提升小波用于智能變電站電氣設(shè)備 狀態(tài)信號(hào)去噪研究

李巍 代佰華 伊瑞鵬 王官濤 劉博

摘? 要： 智能化變電站電氣設(shè)備在線監(jiān)測信號(hào)需要快速處理及實(shí)時(shí)傳輸，針對這一問題，文中采用提升小波算法提取智能化變電站電氣設(shè)備狀態(tài)監(jiān)測信號(hào)。該方法采用提升小波對信號(hào)進(jìn)行分解，在閾值選擇時(shí)采用基于SURE無偏估計(jì)的最優(yōu)閾值自適應(yīng)選擇方法。對典型人工平穩(wěn)信號(hào)及局部放電信號(hào)試驗(yàn)，結(jié)果表明，所提出的提升小波算法能夠很好地濾除信號(hào)中的噪聲，計(jì)算速度更快，具有良好的去噪效果和應(yīng)用價(jià)值。

關(guān)鍵詞： 信號(hào)去噪; 提升小波算法; 智能化變電站; 電氣設(shè)備; 信號(hào)監(jiān)測; 對比分析

中圖分類號(hào)： TN830.1?34? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）08?0082?04

Study on electrical equipment status signal de?noising of lifting wavelet algorithm applied to intelligent substation

LI Wei1，2， DAI Baihua2， YI Ruipeng2， WANG Guantao2， LIU Bo2

（1. Shandong University， Jinan 250000， China; 2. Binzhou Power Supply Company， State Grid Shandong Electric Power Company， Binzhou 256600， China）

Abstract： The on?line monitoring signal of electrical equipment in the intelligent substation needs to be processed quickly and transmitted in real time. To solve this problem， the lifting wavelet algorithm is used to extract the condition monitoring signals of the electrical equipments in intelligent substation. In this method， the lifting wavelet is used to decompose the signals， and the adaptive selection method of optimal threshold based on SURE unbiased estimation is adopted in the threshold selection. The testing results of typical artificially?smoothed signal and partial discharge signal show that the lifting wavelet algorithm proposed in this paper can filter out the noise in the signal well， and its calculation speed is faster. It has a certain de?noising effect and application value.

Keywords： signal de?noising; lifting wavelet algorithm; intelligent substation; electrical equipment; signal monitoring; contrastive analysis

0? 引? 言

在我國社會(huì)經(jīng)濟(jì)水平不斷提升，社會(huì)發(fā)展進(jìn)程不斷加快的背景下，電網(wǎng)規(guī)模也隨之?dāng)U大的同時(shí)加大了電網(wǎng)復(fù)雜度，而目前想要推動(dòng)我國生產(chǎn)管理現(xiàn)代化發(fā)展所需，就應(yīng)當(dāng)確保電網(wǎng)能夠安全穩(wěn)定運(yùn)行，所以建立智能化、信息化電網(wǎng)已經(jīng)成為必然所趨[1]。變電站對于電網(wǎng)來講，作為信息源及最終執(zhí)行點(diǎn)，所以智能電網(wǎng)必須建立智能變電站，有助于推進(jìn)智能電網(wǎng)的安全穩(wěn)定及科學(xué)管理[2?4]。

智能變電站以“一次設(shè)備智能化，二次設(shè)備網(wǎng)絡(luò)化”作為主要特征，實(shí)現(xiàn)一次設(shè)備的信號(hào)數(shù)字化輸入輸出，借助網(wǎng)路通信技術(shù)傳輸，對IEC61850標(biāo)準(zhǔn)適應(yīng)[5?6]。但是由于智能變電站存在比較嚴(yán)重的現(xiàn)場電磁干擾情況，需要對所監(jiān)測的信號(hào)進(jìn)行去噪處理。文獻(xiàn)[7?10]認(rèn)為可以采用小波去噪法，文獻(xiàn)[11]為了能夠提高信號(hào)的數(shù)字化傳輸速率，實(shí)現(xiàn)快速化信號(hào)處理，認(rèn)為小波算法可以不依賴傅里葉即可實(shí)現(xiàn)轉(zhuǎn)換，并證實(shí)提升方式能夠滿足第一代變換。目前在地震信號(hào)、機(jī)械振動(dòng)信號(hào)等檢測領(lǐng)域，都廣泛運(yùn)用小波算法[12?15]。

本文基于以往研究基礎(chǔ)提出適用于智能化變電站對平穩(wěn)及非平穩(wěn)信號(hào)進(jìn)行去噪處理的提升小波算法，該算法運(yùn)用提升小波算法與標(biāo)準(zhǔn)軟閾值法結(jié)合完成信號(hào)去噪處理。結(jié)果表明，該算法能夠?qū)χ悄芑冸娬粳F(xiàn)場的信號(hào)混疊白噪聲情況有效抑制。該方法較Donoho提出的標(biāo)準(zhǔn)軟閾值法，能夠?qū)崿F(xiàn)更加快速的將強(qiáng)噪聲背景中局部放電信號(hào)提取出來，如此一來能夠?qū)π盘?hào)的失真度有效降低，并且可以達(dá)到較好的去噪效果及實(shí)用價(jià)值，更實(shí)現(xiàn)了智能化變電站電氣設(shè)備信號(hào)的快速處理傳輸。

1? 提升小波去噪算法

小波變換作為目前研究界運(yùn)用較多的理論方法之一，作為時(shí)（空）頻域分析理論在運(yùn)用研究中，DWT（離散小波變換）這一快速算法目前已經(jīng)成為近期的研究熱點(diǎn)之一[11]。Swelden在研究中提出提升小波法，在對第一代小波變化方法基礎(chǔ)之上，繼承了多分辨率特點(diǎn)的同時(shí)，還能夠?qū)崿F(xiàn)小波變換中對各系數(shù)進(jìn)行原位計(jì)算。僅僅占用等同輸入大小空間，無需其他輔助空間和系統(tǒng)內(nèi)存，且很大程度降低了復(fù)雜度，所以作為目前對離散小波變換進(jìn)行計(jì)算的主流方法。

提升小波的步驟分成三步：分裂（split）、預(yù)測（predict）和更新（update）。它的本質(zhì)就是選擇一個(gè)小波基，然后通過對這個(gè)小波基進(jìn)行一系列的變化，重新組合構(gòu)造成一個(gè)性質(zhì)更好的小波。在通過多相表示法和多項(xiàng)式矩陣分解小波的提升方法來作為理論上的一個(gè)補(bǔ)充，小波的提升是通過提升的對偶定理和交替定理，在由濾波器通過雙道濾波來實(shí)現(xiàn)的，小波提升法的應(yīng)用，使小波進(jìn)入了一個(gè)全新的階段。

1） 分裂。將原始信號(hào)分裂為兩個(gè)互不相交的，無重疊的子集。把x（n）分成奇數(shù)集{xo（k）=x（2k+1）}和偶數(shù)集{xe（k）=x（2k）}。

2） 預(yù)測。預(yù)測產(chǎn)生細(xì)節(jié)信號(hào)d（k），假設(shè)預(yù)測操作為P（），則d（k）=xo（k）-P（xe（k））。

3） 更新。將一個(gè)更新算子U（）代入d（k），然后將它加到xe（k）上來獲得原信號(hào)x（n）的一個(gè)逼近信號(hào)c（k）。c（k）=xe（k）+U（d（k））;將c（k）重復(fù)運(yùn)用以上操作，可以獲得數(shù)據(jù)的分解。

提升小波的逆變換很容易獲得，跟小波的合成與分解不同。分解公式可以推出合成公式：

提升小波去噪算法是基于Donoho的基礎(chǔ)小波收縮算法的思想提出的。對于一個(gè)被測量信號(hào)x，該算法可以被分為以下三個(gè)步驟：

1） 通過針對信號(hào)采用DWT（離散小波變換）處理，可得wj，k，即小波系數(shù);

2） 經(jīng)過采用閾值函數(shù)處理每一個(gè)尺度對照小波系數(shù)后，能夠得出wj，k;

3） 對于步驟2）得出的wj，k完成離散小波反變換，得到估計(jì)信號(hào)[s]。

對于提升小波閾值法運(yùn)用過程中，通過在本文運(yùn)用Donoho提出的硬閾軟閾值化函數(shù)h，s，以式（3）為依據(jù)，能夠?qū)⒒赟URE法估計(jì)的尺度獨(dú)立的小波系數(shù)閾值計(jì)算得出。

式中：在j尺度存在的小波系數(shù)閾值和長度分別用[λj]和[nj]表示;[δj]=MAD（|dj，k|，0≤k≤2j-1[）q];MAD（·）取中值函數(shù);j尺度上的小波細(xì)節(jié)系數(shù)用dj，k表示，結(jié)合以往研究經(jīng)驗(yàn)取q值為0.674 5。

2? 典型人工平穩(wěn)信號(hào)去噪結(jié)果

智能化變電站在獲得的全數(shù)字、光纖信號(hào)采集系統(tǒng)內(nèi)，由于存在光電互感器、電子互感器等大量平穩(wěn)的電壓電流信號(hào)， 所以一旦受其他諧波干擾便不可避免地會(huì)發(fā)生畸變情況。所以考慮到此本文選用了Blocks，Bumps，HeaviSine和Doppler這4種比較典型的人工平穩(wěn)信號(hào)，對智能變電站的平穩(wěn)電壓電流信號(hào)模擬展開實(shí)驗(yàn)如圖1所示。

統(tǒng)計(jì)仿真信號(hào)達(dá)到4 096個(gè)點(diǎn)的長度，運(yùn)用上文所提的標(biāo)準(zhǔn)軟閾值法作為方法1，提升小波去噪法作為方法2，4種信號(hào)的去噪結(jié)果如圖2～圖5所示。其中，圖a）為初始仿真信號(hào);圖b）為局部放電仿真信號(hào)，被信噪比污染后信號(hào)情況，[δsδe=6]中的[δs]表示信號(hào)，[δe]表示噪聲的標(biāo)準(zhǔn)方差;圖c）表示經(jīng)過對受信噪比干擾的信號(hào)進(jìn)行方法1去噪處理之后的結(jié)果;圖d）表示經(jīng)過對受信噪比干擾的信號(hào)進(jìn)行方法2去噪處理之后的結(jié)果。經(jīng)試驗(yàn)發(fā)現(xiàn)通過運(yùn)用方法2可以對白噪聲造成的干擾情況有效去除，并且對信號(hào)中的更多特征均能夠完整保存，如圖5中顯示的Doppler信號(hào)去噪結(jié)果。

表1為上述三種去噪方法在Matlab 7.0中的計(jì)算時(shí)間，由表1可知，提升小波算法的計(jì)算時(shí)間比Donoho提出的標(biāo)準(zhǔn)軟閾值法的去噪時(shí)間短。

3? 局部放電信號(hào)去噪結(jié)果

智能變電站實(shí)現(xiàn)光纖、全數(shù)字信號(hào)采集系統(tǒng)中，不可避免地會(huì)存在部分非平穩(wěn)信號(hào)出現(xiàn)，而局部放電脈沖作為瞬時(shí)的短信號(hào)，可以經(jīng)過測量系統(tǒng)對局部放電信號(hào)檢測，運(yùn)用如下公式的衰減振蕩脈沖s模擬：

式中：信號(hào)的幅值系數(shù)用M表示;衰減常數(shù)用α1和α2表示;振蕩角頻率用[ω]=2f表示。如圖6所示，作為系統(tǒng)檢測的局部放電脈沖信號(hào)波形，設(shè)置仿真采樣率為60 MS/s。

圖7給出了局部放電仿真信號(hào)經(jīng)兩種去噪方法去噪后的效果圖。圖7a）作為初始局部放電的仿真信號(hào)，圖7b）作為局部放電仿真信號(hào)，被信噪比污染后信號(hào)情況，圖7c）表示經(jīng)過對局部含噪的放電信號(hào)進(jìn)行方法1去噪處理之后的結(jié)果，圖7d）表示經(jīng)過對局部含噪的放電信號(hào)進(jìn)行方法2去噪處理之后的結(jié)果。經(jīng)試驗(yàn)發(fā)現(xiàn)，通過運(yùn)用方法2可以更加高效地將局部放電信號(hào)從含噪背景中提取，兩種方法分別達(dá)到0.78 s，0.36 s的去噪時(shí)間，因此也證實(shí)了運(yùn)用提升小波算法，可以很大程度縮減信號(hào)處理時(shí)間，提高信號(hào)傳輸實(shí)時(shí)效率。

4? 結(jié)? 語

通過在本文中運(yùn)用提升小波算法，與Donoho所提軟閾值化函數(shù)方法對比研究，展開了不同類型的4種典型人工平穩(wěn)信號(hào)和局部仿真放電信號(hào)去噪試驗(yàn)。結(jié)果證實(shí)運(yùn)用提升小波算法，可以更加高效地將智能變電站的設(shè)備在線監(jiān)測信號(hào)，無論是平穩(wěn)或非平穩(wěn)信號(hào)均能夠?qū)崟r(shí)提取，且最大化降低導(dǎo)致原始信號(hào)畸變情況。除此之外提升小波算法還能夠提高去噪效率，保證去噪成效推進(jìn)智能變電站電網(wǎng)的安全穩(wěn)定運(yùn)行及實(shí)時(shí)通信。

參考文獻(xiàn)

[1] 朱文斌，雷秉山，雷志勇.基于小波變換的紅外探測系統(tǒng)信號(hào)去噪[J].紅外技術(shù)，2018，40（11）：1047?1051.

[2] 王行芳，金施群，侯少陽.基于小波閾值的激光探測聲音信號(hào)去噪研究[J].大氣與環(huán)境光學(xué)學(xué)報(bào)，2018，13（5）：388?394.

[3] 常曉，蘇冠群，聶生東.基于小波變換的低場核磁共振信號(hào)去噪方法的研究進(jìn)展[J].波譜學(xué)雜志，2018，35（3）：393?406.

[4] 葉華，譚冠政，李廣，等.基于稀疏表示與粒子群優(yōu)化算法的非平穩(wěn)信號(hào)去噪研究[J].紅外與激光工程，2018，47（7）：328?335.

[5] 孫強(qiáng)，胡紅萍，白艷萍，等.基于EMD和提升小波改進(jìn)閾值函數(shù)的水聽器信號(hào)去噪研究[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2018，32（6）：188?192.

[6] 王文飛，周雒維，李紹令，等.采用改進(jìn)CPSO動(dòng)態(tài)搜索時(shí)頻原子的電能質(zhì)量擾動(dòng)信號(hào)去噪方法[J].電網(wǎng)技術(shù)，2018，42（12）：4129?4137.

[7] 黃典慶，黃新波，朱永燦，等.基于小波變換的斷路器振動(dòng)信號(hào)去噪處理[J].廣東電力，2019，32（7）：98?105.

[8] 張歡，劉燕，佟寶同，等.聯(lián)合改進(jìn)CEEMD與近似熵的腦電去噪方法[J].計(jì)算機(jī)工程，2017，43（6）：53?58.

[9] 劉名揚(yáng)，張曉寒，范頔，等.基于選擇因子的皮膚電反應(yīng)信號(hào)小波去噪方法[J].科學(xué)技術(shù)與工程，2017，17（15）：238?241.

[10] 楊森，陳莎莎，李光茂，等.基于變分模態(tài)分解的變壓器有載分接開關(guān)振動(dòng)信號(hào)去噪分析[J].電測與儀表，2019，56（13）：104?112.

[11] 郝建軍，劉勇剛，廖剛，等.一種改進(jìn)小波閾值函數(shù)的信號(hào)去噪[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2019，33（4）：93?97.

[12] 顏菲，胡玉平.疊加去噪自動(dòng)編碼器結(jié)合深度神經(jīng)網(wǎng)絡(luò)的心電圖信號(hào)分類方法[J].計(jì)算機(jī)應(yīng)用與軟件，2019，36（4）：178?185.

[13] 湯偉，王玲利，稅宇陽，等.基于SWT和雙變量閾值函數(shù)的ECG信號(hào)去噪[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019，40（3）：725?730.

[14] 趙靜，韋海成.ECG信號(hào)自適應(yīng)貝葉斯小波去噪算法研究[J].現(xiàn)代電子技術(shù)，2019，42（5）：61?65.

[15] 蔡佳輝，童耀南，李金桂，等.基于小波能量元和改進(jìn)雙閾值函數(shù)的微流控芯片信號(hào)去噪方法研究[J].傳感技術(shù)學(xué)報(bào)，2018，31（12）：1862?1868.