基于改進(jìn)HHT算法的GIS機(jī)械振動(dòng)信號(hào)時(shí)頻分析

鄭浩， 朱勝龍， 歐陽昱， 李檀(. 安徽省電力公司，安徽 合肥　300；. 山東大學(xué) 電氣工程學(xué)院，山東 濟(jì)南　5006)

0　引　言

氣體絕緣金屬封閉開關(guān)設(shè)備(Gas Insulated Switchgear，GIS)會(huì)產(chǎn)生多種機(jī)械缺陷，例如螺絲松動(dòng)、斷路器操作機(jī)構(gòu)失靈、互感器振蕩等。因此通過監(jiān)測(cè)機(jī)械故障來診斷GIS內(nèi)部早期缺陷能夠提高GIS的運(yùn)行穩(wěn)定性。GIS內(nèi)部故障產(chǎn)生的振動(dòng)信號(hào)通過介質(zhì)傳遞至GIS筒體，對(duì)于運(yùn)行中的GIS設(shè)備，常在筒體表面放置傳感器，接受傳遞過來的振動(dòng)信號(hào)，從而檢測(cè)GIS是否運(yùn)行異常，即發(fā)生故障。由于振動(dòng)信號(hào)檢測(cè)法抗干擾能力強(qiáng)，并且與電網(wǎng)中廣泛使用的超高頻檢測(cè)法可以形成互補(bǔ)，用來檢測(cè)中低頻信號(hào)，方便可靠。

但是，現(xiàn)階段對(duì)于GIS的故障研究仍多集中于局部放電[1]方向，采集的振動(dòng)信號(hào)也多為頻率較高的電磁波信號(hào)，對(duì)存在更廣泛的、頻率較低的機(jī)械故障信號(hào)研究較少。由于GIS結(jié)構(gòu)的復(fù)雜性，對(duì)現(xiàn)場(chǎng)運(yùn)行中的GIS的振動(dòng)特性[2-5]更少研究，文獻(xiàn)[2]40中，徐天樂等人對(duì)運(yùn)行中的GIS的振動(dòng)信號(hào)進(jìn)行了實(shí)測(cè)，但數(shù)據(jù)獲取困難且數(shù)據(jù)量有限，未能分析出GIS具體的故障問題。文獻(xiàn)[3]17中，程林等人對(duì)正常和異常的混合型高壓開關(guān)設(shè)備(Hybrid Gas Insulated Switchgear, HGIS)振動(dòng)信號(hào)進(jìn)行多次檢測(cè)處理，并從統(tǒng)計(jì)角度得出對(duì)應(yīng)振動(dòng)幅值和次數(shù)關(guān)于頻率的相關(guān)圖，但并沒有指明故障問題。

常用的處理振動(dòng)信號(hào)時(shí)頻的方法是希爾伯特黃變換(Hilbert-Huang Transformation, HHT)算法，即對(duì)經(jīng)過經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition， EMD)算法預(yù)處理后得到的信號(hào)進(jìn)行希爾伯特變換(Hilbert Transformation, HT)處理，但經(jīng)驗(yàn)?zāi)B(tài)分解作為一個(gè)成熟的分析時(shí)頻信號(hào)的方法，仍然存在不少問題，其中比較嚴(yán)重的就是易產(chǎn)生虛假分量和模態(tài)混疊現(xiàn)象。具體表現(xiàn)在：(1)一個(gè)單獨(dú)的本征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)中含有全異尺度；(2)相同尺度出現(xiàn)在不同的IMF中。因此本文提出基于改進(jìn)的HHT算法理論振動(dòng)信號(hào)時(shí)頻分析方法，即將總體集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition，EEMD)算法用于信號(hào)的預(yù)處理。

本文對(duì)GIS設(shè)備表面的振動(dòng)信號(hào)進(jìn)行測(cè)量，并構(gòu)造螺絲松動(dòng)和基于繞組變形的互感器振蕩兩種常見的GIS機(jī)械故障，多次檢測(cè)三種工況(正常信號(hào)、螺絲松動(dòng)、互感器振蕩)下的GIS振動(dòng)信號(hào)，引入改進(jìn)的HHT方法來處理GIS機(jī)械振動(dòng)信號(hào)，對(duì)三種振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，以使該種針對(duì)非線性非平穩(wěn)信號(hào)的處理方法能夠更廣泛更深入地應(yīng)用于振動(dòng)信號(hào)處理領(lǐng)域。

1　EMD和EEMD的原理

1.1　經(jīng)驗(yàn)?zāi)B(tài)分解[6-8]

經(jīng)驗(yàn)?zāi)B(tài)分解方法是將復(fù)雜的信號(hào)分解成若干IMF，從而使通過HT獲得的瞬時(shí)頻率能夠應(yīng)用到實(shí)際中。IMF須滿足以下兩個(gè)條件，即：① 整個(gè)數(shù)據(jù)段內(nèi)，極值點(diǎn)和過零點(diǎn)的個(gè)數(shù)應(yīng)當(dāng)相等或最多相差1；② 在任何一點(diǎn)，局部極大值點(diǎn)形成的上包絡(luò)線和局部極小值點(diǎn)形成的下包絡(luò)線的均值為零，即信號(hào)關(guān)于時(shí)間軸局部對(duì)稱。具體的處理方法是：

首先根據(jù)原始信號(hào)函數(shù)s(t)的極大點(diǎn)和極小點(diǎn)求出其上包絡(luò)v1(t)及下包絡(luò)v2(t)的平均值:

(1)

然后求出s(t)與m的差值h，即:

s(t)-m=h

(2)

再將h看作新的s(t)重復(fù)以上操作，進(jìn)行迭代，直至h滿足IMF條件時(shí)，此時(shí)記作:

c1=h

(3)

將c1看作一個(gè)新的IMF，作:

s(t)-c1=r

(4)

將r看作新的s(t)，重復(fù)以上過程，依次得到c2，c3，c4…，直到r(t)基本呈單調(diào)趨勢(shì)或|r(t)|很小可視為測(cè)量誤差時(shí)即可停止。此時(shí)，

(5)

即將原信號(hào)分解成了n個(gè)IMF,分別是c1，c2，c3，c4…，cn，和一個(gè)剩余分量r。

經(jīng)驗(yàn)?zāi)B(tài)分解仍然存在不少問題，其中比較嚴(yán)重的就是易產(chǎn)生虛假分量和模態(tài)混疊。因此，在EMD算法的基礎(chǔ)上，提出了EEMD算法。

1.2　總體平均經(jīng)驗(yàn)?zāi)B(tài)分解

針對(duì)EMD所出現(xiàn)的問題，EMD的提出者通過對(duì)EMD分解的白噪聲結(jié)果統(tǒng)計(jì)特性的大量研究[9]，發(fā)現(xiàn)除一階分量外，每階IMF的功率譜都呈現(xiàn)相同的帶通特性，而且前一階IMF的平均頻率近似為后一階的2倍；同時(shí)還發(fā)現(xiàn)信號(hào)會(huì)出現(xiàn)頻率混疊現(xiàn)象?；谏鲜龇治?，提出了將白噪聲加入到分解信號(hào)中補(bǔ)充一些缺失的尺度，從而提出了總體平均經(jīng)驗(yàn)?zāi)B(tài)分解思路。

因此，EEMD主要算法結(jié)構(gòu)與EMD算法基本相同：將原始信號(hào)篩分成固有模態(tài)函數(shù)，由于篩分過程中出現(xiàn)了模態(tài)混疊現(xiàn)象，因此在篩分過程中給信號(hào)添加一個(gè)高斯白噪聲信號(hào)w(t)，為每次EMD分解后剩余分量的時(shí)域分布提供一致的參考結(jié)構(gòu)。

1.3　總體平均經(jīng)驗(yàn)?zāi)B(tài)分解具體步驟

(1)通過給原始信號(hào)x(t)疊加一組高斯白噪聲信號(hào)w(t)獲得一個(gè)總體信號(hào)：

X(t)=x(t)+w(t)

(6)

(2)對(duì)X(t)進(jìn)行EMD分解，得到各階IMF分量：

(7)

(3)給原始信號(hào)加入不同的白噪聲wi(t)，重復(fù)步驟(1)和(2)。

(8)

(4)利用高斯白噪聲頻譜零均值原理，消除高斯白噪聲作為時(shí)域分布參考結(jié)構(gòu)帶來的影響，此時(shí)IMF分量Cn(t)可表示為:

(9)

EEMD所加的高斯白噪聲次數(shù)服從式(10)

(10)

式中:ε為高斯白噪聲的幅值；N為總體個(gè)數(shù)；εn表示原始信號(hào)與各階的IMF相加后之間的誤差。為了保證諧波檢測(cè)算法的快速性，一般選取ε為0.01，N=200。

(5)因此，最后原始信號(hào)x(t)可分解為:

(11)

2　改進(jìn)的HHT算法基本原理

2.1　Hilbert變換

對(duì)每個(gè)經(jīng)過EEMD得到的IMF做Hilbert變換，

xi(t)=Ci(t)

(12)

(13)

得到解析信號(hào)，

z(t)=xi(t)+iyi(t)=a(t)eiθ(t)

(14)

瞬時(shí)頻率按下式計(jì)算

(15)

2.2　Hilbert譜

對(duì)每個(gè)IMF做HT得到:

(16)

此時(shí)忽略了殘余項(xiàng)，上式稱為Hilbert譜，記作

(17)

進(jìn)一步定義邊際譜

(18)

邊際譜能夠從統(tǒng)計(jì)意義上表征整組數(shù)據(jù)各個(gè)頻率點(diǎn)的積累幅值分布。

3　GIS振動(dòng)信號(hào)檢測(cè)試驗(yàn)平臺(tái)

本文試驗(yàn)利用某開關(guān)廠整套的110 kV單相分箱GIS設(shè)備。在GIS斷路器操動(dòng)機(jī)構(gòu)與隔離開關(guān)連接螺絲和互感器處設(shè)置異常振動(dòng)源，包括螺絲松動(dòng)和基于繞組變形的互感器振蕩。試驗(yàn)實(shí)物及故障設(shè)置位置如圖1所示(故障1為螺絲松動(dòng)，故障2為互感器繞組變形)。利用外置的壓電式加速度傳感器在GIS窺視孔下側(cè)檢測(cè)三類振動(dòng)信號(hào)(正常，螺絲松動(dòng)，互感器振蕩)，振動(dòng)測(cè)試平臺(tái)如圖2所示。

圖1　試驗(yàn)平臺(tái)實(shí)物圖及故障設(shè)置點(diǎn)

圖2　振動(dòng)測(cè)試平臺(tái)

4　基于改進(jìn)HHT算法的GIS振動(dòng)信號(hào)分析

4.1　時(shí)域圖分析

圖3(a)、(b)、(c)分別為示波器在GIS正常、故障1、故障2時(shí)采集的振動(dòng)信號(hào)時(shí)域圖，從時(shí)域圖來看，螺絲松動(dòng)和互感器振蕩兩種工況下的振動(dòng)信號(hào)幅值均大于正常振動(dòng)信號(hào)，并且螺絲松動(dòng)故障下，振動(dòng)信號(hào)幅值增幅明顯。直觀上看，互感器振蕩下的振動(dòng)信號(hào)密集程度最高，推測(cè)有倍頻信號(hào)疊加。

圖3　三種工況下的GIS振動(dòng)信號(hào)時(shí)域圖

4.2　平均經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)

三組振動(dòng)信號(hào)經(jīng)過簡(jiǎn)單去噪處理后，通過上文的EEMD分解得到三種工況(如圖4所示)下GIS振動(dòng)信號(hào)的本征模函數(shù)組，各圖自上而下依次為各個(gè)本征模函數(shù)(imf)和殘余分量(res.)。本征模態(tài)分量相應(yīng)包含了從高到低不同頻率段的成分，并且隨原始信號(hào)的變化而變化。

圖4　振動(dòng)信號(hào)EEMD分解

4.3　希爾伯特譜分解和HHT邊際譜分析

通過希爾伯特變換后可以得到希爾伯特黃譜和邊際譜。通過邊際譜可以更直觀的看出幅值隨頻率分布的變化。與正常運(yùn)行下的振動(dòng)信號(hào)的HHT邊際譜(圖5a)相比，故障1(圖5b)和故障2(圖5c)下GIS振動(dòng)信號(hào)的HHT邊際譜中可以非常清晰地看到故障特征，螺絲松動(dòng)故障在基頻100 Hz處存在振蕩現(xiàn)象，并且幅值明顯高于正常運(yùn)行時(shí)的幅值，互感器振蕩信號(hào)的能量主要集中于140 Hz～160 Hz和440 Hz～460 Hz范圍，其幅值遠(yuǎn)高于正常運(yùn)行下基頻100 Hz左右的幅值。綜合希爾伯特黃譜分析，可以得出兩種故障的特征判據(jù)。

圖5　振動(dòng)信號(hào)邊際譜

5　結(jié)束語

本文應(yīng)用改進(jìn)的HHT分析方法分析處理GIS設(shè)備振動(dòng)信號(hào)。利用HHT方法，在實(shí)驗(yàn)室內(nèi)，通過對(duì)GIS設(shè)備設(shè)置兩種常見的機(jī)械故障(即螺絲松動(dòng)和互感器振蕩)，運(yùn)用該方法對(duì)GIS設(shè)備三種工況(正常、故障1、故障2)下振動(dòng)信號(hào)進(jìn)行分析研究。得出以下結(jié)論：

(1)基于EEMD的時(shí)域分析，得到本征模函數(shù)組，可以獲得振動(dòng)信號(hào)的各成分幅值和相位情況，避免了虛假分量和模態(tài)混疊現(xiàn)象的出現(xiàn)，使得結(jié)果更加準(zhǔn)確。

(2)基于改進(jìn)的HHT分析，可得到三種工況振動(dòng)信號(hào)幅值和頻率的分析，得到不同故障下振動(dòng)信號(hào)的特征判據(jù)。

(3)正常振動(dòng)信號(hào)的頻譜分布在100 Hz附近，頻帶較窄；螺絲松動(dòng)故障振動(dòng)信號(hào)的頻譜同樣分布在100 Hz附近，頻帶較寬，且幅值明顯高于正常振動(dòng)信號(hào)；互感器振蕩故障振動(dòng)信號(hào)的頻譜分布在140 Hz～160 Hz和440 Hz～460 Hz范圍。

上述說明，基于改進(jìn)HHT算法的方法對(duì)GIS設(shè)備的機(jī)械振動(dòng)信號(hào)進(jìn)行時(shí)頻分析是有效的。通過模擬不同類型的機(jī)械故障，最終能夠建立GIS機(jī)械故障診斷數(shù)據(jù)庫。

參考文獻(xiàn)：

[1] RUDD S, MCARTHUR S D, JUDD M D. A generic knowledge-based approach to the analysis of partial dischargedate[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2010, 17(1)：149-156.

[2] 徐天樂，馬宏忠，陳楷，等. 基于振動(dòng)信號(hào)HHT方法的GIS設(shè)備故障診斷[J]. 中國(guó)電力，2013, 39(3):39-42.

[3] 程林. 特高壓GIS/HGIS設(shè)備振動(dòng)診斷方法研究[J]. 電力建設(shè)，2009, 30(7):17-19.

[4] 黃金劍，楊寶琨. 基于振動(dòng)信號(hào)的GIS機(jī)械狀態(tài)檢測(cè)系統(tǒng)及其應(yīng)用[J]. 廣西電力，2015, 38(5): 55-59.

[5] 李天云，趙妍，季小慧，等.HHT方法在電力系統(tǒng)故障信號(hào)分析中的應(yīng)用[J].電工技術(shù)，2005,20(6)：87-91.

[6] 陳雋，徐幼麟. HHT方法在結(jié)構(gòu)模態(tài)參數(shù)識(shí)別中的應(yīng)用[J]. 振動(dòng)工程，2003,16(3): 383-388.

[7] 李婷，蔣慶，蔡晉輝，等. 小波消噪-HHT的四通閥故障診斷[J]. 中國(guó)計(jì)量，2009,20(3): 235-239.

[8] WU ZHAOHUA, HUANG NORDEN E. Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. Advances in Adaptive Date Analysis, 2011,1(01):1-41.

[9] 朱寧輝，白曉民.基于EEMD的諧波檢測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(7):92-98.