GIS設(shè)備局部放電圖譜噪聲抑制方法

于虹

(云南電網(wǎng)公司電力研究院,昆明 650217)

特約稿件

GIS設(shè)備局部放電圖譜噪聲抑制方法

于虹

(云南電網(wǎng)公司電力研究院,昆明 650217)

針對(duì)GIS設(shè)備典型缺陷的局部放電圖譜主要受白噪聲干擾的問題,提出一種空域修正閾值的小波去噪方法。首先對(duì)小波變換的各種去噪算法進(jìn)行了比較分析,由于小波去噪中的閾值算法存在著固有缺陷的使去噪效果并不十分理想,也不夠穩(wěn)定,然后本文提出將小波閾值算法與空域相關(guān)算法有機(jī)結(jié)合,同時(shí)給出一種新的閾值選擇方法,對(duì)信號(hào)進(jìn)行聯(lián)合去噪。實(shí)驗(yàn)結(jié)果表明,本文提出的方法與傳統(tǒng)方法具有明顯優(yōu)勢(shì),不但能在較強(qiáng)干擾情況下有效地將PD信號(hào)提取出來(lái),且去噪后能量損失小,反映原始信號(hào)的特征尖峰點(diǎn)得到了較好的保留,波形峰值下降比較小。

GIS設(shè)備;局部放電;圖譜;去噪

1 前言

隨著我國(guó)經(jīng)濟(jì)的高速穩(wěn)定發(fā)展,電力需求快速增長(zhǎng)。大容量的電力系統(tǒng)的安全穩(wěn)定運(yùn)行和供電可靠性是一個(gè)不容忽視的問題。在聯(lián)網(wǎng)的情況下,系統(tǒng)一旦發(fā)生故障,將造成大面積的停電,其維修費(fèi)用和造成的經(jīng)濟(jì)損失都是無(wú)法估量的,因此電網(wǎng)的安全運(yùn)行就顯得格外重要。

氣體絕緣開關(guān)設(shè)備GIS以其可靠性高、占地面積小等優(yōu)點(diǎn),在電力系統(tǒng)中得到廣泛的應(yīng)用。GIS設(shè)備的正常運(yùn)行是確保電力系統(tǒng)安全穩(wěn)定運(yùn)行的重要因素,而GIS結(jié)構(gòu)復(fù)雜、造價(jià)高、缺陷難以發(fā)現(xiàn),故障發(fā)生后修復(fù)時(shí)間長(zhǎng)。對(duì)于存在缺陷的GIS設(shè)備,在一定的條件下,會(huì)產(chǎn)生相應(yīng)的放電圖譜,放電圖譜主要反映出放電點(diǎn)相對(duì)于試驗(yàn)工頻電源的相位特征,經(jīng)過(guò)多個(gè)周期的循環(huán),獲得放電點(diǎn)的相位統(tǒng)計(jì)特性。不同的圖譜對(duì)應(yīng)了不同的放電故障類型,利用圖譜可以區(qū)分出不同的放電類型。但這些圖譜無(wú)法直觀的給出GIS內(nèi)部缺陷的具體形態(tài)等信息。同時(shí),現(xiàn)市場(chǎng)上各種廠商的局部放電檢測(cè)儀所提供的圖譜缺陷識(shí)別僅能對(duì)設(shè)備內(nèi)部單一缺陷的典型特征圖譜進(jìn)行識(shí)別。而在生產(chǎn)實(shí)際中,往往會(huì)采集到特征不明顯的圖譜,這些設(shè)備就無(wú)能為力了。因此,對(duì)GIS設(shè)備局部放電圖譜的自動(dòng)識(shí)別變得非常重要,而對(duì)其進(jìn)行識(shí)別的最重要一步就是去除GIS設(shè)備局部放電圖譜中噪聲的干擾[1-2]。

局部放電 (Partial Discharge,PD)檢測(cè)屬于瞬態(tài)微弱信號(hào)的測(cè)量,在檢測(cè)過(guò)程中,各類干擾是影響其測(cè)量準(zhǔn)確度的主要因素,尤其是PD的現(xiàn)場(chǎng)測(cè)試,信號(hào)的干擾抑制更是其主要的難點(diǎn)。PD信號(hào)檢測(cè)中的干擾可以按照它們頻域特性的不同劃分為白噪聲干擾、單頻干擾和脈沖型干擾這三類。由于單頻干擾頻率比較固定、頻域能量集中,傳統(tǒng)的頻域方法較易去除,脈沖型干擾在時(shí)間軸上分布比較稀疏、有規(guī)律,比較容易與PD脈沖區(qū)分,因此本文研究的重點(diǎn)是對(duì)白噪聲的抑制。

白噪聲是一種在電子電路中普遍存在的干擾,時(shí)域上雜亂無(wú)章,頻譜很寬。快速傅里葉變換 (Fast Fourier Transform,FFT)是在白噪聲干擾抑制中運(yùn)用比較早的分析手段,這種分析方法是對(duì)信號(hào)的頻域特征從整體上進(jìn)行分析,而本文所研究GIS設(shè)備局部放電脈沖是一種突變信號(hào),在處理這種信號(hào)時(shí),信號(hào)附近的頻率特征至關(guān)重要,FFT方法顯然已經(jīng)不是最佳選擇。小波變換是處理突變信號(hào)的有效手段,它將信號(hào)從時(shí)間域變換到時(shí)間-頻率域,不僅在頻域有很好的局部分析能力,也能夠在時(shí)域上準(zhǔn)確定位信號(hào)突變點(diǎn),非常適合像局部放電脈沖這類突變信號(hào)的處理。目前人們對(duì)小波分析理論的研究越來(lái)越深入,運(yùn)用小波分析方法提取 PD信號(hào),已經(jīng)成為研究熱點(diǎn)。

2 小波變換

小波變換 (Wavelet Transform,WT)理論已經(jīng)在工程領(lǐng)域獲得了廣泛的應(yīng)用。簡(jiǎn)而言之,小波變換就是把信號(hào)從時(shí)間域變換到時(shí)間-頻率域。小波變換是將信號(hào)表達(dá)為多個(gè)信號(hào)的疊加,與傅里葉變換不同的是這多個(gè)信號(hào)都是通過(guò)將同一個(gè)小波函數(shù)ψ(t)伸縮和平移得到的。由于小波函數(shù)的伸縮性和平移性,小波分析方法同時(shí)能夠在時(shí)域和頻域進(jìn)行局部分析。

在利用小波變換方法分析信號(hào)時(shí),時(shí)間分辨率和頻率分辨率都是可變的,在頻率分辨率較高的部分具有較低的時(shí)間分辨率,在頻率分辨率較低的部分具有較高的時(shí)間分辨率。小波變換將信號(hào)由粗到細(xì)的刻畫出來(lái),任何細(xì)節(jié)都能充分展現(xiàn)。小波去噪過(guò)程一般包括以下三個(gè)步驟：

1)選擇一個(gè)與所處理的信號(hào)匹配的基小波,選定分解層數(shù)N,計(jì)算每層的小波變換系數(shù)。

2)運(yùn)用一定的方法準(zhǔn)則,對(duì)小波系數(shù)進(jìn)行判斷,得到信號(hào)的估計(jì)小波系數(shù)。

3)用估計(jì)的小波系數(shù)重構(gòu)信號(hào),得到的信號(hào)就是去噪后的信號(hào)。

在去噪中首先要考慮的問題是基小波的選擇, Mallat提出用相關(guān)系數(shù)γ來(lái)判斷基小波與PD信號(hào)的匹配程度。γ的計(jì)算公式為式 (1)所示：

圖1 含有噪聲的局部放電信號(hào)小波分解

在對(duì)信號(hào)小波變換時(shí)需要選擇合適的分解層數(shù),若分解層數(shù)太大會(huì)使信號(hào)失真,太小又達(dá)不到降噪目的。同時(shí)分解層數(shù)還跟采樣頻率有一定的關(guān)系,在實(shí)際應(yīng)用中可以根據(jù)去噪的具體情況做出相應(yīng)地調(diào)整。

3 GIS局部放電圖譜的噪聲抑制

GIS局部放電是一種突變信號(hào),這種信號(hào)附近的頻率特征至關(guān)重要,FFT方法顯然已經(jīng)不是最佳選擇[3-7]。小波變換是處理突變信號(hào)的有效手段,它將信號(hào)從時(shí)間域變換到時(shí)間-頻率域,不僅在頻域有很好的局部分析能力,也能夠在時(shí)域上準(zhǔn)確定位信號(hào)突變點(diǎn),非常適合局部放電這類突變信號(hào)的處理。但需要多次迭代,計(jì)算量很大,單獨(dú)使用效果并不理想。因此本文在去噪時(shí),在閾值法中采用NTF法,將NTF與SCFM相結(jié)合(簡(jiǎn)稱為TSC),對(duì)含噪信號(hào)聯(lián)合去噪。在實(shí)際的檢測(cè)中,局部放電更多的是衰減震蕩脈沖,由于局部放電信號(hào)仿真 (DOP)的震蕩特性,去噪相對(duì)困難。DOP去噪仿真中,信號(hào)幅值歸一化為1,如圖2(a)所示,染噪信號(hào)如圖2(b)所示,染噪信號(hào)SNR=0 dB。

圖2 局部放電信號(hào)仿真 (DOP)

首先分別用傳統(tǒng)算法和NTF分別對(duì)信號(hào)去噪,圖3和圖4分別是傳統(tǒng)方法和NTF算法的去噪結(jié)果,從圖3中可以看出,傳統(tǒng)方法的效果并不理想,而圖4NTF算法中噪聲得到較好的抑制。在處理衰減震蕩脈沖時(shí),由于信號(hào)的震蕩特性,信號(hào)震蕩細(xì)節(jié)有時(shí)會(huì)發(fā)生畸變,而在NTF算法中DOP的震蕩細(xì)節(jié)畸變較小,體現(xiàn)了該算法良好的性能。圖5是TSC法去噪的結(jié)果,可以看出TSC法的去噪效果較NTF法有了明顯的改善,不但能夠?qū)TF中殘留的噪聲去除,更重要的是TSC去噪中沒有多余的能量損失。

圖3 傳統(tǒng)方法去噪結(jié)果

圖4 NTF去噪結(jié)果

圖5 TSC去噪結(jié)果

將10個(gè)信號(hào)作為一組,兩種方法去噪結(jié)果如圖6所示,其中圖6(a)、 (b)、 (c)依次表示NTF去噪后的效果圖、TSC去噪后的效果圖和原始信號(hào)。分別統(tǒng)計(jì)其相應(yīng)的SNR,如表1所示。在NTF法中每組有3個(gè)信號(hào)去噪后SNR低于10,信噪比方差12.079。TSC法去噪后只有一個(gè)信號(hào)的SNR低于10,其余9個(gè)信號(hào)的SNR均可達(dá)到10以上,方差2.938,對(duì)噪聲的抑制能力和穩(wěn)定性明顯提高。表2的數(shù)據(jù)可看出,TSC法去噪的峰值下降比中,只有一個(gè)信號(hào)的峰值下降比比較嚴(yán)重,其余都在15%以內(nèi)。

圖6 兩種方法去噪后的效果圖

表1 NTF和TSC去噪的信噪比 (DOC)

表2 TSC法去噪后峰值下降比 (DOC)

從上述可以看出,本文提出的去噪方法從噪聲的抑制能力、去噪穩(wěn)定性和去噪能量損失三個(gè)方面達(dá)到比較理想的效果,去噪方法的性能明顯改善。

4 結(jié)束語(yǔ)

GIS設(shè)備的局部放電PD檢測(cè)中最主要的干擾是白噪聲,本文對(duì)小波變換的各種去噪算法進(jìn)行了比較分析,小波去噪中的閾值算法存在著固有缺陷的使去噪效果并不十分理想,也不夠穩(wěn)定。針對(duì)這種情況,本文將小波閾值算法與空域相關(guān)算法有機(jī)結(jié)合,同時(shí)給出一種新的閾值選擇方法,對(duì)信號(hào)進(jìn)行聯(lián)合去噪。實(shí)驗(yàn)結(jié)果表明,本文提出的方法比傳統(tǒng)方法具有明顯優(yōu)勢(shì),不但能在較強(qiáng)干擾情況下有效地將PD信號(hào)提取出來(lái),且去噪后能量損失小,反映原始信號(hào)的特征尖峰點(diǎn)得到了較好的保留,波形峰值下降比較小。因此,本文提出的方法是可行的,是實(shí)現(xiàn)對(duì)GIS設(shè)備局部放電圖譜的自動(dòng)識(shí)別的基礎(chǔ)。

[1] 李繼勝,趙學(xué)風(fēng),楊景剛,等.GIS典型缺陷局部放電測(cè)量與分析 [J].高電壓技術(shù),2009,35(10)：2440-2445.

[2] 王天健.GIS局部放電檢測(cè)與故障識(shí)別 [D].北京交通大學(xué),2010.

[3] Q.Su,et al.A fuzzy dissolved gas analysis method for the diagnosis of multiple incipient faults in a transformer[J]. IEEE Trans.on Power System,2000,15(2)：593-597.

[4] N.A.Muhamad,B.T.Phung and T.R.Blackburn.Comparative study and analysis of DGA methods for mineral oil using fuzzy logic[C].IPEC 2007,2007：1301-1306.

[5] Gang Lv,Xiao Ping Chen and Heming Zhao.An IA-BP hybrid algorithm to optimize multilayer feed-forward neural networks [J].Computer Engineering and Applications,2003,39：27-28.

[6] W.H.Tang,J.Y.Goulermas,Q.H.Wu and et al.probabilistic classifier for transformer dissolved gas analysis with a particle swarm optimizer[J].IEEE Trans.on Power Delivery,2008,23(2)：751-759.

[7] Tang Ju,Liu Fan,Zhang Xiaoxing.Partial discharge recognition through an analysis of SF6 Decomposition products part：Decomposition characteristics of SF6 under four different partial discharges[J].IEEE Transactions on dielectrics and electrical insulation,2012,19(1)：29-36.

Research on Noise Suppression Method of the GIS Equipment Partial Discharge

YU Hong
(Yunnan Electric Power Research Institute,Kunming 650217)

Partial discharge for the typical defects of the GIS equipment are mainly affected by white noise interference problems,it is proposed the wavelet threshold de-noising method of correction in this paper.Firstly,the some de-noising methods of wavelet transform were compared,because the wavelet threshold algorithm noise exists in the inherent defects of the de-noising effect is not very ideal,but is not stable enough.Then wavelet threshold algorithm and spatial correlation is combined,at the same time,it is given a new threshold selection method of the signal de-noising.In this paper,it is showed that the proposed method has obvious advantages than the traditional method that has not only strong interference effectively the PD signal is extracted,and the energy loss noise is small.And feature point spikes that reflect the original signal better retains.The wave peak value decreased relatively small.

GIS equipment;partial discharge;image;noise suppression

TM8

B

1006-7345(2014)03-0001-04

2014-04-08

于虹 (1978),女,博士后,高級(jí)工程師,云南電網(wǎng)公司電力研究院,主要從事電力系統(tǒng)及其自動(dòng)化,模式識(shí)別與智能系統(tǒng)方面工作 (e-mail)yuhong2388245@163.com。