基于形态学原理的避雷器泄漏电流在线监测数据滤波方法

摘要

现有的一种方法，采用小波分析将在线监测数据进行多层分解，该方法能有效抑制白噪声和脉冲噪声，但小波分析建模复杂计算量量大。本发明提供了一种基于形态学原理的避雷器泄漏电流在线监测数据滤波方法，避雷器在线监测装置采集避雷器泄漏电流在线监测数据，得到的采集数据通过光纤传输给计算机，计算机通过形态学算法对数据进行处理，并输出处理结果；所述的形态学算法的步骤包括依次进行的第一次腐蚀运算、第一次膨胀运算、第二次腐蚀运算和第二次膨胀运算，最后对第二次腐蚀运算后的避雷器在线监测数据进行加权。本发明能够对泄漏电流在线监测数据进行有效的消噪与平滑处理，确保了采集到的数据能够真实的反应设备工作状态。

主权项

1.基于形态学原理的避雷器泄漏电流在线监测数据滤波方法，其采用的设备包括避雷器在线监测装置和计算机，避雷器在线监测装置采集避雷器泄漏电流在线监测数据，得到的采集数据通过光纤传输给计算机，计算机通过形态学算法对数据进行处理，并输出处理结果；所述的形态学算法包括以下步骤：(a).对避雷器泄漏电流在线监测数据f(n)进行第一次腐蚀运算，结果满足：$f_1\left(n\right)=f\left(n\right)\mathrm{\Theta g}\left(m\right)=\left\{\begin{array}{cc}\underset{m=\mathrm{1,2}...M}{\min }\{f(n+m-1)-g\left(m\right)\};& n\in (0,N-M+1]\\ f\left(n\right);& n\in (N-M+1,N]\end{array}\right.---\left(1\right)$，式(1)中，f(n)表示第n次避雷器泄漏电流在线监测装置的采样值，其中N是采样总次数，g(m)表示第m个结构元素对应的数值，其中M表示结构元素总个数，Θ是腐蚀运算符；(b).对第一次腐蚀运算后的避雷器在线监测数据进行第一次膨胀运算，结果满足：$f_2\left(n\right)=f_1\left(n\right)\oplus g\left(m\right)=\left\{\begin{array}{cc}{f}_1\left(n\right);& n\in (0,M-1]\\ \underset{m=\mathrm{1,2}...M}{\max }\{f_1(n-m+1)+g\left(m\right)\};& n\in (M,N]\end{array}\right.---\left(2\right)$，其中是膨胀运算符；(c).对第一次膨胀运算后的避雷器在线监测数据进行第二次膨胀运算，结果满足：$f_3\left(n\right)=f_2\left(n\right)\oplus g\left(m\right)=\left\{\begin{array}{cc}{f}_2\left(n\right);& n\in (0,M-1]\\ \underset{m=\mathrm{1,2}...M}{\max }\{f_2(n-m+1)+g\left(m\right)\};& n\in (M,N]\end{array}\right.---\left(3\right)$(d).对第二次膨胀运算后的避雷器在线监测数据进行第二次腐蚀运算，结果满足：$f_4\left(n\right)=f_3\left(n\right)\mathrm{\Theta g}\left(m\right)=\left\{\begin{array}{cc}\underset{m=\mathrm{1,2}...M}{\min }\{f_3(n+m-1)-g\left(m\right)\};& n\in (0,N-M+1]\\ f_3\left(n\right);& n\in (N-M+1,N\end{array}\right.---\left(4\right)$(e).对第二次腐蚀运算后的避雷器在线监测数据进行加权，结果满足：F(n)＝α₁f₄(n)                      (5)，式(5)中，α₁是权重系数；(f).权重系数的自适应调整：将加权后的腐蚀运算结果F(n)与目标预期值F′(n)进行残差的范数计算，满足：$W=\underset{i=1}{\overset{N}{\Sigma }}|F\left(i\right)-F^{\prime }\left(i\right)|---\left(6\right)$，设定收敛系数γ，令α₁＝γα₁，将修改后的权重系数α₁代入式(5)重新计算，将重新计算结果代入式(6)，当残差的范数W达到满足要求时，对应的权重系数α₁为自适应调整后的输出结果。