使用python对电力故障录波数据进行滤波再分析

电力系统在发生故障时，往往伴随着高频分量的产生，分析高频分量，在电力系统故障分析中起着重要的作用。在小电流接地系统发生故障时，高频分量可用于故障选线。在输电系统中（大电流接地系统），高频行波信号的分析也用于故障选线和故障定位。

小电流接地选线装置、故障录波装置、行波测距装置记录的波形往往为宽频带数据，对这种数据进行滤波再分析对于其实现自身基础功能、开发扩展功能尤为重要。

通过最近一段时间的学习，发现python对于处理这种录波宽频带数据高效且灵活。在我负责的行波测距项目中，需要对行波波头的识别算法进行升级改造。所以，我最近利用空余时间，学习了这方面的知识。

今天进行的试验比较简单：读取电力故障数据，然后进行滤波分析，通过低通滤波器提取低频波形，通过高通滤波器提取高频波形，并将原始波形与处理后的波形分别绘制出来。python代码如下：

import numpy as np
import json
import csv
from scipy.fftpack import fft,ifft
from scipy import signal
import matplotlib.pyplot as plt
from matplotlib.pylab import mpl

# 1 读取数据
datafile = './work/csv/fft_test.csv'
data = np.loadtxt(datafile, dtype=np.float, delimiter=',',skiprows=1)
data_t = data.T

# 2 形成时戳坐标,采样频率为10kHz，即1秒中采样10000次
t = np.linspace(0, 0.25, 2500, False)  # 0.25 second

# 3 提取分析与绘制的通道与样点区