基于MCSPO-MUSIC算法的換流閥絕緣板沿面放電定位方法

劉云鵬， 劉嘉碩， 裴少通， 來(lái)庭煜， 魏曉光， 周旭東

(1.河北省輸變電設(shè)備安全防御重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，河北 保定 071003；2.先進(jìn)輸電技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))， 北京 102209)

0 引 言

換流閥是我國(guó)特高壓直流輸電工程中的核心設(shè)備，主要功能是實(shí)現(xiàn)交直流電能轉(zhuǎn)換。如果換流閥中的設(shè)備出現(xiàn)缺陷沒(méi)有及時(shí)處理，發(fā)展為嚴(yán)重故障后，可能會(huì)導(dǎo)致整個(gè)換流閥乃至換流站停運(yùn)處理[1-3]。換流閥中的絕緣板作為不同級(jí)阻尼電容之間主要絕緣設(shè)備，其主要材料為環(huán)氧樹(shù)脂，長(zhǎng)時(shí)間運(yùn)行后表面積污，在遇到潮濕天氣后可能會(huì)出現(xiàn)沿面放電現(xiàn)象，嚴(yán)重時(shí)會(huì)出現(xiàn)沿面閃絡(luò)導(dǎo)致晶閘管級(jí)損壞甚至換流閥停運(yùn)[4-6]。目前換流閥廳內(nèi)設(shè)備局部放電的監(jiān)測(cè)方法主要有煙霧探測(cè)報(bào)警系統(tǒng)和紫外檢測(cè)方法。煙霧探測(cè)報(bào)警系統(tǒng)在檢測(cè)到設(shè)備放電著火產(chǎn)生煙霧時(shí)會(huì)閉鎖直流進(jìn)行保護(hù)，但是該系統(tǒng)不能在較早時(shí)期發(fā)現(xiàn)設(shè)備存在的缺陷[7]。紫外檢測(cè)方法主要是基于紫外成像儀拍攝設(shè)備判斷表面是否存在放電現(xiàn)象，此方法也可以實(shí)現(xiàn)在線監(jiān)測(cè)，但是紫外成像儀造價(jià)比較貴并且不同種類的紫外成像儀之間檢測(cè)標(biāo)準(zhǔn)尚未統(tǒng)一[8]。

聲陣列定位方法已經(jīng)在檢測(cè)變壓器內(nèi)部設(shè)備局部放電、變電站設(shè)備異常以及其他一些高壓電氣設(shè)備表面缺陷放電等方面進(jìn)行了很多研究[9，10]。傳統(tǒng)的多重信號(hào)分類(Multiple Signal Classification, MUSIC)算法需要對(duì)接收信號(hào)的協(xié)方差矩陣進(jìn)行分解后，再進(jìn)行遍歷尋優(yōu)，造成實(shí)際應(yīng)用時(shí)存在計(jì)算量大、計(jì)算時(shí)間長(zhǎng)等問(wèn)題[11]。一些常用的改進(jìn)MUSIC算法例如RD-MUSIC算法通過(guò)將空間二維并行搜索分為俯仰角和方位角兩個(gè)一維順序搜索方法來(lái)來(lái)減少計(jì)算時(shí)間[12]；FastDOA算法相對(duì)于MUSIC算法不需要協(xié)方差矩陣的分解，從而降低了運(yùn)算復(fù)雜度[13]。但是上述算法并沒(méi)有解決MUSIC算法中需要遍歷尋優(yōu)這個(gè)問(wèn)題。粒子群優(yōu)化(Particle Swarm Optimization, PSO)算法是近年來(lái)發(fā)展應(yīng)用較為廣泛的尋優(yōu)算法，具有操作簡(jiǎn)單、收斂速度快等優(yōu)點(diǎn)；與此同時(shí)也存在早熟收斂并且容易陷入局部極值的問(wèn)題[14，15]。混沌粒子群優(yōu)化(Chaos Particle Swarm Optimization, CPSO)算法可以利用混沌優(yōu)化(Chaos Optimization, CO)算法的遍歷性、隨機(jī)性特點(diǎn)避免PSO算法陷入局部最優(yōu)值，同時(shí)也能結(jié)合PSO算法快速收斂的特點(diǎn)進(jìn)行迭代尋優(yōu)。不過(guò)，CPSO算法對(duì)于初值比較敏感，初始條件的微小變化將會(huì)引起系統(tǒng)行為的很大變化[16]。

為解決上述問(wèn)題，本文提出了MCPSO-MUSIC算法，其核心包括兩部分：一部分是以MUSIC算法中功率譜函數(shù)作為尋優(yōu)公式；另一部分是利用改進(jìn)的混沌粒子群算法進(jìn)行尋優(yōu)。該算法可以較為準(zhǔn)確地實(shí)現(xiàn)空間某一位置聲源的二維俯仰角和方位角定位，同時(shí)還可以解決MUSIC算法遍歷尋優(yōu)計(jì)算量大、計(jì)算時(shí)間長(zhǎng)以及CPSO算法對(duì)于初值敏感而造成每次計(jì)算結(jié)果相差較大的問(wèn)題。后續(xù)利用仿真和實(shí)驗(yàn)驗(yàn)證了本文提出的算法在相同定位精度的條件下，相較于傳統(tǒng)的MUSIC算法以及CPSO-MUSIC算法，分別在計(jì)算時(shí)間和收斂迭代次數(shù)上具有優(yōu)越性。

1 MCPSO-MUSIC算法介紹

1.1 MUSIC算法

MUSIC算法的主要原理是把聲音傳感器陣列接收信號(hào)的協(xié)方差矩陣進(jìn)行分解后，得到相互正交的信號(hào)子空間和噪聲子空間分量，最后利用其兩個(gè)子空間的正交性來(lái)預(yù)估聲音信號(hào)入射方向等參數(shù)[17，18]。陣列典型分布結(jié)構(gòu)有線陣、十字形陣列、圓形陣列及方形陣列等，下面以方形陣列為例介紹MUSIC算法具體計(jì)算步驟和特點(diǎn)。

假設(shè)用M×M個(gè)聲音傳聲器陣元組成以方形結(jié)構(gòu)排布的聲陣列，如圖1所示，陣元分布在XOY平面上。圖1中θ表示K個(gè)聲源中某一聲源入射方向與Z軸正方向的夾角稱為俯仰角，φ表示聲源入射方向投影到XOY平面后與X軸正方向的夾角稱為方位角，相鄰陣元在X軸方向與Y軸方向的距離相等都為d。聲陣列接收窄帶遠(yuǎn)場(chǎng)信號(hào)的數(shù)學(xué)模型為

圖1 方形陣列傳感器分布模型Fig. 1 Planar array sensor distribution model

x(t)=A(θ,φ)×s(t)+n(t)

(1)

式中：x(t)表示在t時(shí)刻將方陣中每個(gè)陣元接收的數(shù)據(jù)排列成M2×K的列矢量，A(θ,φ)表示方陣所對(duì)應(yīng)的M2×K方向矢量矩陣，s(t)表示在t時(shí)刻將空間中每個(gè)聲源接發(fā)出的數(shù)據(jù)排列成K×1的列矢量，n(t)表示在t時(shí)刻將方陣中每個(gè)陣元接收的噪聲排列成M2×1的列矢量。

對(duì)于放置在XOY平面上的陣列方向矢量矩陣A(θ,φ)可以看成由X軸方向矩陣Ax和Y軸方向矩陣Ay構(gòu)成，即

(2)

式中：DM(Ay)是根據(jù)矩陣的M行構(gòu)成的對(duì)角矩陣，Ax和Ay都是范德蒙矩陣，具體表示見(jiàn)公式(3)和公式(4)。

Ax=[ax(θ1,φ1),ax(θ2,φ2),…,ax(θK,φK)]

ax(θK,φK)=[1,ej2πf0τxK,…,ej2π(M-1)f0τxK]

(3)

Ay=[ay(θ1,φ1),ay(θ2,φ2),…,ay(θK,φK)]

ay(θK,φK)=[1,ej2πf0τyK,…,ej2π(M-1)f0τyK]

(4)

式中：ax(θK,φK)和ay(θK,φK)分別表示第K個(gè)聲源在X軸方向和Y軸方向的方向向量；τxK和τyK分別表示X軸方向和Y軸方向相鄰陣元之間接收到聲源信號(hào)的時(shí)間差；f0為窄帶信號(hào)的中心頻率；v為聲音在介質(zhì)中的傳播速度。

在XOY平面?zhèn)鞲衅鹘邮盏降穆曉葱盘?hào)中，選取一段時(shí)間的聲源信號(hào)x(t)代入MUSIC算法進(jìn)行定位計(jì)算，具體步驟如下：

(1)由數(shù)據(jù)信號(hào)計(jì)算出協(xié)方差矩陣，并對(duì)其進(jìn)行特征值分解；

(2)根據(jù)信號(hào)源K的個(gè)數(shù)以及特征值的大小，分類出信號(hào)子空間US和噪聲子空間UN；

1.2 CPSO-MUSIC算法

CPSO-MUSIC算法的基本思想是以MUSIC算法中功率譜函數(shù)作為尋優(yōu)公式代入到CPSO算法中進(jìn)行尋優(yōu)，最終得到聲源位置。CPSO算法是由PSO算法和CO算法構(gòu)成。

1.2.1 PSO算法簡(jiǎn)介

PSO算法是一種不斷迭代進(jìn)化尋優(yōu)的算法，起源于對(duì)鳥(niǎo)群合作覓食行為的探究。在PSO算法中每個(gè)解被稱為一個(gè)“粒子”，并且粒子有兩個(gè)基本量即：粒子現(xiàn)在所處的位置坐標(biāo)X和粒子的當(dāng)前速度V。每個(gè)粒子把位置坐標(biāo)X代入優(yōu)化函數(shù)F(X)中得到對(duì)應(yīng)的適應(yīng)度(fitness)，通過(guò)比較fitness的大小來(lái)確定不同解的質(zhì)量。假設(shè)PSO算法完成計(jì)算需要迭代n次，當(dāng)?shù)絤(m≤n-1)次時(shí)，每個(gè)粒子的最優(yōu)解記為pbest，粒子群的最優(yōu)解記為gbest。而迭代到m+1代時(shí)，所有粒子將會(huì)根據(jù)pbest和gbest更新自身的X和V，更新公式如下：

Vi(m+1)=w·Vi(m)+C1·R1·(PB-Xi(m))+

C2·R2·(GB-Xi(m))

Xi(m+1)=Xi(m)+Vi(m+1)

(5)

式中：m為迭代次數(shù)，i為粒子群中某一個(gè)粒子；Xi(m)和Vi(m)分別表示第i個(gè)粒子在迭代m次后所處的位置和速度；w為權(quán)重系數(shù)；C1和C2分別表示自身學(xué)習(xí)因子和社會(huì)學(xué)習(xí)因子，共同加速粒子群靠近最優(yōu)解；R1和R2一般在0～1之間隨機(jī)取值[19,20]。

PSO算法具有參數(shù)設(shè)置少、收斂速度快等優(yōu)點(diǎn)，但同時(shí)也存在容易出現(xiàn)早熟現(xiàn)象，陷入局部最優(yōu)值等問(wèn)題。

1.2.2 CO算法簡(jiǎn)介

混沌是存在于自然界非線性系統(tǒng)中的一種普遍現(xiàn)象，其混沌變量表面看似雜亂分布，但是可以按照一定規(guī)律不重復(fù)的取遍空間中所有狀態(tài)?；煦缱兞糠植嫉囊?guī)律性由混沌方程決定，本文選用Logistic映射方程來(lái)產(chǎn)生一組混沌序列。Logistic映射方程見(jiàn)下面公式：

am+1=μ·am·(1-am)

(6)

式中：變量am∈(0,1)，m為迭代次數(shù)；μ為控制參數(shù)。

在(0,1)區(qū)間內(nèi)隨機(jī)取一個(gè)數(shù)賦給a1，根據(jù)公式(6)不斷迭代產(chǎn)生a2，a3，…，am，就可以組成混沌序列{a1，a2，…，am}。需要注意在公式(6)中當(dāng)μ取值為4時(shí)，a1不能取0.25,0.5以及0.75[21，22]。

CO算法的優(yōu)點(diǎn)是其產(chǎn)生的混沌變量具有偽隨機(jī)性和遍歷性，可以較好的解決PSO算法搜索時(shí)陷入局部最優(yōu)值的問(wèn)題。

1.2.3 CPSO-MUSIC算法原理及步驟

CPSO算法保留了PSO算法中參數(shù)設(shè)置少、收斂速度快優(yōu)點(diǎn)，同理可以利用CO算法不重復(fù)遍歷搜索的特點(diǎn)解決了PSO算法中搜索容易陷入局部最優(yōu)值的問(wèn)題。CPSO-MUSIC算法的計(jì)算步驟如下：

(1)確定基本參數(shù)。確定出陣元間距d，中心頻率f0，傳播速度v，種群維數(shù)D，粒子個(gè)數(shù)m，學(xué)習(xí)因子C1、C2，權(quán)重系數(shù)w，Logistic映射方程迭代次數(shù)N，CPSO算法迭代次數(shù)NN等一些基本參數(shù)。

(2)根據(jù)1.1小節(jié)得到信號(hào)的噪聲子空間UN。

(3)利用混沌理論初始化粒子群參數(shù)。首先在0～1之間隨機(jī)產(chǎn)生D個(gè)隨機(jī)數(shù)，分別作為D維混沌變量X=(X1，X2，…，XD)的初始值；其次初始值由公式(6)進(jìn)行N次迭代，得到N個(gè)D維的混沌序列；再次根據(jù)公式(7)將X中的分量映射到優(yōu)化變量取值區(qū)間[s,t]內(nèi)并得到N個(gè)初始位置；從次利用由UN和MUSIC譜函數(shù)構(gòu)成的優(yōu)化函數(shù)計(jì)算并比較N個(gè)混沌序列的fitness，根據(jù)m個(gè)fitness較優(yōu)的作為粒子的初始位置的大??；最后在一定范圍內(nèi)隨機(jī)產(chǎn)生m個(gè)初始速度。公式(7)如下：

Y=s+(t-s)·X

(7)

(4)更新pbest。通過(guò)比較每個(gè)粒子與pbest的fitness，更新pbest。

(5)更新gbest。通過(guò)比較每個(gè)粒子與gbest的fitness，更新gbest。根據(jù)公式(5)更新出粒子的位置和速度。

(6)混沌優(yōu)化。首先同理于步驟(2)中的方法根據(jù)Logistic方程迭代N次生成一個(gè)長(zhǎng)度為N的m維的混沌序列；然后由公式(8)得到N個(gè)具有混沌特性的點(diǎn)；最后根據(jù)優(yōu)化函數(shù)比較這N個(gè)點(diǎn)與粒子群的gbest的fitness，更新gbest。

Y=GB+R·(X-0.5)

(8)

式中：R為搜索半徑，控制混沌優(yōu)化的區(qū)間。

(7)判斷NN是否達(dá)到最大值，若否，NN+1，返回步驟(2)繼續(xù)計(jì)算；若是，退出循環(huán)，輸出粒子群的gbest及對(duì)應(yīng)的fitness。

1.3 MCPSO-MUSIC算法

在1.2.3小節(jié)CPSO-MUSIC算法步驟(3)中優(yōu)化變量取值區(qū)間為[s,t]，要保證最終定位結(jié)果的準(zhǔn)確性，[s,t]區(qū)間范圍就要很大。而MCPSO-MUSIC算法在選擇優(yōu)化變量取值區(qū)間時(shí)則是結(jié)合聲陣列信號(hào)的特點(diǎn)，先利用傳統(tǒng)波束形成(Conventional Beamforming, CBF)算法進(jìn)行角度預(yù)估得到預(yù)估值，再在預(yù)估值附近加上一定地裕度得到新的區(qū)間[s1,t1][23，24]。區(qū)間[s1,t1]遠(yuǎn)小于區(qū)間[s,t]，因此MCPSO-MUSIC算法相較于CPSO-MUSIC算法減少了迭代次數(shù)，且減少了計(jì)算量和計(jì)算時(shí)間。具體MCPSO-MUSIC算法的流程圖如圖2所示。MCPSO-MUSIC算法和CPSO-MUSIC算法主要區(qū)別在與優(yōu)化變量取值區(qū)間的選取，其余步驟基本相同，故MCPSO-MUSIC算法步驟不再贅述。

圖2 MCPSO-MUSIC算法流程圖Fig. 2 Flow chart of MCPSO-MUSIC algorithm

2 仿真分析

2.1 聲陣列排布結(jié)構(gòu)的確定

聲陣列系統(tǒng)定位精度是受陣列算法和陣列方向向量共同影響的。而陣列方向向量則由陣列排布結(jié)構(gòu)決定。聲陣列的排布結(jié)構(gòu)由陣列類型和陣元個(gè)數(shù)兩部分組成。

首先確定第一個(gè)部分陣列類型，典型的二維陣列結(jié)構(gòu)有L形陣列、圓形陣列及方形陣列等。為比較上述3種典型陣列類型的定位精度，本文采用控制變量法，仿真時(shí)只有陣列類型作為變量，其余參數(shù)等均保持一致，即陣元個(gè)數(shù)選為9個(gè)；信源個(gè)數(shù)選為一個(gè)；信源空間二維角度模擬從(5°，5°)到(85°，85°)以5°為步長(zhǎng)，共模擬17組數(shù)據(jù)；選用MUSIC算法進(jìn)行仿真計(jì)算。定位精度用均方根誤差(Root Mean Square Error, RMSE)來(lái)表示，詳見(jiàn)公式(9)。

(9)

式中：N表示數(shù)據(jù)總組數(shù)；θi和φi分別為實(shí)際俯仰角和方位角；θ’和φ’分別為仿真得到的俯仰角和方位角。

進(jìn)行了17組仿真計(jì)算，三種陣列類型下的RMSE如表1所示。根據(jù)表1結(jié)果，可見(jiàn)方陣的定位精度更為準(zhǔn)確，因此本文選用方形陣列類型。

表1 三種陣列類型的RMSE比較Tab.1 RMSE comparison of three array types

在選擇陣列類型為方形陣列后，同理采用控制變量法，來(lái)確定陣元個(gè)數(shù)。同樣進(jìn)行17組數(shù)據(jù)仿真實(shí)驗(yàn)，不同陣元個(gè)數(shù)仿真的RMSE如圖3所示。發(fā)現(xiàn)陣元個(gè)數(shù)在4×4之后精度增加不大，同時(shí)考慮經(jīng)濟(jì)性，因此本文選用4×4方形陣列作為聲陣列的結(jié)構(gòu)。

圖3 不同陣元個(gè)數(shù)的RMSEFig. 3 RMSE of different number of array elements

2.2 MUSIC、CPSO-MUSIC、MCPSO-MUSIC定位結(jié)果比較

2.2.1 仿真信號(hào)的獲得

換流閥絕緣板沿面放電聲音頻率范圍分布很廣，包括可聽(tīng)聲范圍和超聲范圍。由于聲陣列傳感器實(shí)際中接收到的信號(hào)往往是寬帶信號(hào)，因此本文仿真時(shí)選用中心頻率f0為10 kHz，帶寬B為2 kHz的寬帶信號(hào)來(lái)模擬。放電聲音在空氣中傳播速度v為340 m/s，4×4方形陣列陣元間距選為17 mm。根據(jù)上述參數(shù)構(gòu)造出來(lái)的沿面放電的時(shí)域信號(hào)如圖4所示。

圖4 仿真信號(hào)時(shí)域波形圖Fig. 4 Simulation signal time domain waveform

2.2.2 仿真結(jié)果與分析

由于仿真聲源信號(hào)為寬帶信號(hào)，所以先使用旋轉(zhuǎn)信號(hào)子空間變換(Rotational Signal Subspace, RSS)法將寬帶信號(hào)進(jìn)行聚焦，再利用MUSIC、CPSO-MUSIC及MCPSO-MUSIC算法定位計(jì)算。CPSO-MUSIC和MCPSO-MUSIC算法相關(guān)參數(shù)設(shè)置：迭代次數(shù)為100次，粒子群數(shù)為20，粒子個(gè)數(shù)為2，速度最大值vmax取為2。隨機(jī)選取了10組仿真角度，利用MUSIC、CPSO-MUSIC及MCPSO-MUSIC算法進(jìn)行定位估計(jì)，仿真結(jié)果如表2所示。

由表2可以發(fā)現(xiàn)，三種算法中MUSIC算法的計(jì)算時(shí)間最長(zhǎng)；CPSO-MUSIC算法的定位誤差最大；MCPSO-MUSIC算法中RMSE最小為1.54°，計(jì)算時(shí)間最短約為1.5 s左右。因此MCPSO-MUSIC算法在三種算法中定位性能最好。其中三種算法在(45°,120°)下的定位圖如圖5所示，CPSO-MUSIC和MCPSO-MUSIC算法在(45°,120°)下迭代收斂圖如圖6所示。

圖5 理論角度為(45°,120°)時(shí)MUSIC、CPSO-MUSIC及MCPSO-MUSIC算法仿真圖Fig. 5 Simulation diagrams of MUSIC, CPSO-MUSIC and MCPSO-MUSIC algorithm when theoretical angle is (45°,120°)

圖6 理論角度為(45°,120°)時(shí)CPSO-MUSIC與MCPSO-MUSIC算法迭代圖Fig. 6 Iterative diagram of CPSO-MUSIC and MCPSO-MUSIC algorithm when theoretical angle is (45°,120°)

表2 MUSIC、CPSO-MUSIC及MCPSO-MUSIC算法性能比較Tab.2 Performance comparison of MUSIC, CPSO-MUSIC and MCPSO-MUSIC algorithms

3 實(shí)驗(yàn)驗(yàn)證

搭建了基于聲陣列的換流閥絕緣板沿面放電實(shí)驗(yàn)定位檢測(cè)平臺(tái)，將實(shí)驗(yàn)數(shù)據(jù)代入MCPSO-MUSIC算法中進(jìn)行計(jì)算，從而進(jìn)一步驗(yàn)證算法的實(shí)用性。

3.1 實(shí)驗(yàn)平臺(tái)

實(shí)驗(yàn)平臺(tái)主要包括換流閥絕緣板沿面放電部分和聲陣列采集系統(tǒng)部分，如圖7所示。

圖7中右半部分是換流閥絕緣板沿面放電部分主要包括：高壓電源和帶有一定濕潤(rùn)污穢的換流閥絕緣板。高壓電源參考陜北湖北±800 kV特高壓直流輸電工程整流側(cè)換流閥中相鄰阻尼電容之間的最大暫態(tài)運(yùn)行電壓為5.9 kV交流電壓；污穢主要成氯化鈉和高嶺土。

圖7中左半部分聲陣列采集系統(tǒng)部分主要包括：由直徑為10 mm且測(cè)量頻率范圍為20 Hz～20 kHz圓形聲傳感器構(gòu)成陣元間距為34 mm的4×4方形陣列、200 K/s遠(yuǎn)端采集裝置、光纖、本地模塊以及計(jì)算機(jī)。采集系統(tǒng)工作流程為：首先計(jì)算機(jī)通過(guò)用戶數(shù)據(jù)報(bào)協(xié)議(UDP, User Datagram Protocol)給本地模塊發(fā)送采集命令；其次命令繼續(xù)通過(guò)光纖傳輸?shù)竭h(yuǎn)端采集裝置；再次采集裝置將聲傳感器陣列接收到的數(shù)據(jù)通過(guò)光纖傳輸給本地模塊；最后本地模塊通過(guò)UDP協(xié)議將數(shù)據(jù)傳輸給計(jì)算機(jī)。

圖7 實(shí)驗(yàn)原理接線圖Fig. 7 Experimental principle wiring diagram

實(shí)驗(yàn)中設(shè)聲傳感器陣列的位置為(0,0,0)cm，絕緣板沿面放電源置于(200,200,50)cm，則理論計(jì)算角度為(45°,10°)。本實(shí)驗(yàn)只進(jìn)行了單個(gè)放電源定位檢測(cè)，對(duì)于多個(gè)放電源檢測(cè)時(shí)可先通過(guò)信息論法或蓋氏圓法估計(jì)出聲源個(gè)數(shù)，再利用MCPSO-MUSIC進(jìn)行定位計(jì)算。本實(shí)驗(yàn)是在相對(duì)開(kāi)放區(qū)域下進(jìn)行，但實(shí)際應(yīng)用中若存在因嚴(yán)重遮擋產(chǎn)生較強(qiáng)的折反射及混響情況時(shí)，可考慮先對(duì)采集信號(hào)進(jìn)行去混響處理后[25，26]，再采用本文提出的算法進(jìn)行定位計(jì)算。

圖8 部分實(shí)驗(yàn)裝置圖Fig. 8 Part of experimental equipment diagram

3.2 實(shí)驗(yàn)結(jié)果與分析

采集到的16路放電信號(hào)的時(shí)域圖如圖9所示。取其中一路信號(hào)對(duì)其進(jìn)行fft變換，得到頻域圖如圖10所示，發(fā)現(xiàn)信號(hào)頻率主要集中在2～6 kHz。因?yàn)槿苏f(shuō)話聲音頻率范圍約在300～3 400 Hz，所以本文為了避免人為聲音干擾，選擇進(jìn)行定位計(jì)算的信號(hào)頻率范圍為4～6 kHz，中心頻率為5 kHz。信號(hào)的中心頻率除以帶寬為2.5，不滿足窄帶相對(duì)帶寬關(guān)系，所以為寬帶信號(hào)。因此先將號(hào)利用RSS算法此寬帶信聚焦到5 kHz為參考頻率點(diǎn)的信號(hào)，再利用MCPSO-MUSIC窄帶算法進(jìn)行定位估計(jì)。采用了10組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行定位分析，得到MCPSO-MUSIC算法的RMSE為1.97°，驗(yàn)證了該算法具有較好的工程實(shí)用性。其中一組較優(yōu)的定位結(jié)果為(43.65°,10.97°)，定位三維圖和等高線圖分別如圖11、圖12所示。

圖9 16路時(shí)域信號(hào)Fig. 9 16 channels of time domain signals

圖10 放電源聲音信號(hào)頻譜Fig. 10 Frequency spectrum of power supply sound signal

圖11 基于MCPSO-MUSIC算法的放電源定位三維圖Fig. 11 Three-dimensional map of discharge power location based on MCPSO-MUSIC algorithm

圖12 基于MCPSO-MUSIC算法的放電源定位等高線圖Fig. 12 Discharge power location contour map based on MCPSO-MUSIC algorithm

4 結(jié) 論

本文針對(duì)特高壓直流換流閥絕緣板污穢沿面放電檢測(cè)，提出了一種基于MUSIC算法的改進(jìn)算法，并搭建了實(shí)驗(yàn)平臺(tái)驗(yàn)證了該算法的準(zhǔn)確性。具體結(jié)論如下：

(1)提出了一種基于MUSIC算法的MCPSO-MUSIC定位算法，該算法利用CBF算法預(yù)估出角度，作為CPSO算法尋優(yōu)的初值進(jìn)行定位估計(jì)。

(2)在MATLAB中進(jìn)行仿真分析，發(fā)現(xiàn)MCPSO-MUSIC算法計(jì)算時(shí)間約為1.5 s左右較MUSIC算法減少了一個(gè)數(shù)量級(jí)，定位誤差RMSE為1.54°小于MUSIC與CPSO-MUSIC算法。

(3)搭建出換流閥絕緣板污穢沿面放電實(shí)驗(yàn)平臺(tái)，并對(duì)10組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)除去人為聲音干擾后，放電聲音信號(hào)頻率主要集中在4～6 kHz；利用MCPSO-MUSIC算法對(duì)10組數(shù)據(jù)進(jìn)行定位分析，發(fā)現(xiàn)RMSE在2°以內(nèi)，驗(yàn)證了該方法在定位檢測(cè)換流閥絕緣板沿面放電方面具有一定的實(shí)用性。