延迟所需时间。
19.作为本发明进一步的方案：在步骤s4中，接收到的放电信号会首先通过获得协方差矩阵，再进行后续的信号分类。
[0020][0021]
其中，x(i)为接收到的第i个信号数据，，xh(i)为x(i)的厄尔米特矩阵，n为总共的接收到的数据个数。
[0022]
作为本发明进一步的方案：由于是平面阵列，因此在步骤s4中，算法涉及到的时延τ
m,k
，应为：
[0023][0024]
其中，τ
m,k
是信号源k与阵元m相对阵列中心的相对延时，θk和为信号源k的俯仰角和方位角，r为圆形阵列的半径，m为阵元数目。
[0025]
作为本发明进一步的方案：由于是平面阵列，因此在步骤s4中，算法涉及到的方向矩阵a，应为：
[0026][0027]
其中，为阵列接收第i个信号源信息而产生的方向向量。
[0028]
作为本发明进一步的方案：在步骤s4中，决定多信号分类算法最终搜索结果的谱函数为：
[0029][0030]
其中，为传统谱函数p对方位角求二阶偏导的结果，为传统谱函数p对俯仰角θk求二阶偏导的结果。
[0031]
与现有技术相比，本发明的有益效果是：
[0032]
1、采用八元十字麦克风阵列来接收放电信号，其平面阵列结构使得对声源位置的估计可以拓展为俯仰角和方位角两个参数，多参数的联合估计方法有益于更准确地确定放电声源的位置信息，有效完成局部放电的空间三维定位。
[0033]
2、通过对接收信号的傅里叶变换，获得放电信号的频谱信息，并从中提取主要的特征频率作为定位算法中频率参数的数值，精化了多信号分类算法中频率参数的取值，有利于加强信号的定位可靠性。
[0034]
3、在所述步骤s4中，采用一种新的空间谱估计函数作为全局搜索后的峰值确定依据，相对于传统空间谱函数，这种方法在信号小信噪比和小快拍数情况下，对于电力设备的局部放电有更好的定位检测效果。
附图说明
[0035]
图1为本发明的算法流程图。
[0036]
图2为本发明采用的八元圆形传感器阵列接收远场放电信号时的模拟图。
具体实施方式
[0037]
下面结合附图对本专利的技术方案作进一步详细地说明。
[0038]
参照附图1，一种基于多信号分类定位算法的电力设备局放检测方法，包括以下步骤：
[0039]
s1、通过八元圆形麦克风阵列传感器对电力设备发出的局部放电信号进行接收；
[0040]
检测电力设备局部放电时，首先将八元圆形麦克风阵列的大致方位朝向待检测电力设备，持续一段时间，接收电力设备的放电信号。
[0041]
s2、将接收到的带有声源信息的时域数字信号进行傅里叶变换，将其由时域转化为频域；
[0042]
将每个麦克风接收到的信号做傅里叶变换，将其由时域转化为频域进行分析。其中，傅里叶变换针对的对象是接收到的放电数字信号的时域状态，单个麦克风传感器接收到的信号数据量与快拍数相关联，并且是傅里叶变换中的信号的长度参数。
[0043]
s3、对s2步骤中得到的频域放电信号进行特征频率提取，找到最能够代表接收到的放电信号的频率值；
[0044]
由于放电信号具有一定的波动性，以及周围噪声的干扰，即使是通过滤波处理之后，得到的频域信息仍然不会是某一特定频率，而是诸多频率信号不同强度的叠加。其中信号强度较大的就是放电信号部分，在信号幅值较大的区域内，选取合适的频率作为接收到的放电信号的主频率，并在接下来的步骤s4的算法中，将这一数值带入到算法涉及到的信号频率参数中。
[0045]
s4、利用一种适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法，结合s3步骤中得到的信号特征频率值，对接收到的放电信号进行分析定位
[0046]
本发明步骤s4中具体的改进多信号分类算法原理如下：
[0047]
多信号分类算法具有高分辨率、高精度和高稳定性的特点，因此适用于电力巡检中的异常放电定位场景。
[0048]
该场景下，其用于确定信号来波方向时，有以下优点：
[0049]
1.可对多个声源进行定位；
[0050]
2.检测效果具有高精度；
[0051]
3.天线波束信号具有高分辨率；
[0052]
4.适用于短数据情况。
[0053]
为方便理论分析，我们做以下规定：
[0054]
1.每个测试信号源具有相同但不相关的极化。
[0055]
2.信号源是窄带，同时每个源具有相同的中心频率ω0。
[0056]
3.假设测试信号源的个数为d；
[0057]
采集阵列是由m(m》d)个阵元组成的圆形阵列；需要说明的是，本发明中m的值具体为8，即本发明采用八元圆形阵列对放电信号进行接收，但在原理叙述时，设阵列中阵元个数为m个。
[0058]
每个元素具有相同的特性，并且在每个方向上都是各向同性的。
[0059]
4.麦克风阵元间距为d，且阵元间距不大于最高频率信号波长的一半。
[0060]
5.麦克风阵列属于远场场景，即收到的声源信号可以模拟为平面波；
[0061]
6.阵列元素和测试信号都是不相关的；
[0062]
方差σ2为零平均高斯噪声n
m(t)
；
[0063]
7.接收信号支路的特征相同。
[0064]
假设传播到麦克风阵列的信号源数量为k(k＝1,2,
…
,d)，波前信号为sk(t)，我们假设其为窄带信号，由于窄带信号的简化条件，sk(t)可以表示为：
[0065]
sk(t)＝sk(t)exp[jωk(t)]
[0066]
其中，sk(t)是sk(t)的复包络。
[0067]
ωk(t)是sk(t)的角频率。
[0068]
所有信号的中心频率ω0相同。
[0069]
因此
[0070][0071]
其中，c为信号波速。
[0072]
λ为波长。
[0073]
同时，
[0074]
λ＝c/f
[0075]
将本发明中步骤s3得到的频率值带入，c取340m/s，可以得到λ。
[0076]
设阵列麦克风单元之间延迟所需时间为t1。
[0077]
在信号为窄带条件下，有：
[0078]
sk(t-t1)≈sk(t)
[0079]
因此，延迟后的波前信号是
[0080][0081]
以本发明中的圆阵中心作为麦克风传感器参考点。
[0082]
当时刻t时，阵元m(m＝1,2,...,m)对第k个信号源的感应信号为
[0083][0084]
其中，ak是阵元m对信号源k的影响系数。
[0085]
因为每个阵元不具备方向性，所以设ak＝1；
[0086]
τ
m,k
是信号源k与阵元m相对阵列中心的相对延时，可表示为
[0087][0088]
其中，r为阵列半径。
[0089]
和θk分别为信号源k的方位角和俯仰角。
[0090]
为附图2中信号源与正x轴间的负角，范围在0
°‑
360
°
。
[0091]
θk是附图2中信号源与阵列中心法线正方向之间的夹角，范围在0
°‑
90
°
。
[0092]
考虑上噪声和所有信号源的来波，则第m个阵元的输出信号为：
[0093][0094]
其中，n
m(t)
为测量噪声。
[0095]
将上式写成向量形式，并令ak＝l，则有
[0096]
x(t)＝α(θk)sk(t)+n(t)
[0097]
其中，
[0098]
x(t)＝[x1(t)，x2(t)，
…
xm(t)]
t
[0099][0100]
n(t)＝[n1(t)，n2(t)，
…
，nm(t)]
t
[0101]
则，
[0102]
x(t)＝as(t)+n(t)
[0103]
其中
[0104]
s(t)＝[s1(t)，s2(t)，
…
，sd(t)]
t
[0105][0106]
至此，问题就变成对xm(t)进行采样，然后从{xm(i)，i＝1，2，...，m}中估计信号源k的来波方向。
[0107]
对于阵列输出x(t)，其协方差矩阵r为
[0108]
r＝e[x(t)xh(t)]
[0109]
信号和噪声是不相关的，噪声为零平均白噪声。
[0110]
因此可以得到下列结果：
[0111]
r＝e[(as+n)(as+n)h]
[0112]
＝ae[ssh]ah+e[nnh]
[0113]
＝apah+rn
[0114]
其中，p为空间信号的相关矩阵，rn为噪声的相关矩阵，可分别表示如下
[0115]
p＝e[s(t)sh(t)]
[0116]rn
＝σ2i
[0117]
其中，σ2是噪声功率，i是m
×
m的单位矩阵。
[0118]
当θi≠θj，i≠j时，矩阵a是由上式定义的范德蒙德矩阵。
[0119]
由于a是范德蒙德矩阵，所以其每一列之间互相独立。
[0120]
这样，若p为非奇异阵，既有：
[0121]
rank(apah)＝d
[0122]
由于p是正定的，因此矩阵apah的特征值为正，即共有d个正的特征值。因此，r为满秩矩阵，有m个特征值。
[0123]
我们再将特征值降序排列，有
[0124]
λ1≥λ2≥
…
≥λm＞0
[0125]
这m个特征值中，较大的d个特征值对应于信号，而剩下的较小的m-d个特征值对应于噪声。
[0126]
因此，可以将r的特征值(特征向量)分解为信号特征值(特征向量)和噪声特征值(特征向量)。
[0127]
设λi为矩阵r的第i个特征值，vi为对应于λi的特征向量，则：
[0128]
rvi＝λivi[0129]
设λi＝σ2是r的最小特征值，则有
[0130]
rvi＝σ2vi，i＝d+1，d+2，
…
，m
[0131]
σ2vi＝(apah+σ2i)vi，i＝d+1，d+2，
…
，m
[0132]
整理可得：
[0133]
apahvz＝0
[0134]
因为aha是d
×
d维满秩矩阵，所以(aha)-1
存在，p-1
也存在。从上面看，同时在上式两边同乘p-1
(aha)-1ah
，可得：
[0135]
p-1
(aha)-1ah
ap h
vi＝0
[0136]
因此，
[0137]ah
vi＝0，i＝d+1，d+2，
…
，m
[0138]
即噪声特征向量与信号矩阵的列向量垂直。
[0139]
也就是说我们找到与噪声子空间正交(或者最接近于正交的)向量，其方向就代表了波达方向。
[0140]
使用噪声特征值作为每列，构造一个噪声矩阵：
[0141]en
＝[v
d+1
，v
d+2
，
…
，vm]
[0142]
进而定义二维空间谱：
[0143][0144]
式中分母是信号矩阵和噪声矩阵的内积。
[0145]
理想状态下，分母的值为零。
[0146]
但由于检测电力设备时环境中噪声的存在，分母只是存在最小值，因此有一个峰值。
[0147]
对二维空间进行搜索，使θ和发生变化，寻找二维空间谱的峰值，进而来确定声源位置。
[0148]
但当接收到的信号信噪比较低且信号数据个数不多时，上述的空间谱估计声源位
置不能取得很好的效果，本发明提出一种对空间谱函数进行改进的多信号分类算法。
[0149]
本发明在谱峰处分别对俯仰角和方位角求二阶导数，构造新的空间谱函数，进而提高算法的分辨率。
[0150]
假设方位角的范围为角的范围为搜索间隔为俯仰角θ的范围为rθ，搜索间隔为
△
θ。
[0151]
则令
[0152][0153][0154]
则空间谱函数可表示为：
[0155][0156]
由二元离散函数对变量求偏导数可得，在处离散函数p对自变量的一阶偏导数为：
[0157][0158]
记为p
′
φk
。
[0159]
在处对的二阶导数为：
[0160][0161]
记为p
″
φk
。
[0162]
同理可得在处离散函数p对自变量θ的一阶导数和二阶导数分别为：
[0163][0164][0165]
记与分别为
[0166]
由分析可知，原谱函数极大值点的二阶导数在方位角和俯仰角的到达角处构成尖锐的负向谱峰。
[0167]
由此可对新谱函数进行整理：即将偏导数大于0的数值归为0，因此可得到新谱函
数为：
[0168][0169][0170]
由于p对和θ求二阶偏导是相互独立的，所以可以将原谱函数的二阶导数p”表示为：
[0171][0172]
由以上公式可构成新的空间谱函数；
[0173]
在步骤s4中，通过算法对空间的角度进行遍历之后，找到新的空间谱函数的谱峰，其所对应的方位角和俯仰角就是估计出的电力设备放电声源的空间位置。
[0174]
本发明的有益效果是：
[0175]
1.采用八元十字麦克风阵列来接收信号，其平面阵列结构使得对声源位置的估计可以拓展为俯仰角和方位角两个参数，多参数的联合估计方法有益于更准确地确定放电声源的位置信息，有效完成局部放电的空间三维定位。
[0176]
2.通过对接收信号的傅里叶变换，获得放电信号的频谱信息，并从中提取主要的特征频率作为定位算法中频率参数的数值，精化了多信号分类算法中频率参数的取值，有利于加强信号的定位可靠性。
[0177]
3.在所述步骤s4中，采用一种新的空间谱估计函数作为全局搜索后的峰值确定依据，相对于传统空间谱函数，这种方法在信号小信噪比和小快拍数情况下，对于电力设备的局部放电有更好的定位检测效果。
[0178]
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
技术特征：1.一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于，包括以下步骤：s1、通过八元圆形麦克风阵列传感器对电力设备发出的局部放电信号进行接收；s2、将接收到的带有声源信息的时域数字信号进行傅里叶变换，将其由时域转化为频域；s3、对s2步骤中得到的频域放电信号进行特征频率提取，找到最能够代表接收到的放电信号的频率值；s4、利用一种适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法，结合s3步骤中得到的信号特征频率值，对接收到的放电信号进行分析定位。其中s4的更详细做法如下：提取出s3步骤中得到的信号特征频率值，将此频率值作为代表接收到的放电信号的整体频率值，带入到一种适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法设计到的信号频率参数中，进而对接收到的放电信号进行分析定位。2.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：在步骤s1中，采用的八元圆形阵列是一种平面形麦克风传感器阵列。3.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：步骤s1中八元圆形阵列可以接收信号的俯仰角以及方位角两个位置参数，通过这两个参数的联合估计可以实现，空间三维有效定位。4.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：在步骤s2中，傅里叶变换针对的对象是接收到的放电数字信号的时域状态，其中单个麦克风传感器接收到的信号数据量与快拍数相关联，并且是傅里叶变换中的信号长度参数。5.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：在步骤s2中，转化为频域以后的信号强度通过纵坐标的大小来表示，信号强度大的部分对应的频率应该在步骤s3中更多的被考虑。6.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：在步骤s4中，适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法的应用条件是信号可以被认为是窄带信号时，对于窄带信号s
k
(t)有：s
k
(t-t1)≈s
k
(t)其中，t1为阵列麦克风单元之间延迟所需时间。7.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：在步骤s4中，接收到的放电信号会首先通过获得协方差矩阵，再进行后续的信号分类。其中，x(i)为接收到的第i个信号数据，x
h
(i)为x(i)的厄尔米特矩阵，n为总共的接收到的数据个数。8.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：由于是平面阵列，因此在步骤s4中，算法涉及到的时延τ
m,k
，应为：其中，τ
m,k
是信号源k与阵元m相对阵列中心的相对延时，θ
k
和为信号源k的俯仰角和方
位角，r为圆形阵列的半径，m为阵元数目。9.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：由于是平面阵列，因此在步骤s4中，算法涉及到的方向矩阵a，应为：其中，为阵列接收第d个信号源信息而产生的方向向量。10.根据权利要求1所述的一种基于多信号分类定位算法的电力设备局放检测方法，其特征在于：步骤s4中改进的多信号分类算法的空间谱函数为其中，与在分别为传统空间谱函数p在处对和θ
n
的二阶导数。
技术总结本发明公开了一种基于多信号分类定位算法的电力设备局放检测方法，包括如下步骤：S1、通过八元圆形麦克风阵列传感器对电力设备发出的局部放电信号进行接收；S2、将接收到的带有声源信息的时域数字信号进行傅里叶变换，将其由时域转化为频域；S3、对S2步骤中得到的频域放电信号进行特征频域提取，找到最能够代表接收到的放电信号的频率值；S4、利用一种适用于小信噪比和小快拍数情况下的多信号分类的声源定位算法，结合S3步骤中得到的信号特征频率值，对接收到的放电信号进行分析定位；本发明提出的检测方法采用了多参数联合估计，有利于更精确定位电力设备的局部放电位置，达到有效检测局部放电的目的。效检测局部放电的目的。效检测局部放电的目的。
技术研发人员：王昭雷 孟荣 王永红 段志勇 梁雪峰 贺梦天 苑旭楠 张贤
受保护的技术使用者：国网河北省电力有限公司超高压分公司
技术研发日：2022.07.18
技术公布日：2022/11/1
