基于峭度和時(shí)域能量的局放脈沖提取算法

張安安，何 聰，孫茂一，李 茜

?

基于峭度和時(shí)域能量的局放脈沖提取算法

張安安1，何 聰1，孫茂一2，李 茜1

(1. 西南石油大學(xué)電氣信息學(xué)院 成都 610500；2. 中國測(cè)試技術(shù)研究院流量所 成都 610021)

提出了一種針對(duì)電力電纜局部放電脈沖的提取方法，首先根據(jù)信號(hào)峭度的變化定位局部放電脈沖峰值所在位置，然后根據(jù)信號(hào)能量的變化采用滑動(dòng)能量搜索的方法以局部放電脈沖峰值為中心向兩邊計(jì)算搜索局放脈沖的邊沿，從背景噪聲中準(zhǔn)確提取局放脈沖信號(hào)。該方法可以將局部放電檢測(cè)信號(hào)中純?cè)肼曅盘?hào)部分與包含局部放電脈沖信號(hào)的部分區(qū)分開來，且不受局部放電脈沖個(gè)數(shù)和脈沖所在位置的限制，并具有步驟簡潔、計(jì)算量小的特點(diǎn)。通過與小波閾值去噪、經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)兩種主流電力電纜局部放電脈沖提取方法的仿真實(shí)驗(yàn)對(duì)比和實(shí)際實(shí)驗(yàn)對(duì)比，驗(yàn)證了該方法的有效性與準(zhǔn)確性。

峭度; 局部放電; 局部放電脈沖提取; 時(shí)域滑動(dòng)能量

電力電纜局部放電檢測(cè)是電力電纜絕緣性能評(píng)估的常用方法之一[1-2]。但是，由于背景噪聲的存在，電力電纜局部放電在線檢測(cè)所采集的信號(hào)含有大量的噪聲，使單個(gè)局放脈沖信號(hào)的邊沿變的很不明顯，給后期的局部放電脈沖信號(hào)特性分析、識(shí)別帶來了一定的困難。因此，確定局部放電脈沖信號(hào)的邊沿，準(zhǔn)確地從背景噪聲中提取局部放電脈沖波形已成為電力電纜局部放電檢測(cè)技術(shù)關(guān)鍵問題之一。

局部放電脈沖信號(hào)的提取作為局部放電測(cè)量信號(hào)預(yù)處理階段的關(guān)鍵步驟，是局部放電信號(hào)深入分析的基礎(chǔ)。目前有很多分析處理局部放電信號(hào)的方法，如小波閾值去噪法、經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition, EMD)[3]去噪法、傅里葉變換數(shù)字濾波法、自適應(yīng)濾波法等，其中小波去噪法與EMD去噪法應(yīng)用較為廣泛。文獻(xiàn)[4]提出了應(yīng)用復(fù)小波變換對(duì)超高頻局放信號(hào)進(jìn)行去噪，但是復(fù)小波的選擇、小波分解階數(shù)的確定和閾值算法的選取較難同時(shí)達(dá)到最佳。文獻(xiàn)[5]利用譜峭度[6]設(shè)計(jì)自適應(yīng)帶通Wiener濾波器濾波后再進(jìn)行小波平滑去噪。但由于Wiener濾波器參數(shù)是固定的，要想實(shí)現(xiàn)最優(yōu)的濾波效果必須對(duì)信號(hào)和噪聲的統(tǒng)計(jì)特性有先驗(yàn)知識(shí)，但是在實(shí)際中，常常難以預(yù)知這些統(tǒng)計(jì)特性。文獻(xiàn)[7]利用小波跡理論[8]抑制信號(hào)噪聲，并通過循環(huán)平移方法強(qiáng)化消噪效果。小波跡建立在小波變換基礎(chǔ)之上，通過有限基函數(shù)或基向量的集合表示任意信號(hào)，但并未充分考慮信號(hào)自身特性。文獻(xiàn)[9]采用希爾伯特黃變換(Hilbert-Huangtransform, HHT)，先對(duì)信號(hào)進(jìn)行EMD，再進(jìn)行三維希爾伯特能量譜分析。但局部放電信號(hào)往往包含較多沖擊成分，利用EMD處理局部放電這類間歇現(xiàn)象較為明顯的信號(hào)時(shí)容易造成模態(tài)混疊。另外還有一些其他的方法，如文獻(xiàn)[10]提出基于信號(hào)稀疏分解的局放信號(hào)去噪法，通過與所構(gòu)建的過完備原子庫進(jìn)行匹配實(shí)現(xiàn)有用信號(hào)的分解重構(gòu)。文獻(xiàn)[11]對(duì)傳統(tǒng)的FFT閾值置零濾波方法進(jìn)行了改進(jìn)來抑制窄帶干擾，其主要思路是選取合適的壓縮倍數(shù)，對(duì)窄帶干擾所在的頻帶進(jìn)行分塊閾值壓縮處理，并對(duì)周圍的頻帶利用插值補(bǔ)償或最小二乘法進(jìn)行了加寬處理。文獻(xiàn)[12]提出了分塊閾值空域相關(guān)聯(lián)合去噪法，該算法先用分塊閾值去噪法對(duì)染噪信號(hào)小波分解的子帶信號(hào)進(jìn)行預(yù)處理，然后采用空域相關(guān)法進(jìn)行數(shù)據(jù)處理，最后將處理結(jié)果重構(gòu)回原信號(hào)。

本文提出了一種基于峭度準(zhǔn)則和時(shí)域滑動(dòng)能量搜索的電力電纜局部放電脈沖提取方法。該方法首先利用信號(hào)峭度的變化定位局部放電脈沖在數(shù)據(jù)窗中的位置，然后再利用信號(hào)時(shí)域能量的變化確定局部放電脈沖波形邊沿。此外，該方法可以將局部放電測(cè)量信號(hào)中含有局部放電脈沖波形的部分與純?cè)肼暡糠謪^(qū)分開，提高了計(jì)算效率。

1 基本理論

1.1 峭度準(zhǔn)則

峭度反映了振動(dòng)信號(hào)分布特性的數(shù)值統(tǒng)計(jì)量，是歸一化的四階中心矩和描述波形尖峰度的一個(gè)無量綱參數(shù)[13]。對(duì)于長度為的信號(hào)，其峭度的數(shù)學(xué)表達(dá)式為：

當(dāng)信號(hào)近似服從正態(tài)分布時(shí)，其峭度值約為3，而當(dāng)信號(hào)存在較多沖擊成分時(shí)，峭度值明顯增大，沖擊越大峭度值也就越大[13]。

1.2 信號(hào)時(shí)域能量

(3)

2 含噪局部放電信號(hào)特性分析

電力電纜局部放電測(cè)量信號(hào)中不僅含有局放脈沖信號(hào)，同時(shí)含有大量的噪聲信號(hào)。局部放電信號(hào)的分析應(yīng)該包含信號(hào)中所有成分的特性分析。

2.1 噪聲特性分析

2.2 峭度特性分析

當(dāng)電力電纜局部放電測(cè)量信號(hào)主要為背景噪聲時(shí)，其信號(hào)的幅值分布接近于正態(tài)分布，因此其峭度值約等于3。當(dāng)有局部放電現(xiàn)象發(fā)生時(shí)，由局部放電引起的脈沖信號(hào)明顯偏離正態(tài)分布，使信號(hào)的峭度值增大。根據(jù)這一特性，本文通過信號(hào)峭度的變化來粗略定位局部放電脈沖所在的位置。

2.3 時(shí)域能量特性分析

通?？蓪㈦娏﹄娎|局放檢測(cè)背景噪聲認(rèn)為是服從正態(tài)分布的隨機(jī)序列。則可看作服從自由度為的分布，記為，則其概率密度函數(shù)為：

(8)

表1 計(jì)算結(jié)果

表1 計(jì)算結(jié)果

M 1025.19 2040.00 3053.67 4056.77 5079.49 6091.95 70104.20 80116.30 90129.30 100140.10

則：

(11)

由此可得，當(dāng)取能量窗樣本噪聲序列點(diǎn)數(shù)為20時(shí)，其時(shí)域能量大于40的概率幾乎為0，因此，本文選取時(shí)域能量寬度為20，能量閾值為40，定義如下：

3 方法步驟

通過上述分析，基于峭度準(zhǔn)則和時(shí)域滑動(dòng)能量搜索的局部放電脈沖提取方法可以總結(jié)為以下3個(gè)步驟：

1) 數(shù)據(jù)窗長度取20計(jì)算信號(hào)峭度，峭度大于3，且增量明顯處定為局部放電脈沖所在區(qū)域。

2) 取脈沖所在區(qū)域中心點(diǎn)，記為，以為中心采用滑動(dòng)能量法向左向右搜索脈沖邊沿。

3) 確定脈沖邊沿，提取局部放電脈沖。

綜上所述，本文提出的基于峭度準(zhǔn)則和時(shí)域滑動(dòng)能量搜索的局部放電脈沖提取方法的主要流程如圖1所示。

圖1 本文方法流程圖

4 仿真驗(yàn)證

實(shí)際的電力電纜局部放電信號(hào)經(jīng)常表現(xiàn)為一種衰減振蕩形式，理論分析時(shí)通常采用指數(shù)衰減振蕩函數(shù)模擬局部放電信號(hào)[4,10]。因此本文采用以下3種數(shù)學(xué)模型模擬局部放電信號(hào)。

圖2a所示的指數(shù)衰減型：

圖2b所示的單指數(shù)衰減振蕩型：

(14)

圖2c所示的雙指數(shù)衰減振蕩型：

a. 指數(shù)衰減型

b. 單指數(shù)衰減振蕩型

c. 雙指數(shù)衰減振蕩型

圖2 3種局部放電信號(hào)

為了使仿真的電力電纜局部放電信號(hào)更接近與實(shí)際的局部放電信號(hào)，用高斯白噪聲模擬背景噪聲(信噪比：2.194 dB)，圖3a為理想局部放電信號(hào)，圖3b為加噪后的局部放電信號(hào)。

a. 理想局部放電信號(hào)

b. 加噪局部放電信號(hào)

圖3 局放仿真信號(hào)

根據(jù)前文的理論分析最終本文數(shù)據(jù)窗長度取20計(jì)算信號(hào)峭度，圖4為含噪局部放電信號(hào)的峭度值分布圖。

在表2中列出了局部放電仿真信號(hào)峭度值突變處的相關(guān)參數(shù)。根據(jù)表2定位局部放電脈沖在整個(gè)信號(hào)序列中的位置為第250采樣點(diǎn)處、第810～830采樣點(diǎn)處、第1 510～1 530采樣點(diǎn)處。再以局部放電脈沖所在數(shù)據(jù)窗的中點(diǎn)為中心向左向右通過時(shí)域滑動(dòng)能量搜索的方法尋找脈沖邊沿。局部放電仿真信號(hào)的時(shí)域能量分布如圖5所示，圖中虛線為能量閾值。

圖4 局部放電仿真信號(hào)峭度值

表2 峭度值突變處參數(shù)統(tǒng)計(jì)

圖5 時(shí)域能量分布

選用小波去噪方法、EMD去噪法與本文方法對(duì)局放信號(hào)提取的結(jié)果進(jìn)行比較，如圖6所示。小波基選取的是與本文仿真局部放電信號(hào)匹配較好的db8小波。

a. 本文方法

b. 小波去噪

c. EMD去噪

表3列出了本文方法和小波方法、EMD去噪法去噪后的信噪比(SNR)、信噪比增益、均方根誤差(RSME)、相關(guān)系數(shù)4種性能指標(biāo)[4]。

表3 本文方法與小波方法、EMD法去噪性能指標(biāo)比較(信噪比為2.194 dB)

從圖6和表3中可見，原始信噪比為2.194 dB時(shí)，本文方法對(duì)與局部放電脈沖的提取和噪聲的抑制有很好的效果，失真度小，處理后的信號(hào)波形與理想局部放電信號(hào)波形相似度高。通過信噪比(SNR)、信噪比增益、均方根誤差(RSME)、相關(guān)系數(shù)這4個(gè)性能指標(biāo)的比較，看出本文方法比小波方法、EMD去噪法的各方面性能都好。

5 實(shí)驗(yàn)驗(yàn)證

為檢驗(yàn)本文方法對(duì)實(shí)際局放信號(hào)的提取能力，以較常見的電力電纜典型環(huán)割缺陷作為局放源。圖7為人工制作的電纜終端典型缺陷，環(huán)割深度2 mm、寬度2 mm，圖8為實(shí)驗(yàn)過程中測(cè)到的局部放電信號(hào)波形，其幅值進(jìn)行了歸一化處理，采樣率為12.5 MHz。本文方法和小波方法、EMD去噪法處理后的信號(hào)如圖9所示。

圖7 電纜終端主絕緣割傷

圖8 實(shí)驗(yàn)室測(cè)量局部放電信號(hào)

a. 本文方法

b. 小波去噪

c. EMD去噪

可以明顯看出，圖9a相對(duì)于圖9b、圖9c在噪聲分布的信號(hào)段明顯沒有毛刺，局放脈沖提取效果顯而易見，可見，本文方法明顯優(yōu)于小波方法和EMD方法。

6 結(jié)束語

本文提出一種電力電纜局部放電脈沖提取方法，并通過仿真及實(shí)測(cè)信號(hào)驗(yàn)證了該方法的有效性，具有以下特點(diǎn)：

1) 通過計(jì)算含噪電力電纜局部放電信號(hào)峭度，實(shí)現(xiàn)局部放電脈沖的定位，確定局部放電脈沖峰值在整個(gè)數(shù)據(jù)窗中的位置，進(jìn)而減小后續(xù)脈沖提取的計(jì)算量。

2) 確定時(shí)域能量閾值及對(duì)應(yīng)的時(shí)窗長度，采用時(shí)域能量搜索的方法，可實(shí)現(xiàn)局部放電脈沖邊沿檢測(cè)及確定，進(jìn)而實(shí)現(xiàn)局部放電脈沖提取。

3) 仿真驗(yàn)證及實(shí)驗(yàn)驗(yàn)證結(jié)果表明：本文方法與小波方法、EMD去噪法相比其各項(xiàng)指標(biāo)均優(yōu)于小波方法、EMD去噪法，局部放電脈沖提取結(jié)果準(zhǔn)確性高且波形無畸變，較好保留電力電纜局部放電信號(hào)的特征，便于后續(xù)分析。

[1] ASHTIANI M, SHAHRTASH S. Partial discharge pulse localization in excessive noisy data window[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2015, 22(1): 428-435.

[2] 姚陳果, 陳昱, 陳攀, 等. 基于信號(hào)能量譜特征的局部放電故障識(shí)別方法及其系統(tǒng)實(shí)現(xiàn)[J]. 高電壓技術(shù), 2014, 40(3): 829-836.

YAO Chen-guo, CHEN Yu, CHEN Pan, et al. Method for partial dis-charge pattern recognition based on characteristics of signal energy spectrum and its system realization[J]. High Voltage Engineering, 2014, 40(3): 829-836.

[3] HUANG N E, SHEN Z, LONG S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society of London A: Mathematical, Physical and Engineering Sciences, the Royal Society, 1998, 454(1971): 903-995.

[4] 許中榮, 唐炬, 張曉星, 等. 應(yīng)用復(fù)小波變換對(duì)電力變壓器局部放電超高頻信號(hào)去噪研究[J]. 電力自動(dòng)化設(shè)備, 2008, 28(1): 27-32.

XU Zhong-rong, TANG Ju, ZHANG Xiao-xing, et al. Denoising of UHF partial discharge signal by complex wavelet transform for power transformer[J]. Electric Power Automation Equipment, 2008, 28(1): 27-32.

[5] 陳剛, 劉志剛, 張巧革. 一種基于譜峭度的局部放電信號(hào)提取新方法[J]. 電力自動(dòng)化設(shè)備, 2013, 33(8): 94-100.

CHENG Gang, LIU Zhi-gang, ZHANG Qiao-ge. Partial discharge signals extraction based on spectral kurtosis[J]. Electric Power Automation Equipment, 2013, 33(8): 94-110.

[6] DWYER R F. Detection of non-Gaussian signals by frequency domain kurtosis estimation[C]//IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP'83. [S.l.]: IEEE, 1983, 8: 607-610.

[7] 尚海昆, 苑津莎, 王瑜, 等. 平移不變小波跡消噪方法在局部放電檢測(cè)中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(10): 33-40.

SHANG Hai-kun, YUAN Jin-sha, WANG Yu, et al. Application of wavelet footprints based on translation- invariant in of partial discharge signal detection[J]. Transactions of China Electrotechnical Society, 2013, 28(10): 33-40.

[8] DRAGOTTI P L, VETTERLI M. Wavelet footprints: Theory, algorithms, and applications[J]. IEEE Transactions on Signal Processing, 2003, 51(5): 1306-1323.

[9] GU F C, CHANG H C, KUO C C. Gas-insulated switchgear PD signal analysis based on Hilbert-Huang transform with fractal parameters enhancement[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2013, 20(4): 1049-1055.

[10] 王永強(qiáng), 謝軍, 律方成. 基于改進(jìn)量子粒子群優(yōu)化稀疏分解的局放信號(hào)去噪方法[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(12): 320-329.

WANG Yong-qiang, XIE Jun, Lü Fang-cheng. PD signal denoising method based on improved quantum-behaved particle swarm optimization sparse decomposition[J]. Transactions of China Electrotechnical Society, 2015, 30(12): 320-329.

[11] 李永剛, 趙辰, 呂黔蘇, 等. 基于傅里葉變換的GIS局部放電信號(hào)處理研究[J]. 華北電力大學(xué)學(xué)報(bào), 2012, 39(5): 28-34.

LI Yong-gang, ZHAO Chen, Lü Qian-su, et al. Signal processing of the GIS'partial discharge based on Fourier transform[J]. Journal of North China Electric Power University (Natural Science Edition), 2012, 39(5): 28-354.

[12] 張曉星, 周君杰, 李楠, 等. 抑制局部放電白噪聲的分塊閾值空域相關(guān)聯(lián)合去噪法[J]. 高電壓技術(shù), 2011, 37(5): 1142-1148.

ZHANG Xiao-xing, ZHOU Jun-jie, LI Nan, et al. Block theresholding spatial combined de-noising method for suppress white-noise interference in PD signals[J]. High Voltage Engineering, 2011, 37(5): 1142-1148.

[13] 胡愛軍, 馬萬里, 唐貴基. 基于集成經(jīng)驗(yàn)?zāi)B(tài)分解和峭度準(zhǔn)則的滾動(dòng)軸承故障特征提取方法[J]. 中國電機(jī)工程學(xué)報(bào), 2012, 32(11): 106-111.

HU Ai-jun, MA Wan-li, TANG Gui-ji. Rolling bearing fault feature extraction method based on ensemble empirical mode decomposition and kurtosis criterion[J]. Proceedings of the CSEE, 2012, 32(11): 106-111.

[14] LIU Hui, CHEN Yu-feng, SHEN Qing-he, et al. Cluster analysis on signals from XLPE cable partial discharge detection[C]//2014 International Conference on Power System Technology (POWERCON). [S.l.]: IEEE, 2014: 1535-1540.

編 輯 漆 蓉

Partial Discharge Pulse Extraction Algorithm Based on Kurtosis and Time Domain Energy

ZHANG An-an1, HE Cong1, SUN Mao-yi2, and LI Qian1

(1. School of Electrical Engineering and Information, Southwest Petroleum University Chengdu 610500; 2. China National Institute of Measurement and Testing Technology Chengdu 610021)

This paper proposes a power cable partial discharge (PD) pulse extraction method. Firstly, the PD pulse peak is located according to the variation of signal kurtosis, and then according to the signal energy’s changing the method of sliding energy search is adopted to calculate and search the edge of PD pulse from the centered PH pulse to the both sides, so as to extract the PD pulse in the noise background accurately. This method can distinguish the full noise signal section from the section that contains partial discharge pulse signal in partial discharge detection signal, and won’t be constrained by the number of partial discharge pulses and position of pulse, and also has features of simple step and small amount of calculation. By comparing the simulation experiments of two mainstream power cable PD pulse extraction methods (the wavelet threshold de-noising and the empirical mode decomposition) with the actual experiments, the effectiveness and veracity of this method have been verified.

kurtosis; partial discharge (PD); partial discharge pulse extraction; time domain sliding energy

TM835

A

10.3969/j.issn.1001-0548.2017.04.014

2016-04-26；

2016-11-15

國家自然科學(xué)基金(51107107)；中國博士后基金(2014M562335)；四川省教育廳科研創(chuàng)新團(tuán)隊(duì)(自然科學(xué))項(xiàng)目(15TD0005)

張安安(1977-)，男，博士，副教授，主要從事電氣設(shè)備檢測(cè)及高電壓技術(shù)方面的研究.