SPT-EEMD算法的電纜局部放電信號(hào)提取及診斷系統(tǒng)

田洪亮，李明明，閆 嬌，杜 璇

（1.國(guó)網(wǎng)河南省電力公司駐馬店供電公司，河南 駐馬店 463000；2.上海博英信息科技有限公司，上海 200241）

電纜在運(yùn)行過(guò)程中，受熱力、擠壓、拖拽等外界因素影響，很容易出現(xiàn)故障，并伴有局部放電信號(hào)、振動(dòng)信號(hào)、絕緣子漏電等。這些現(xiàn)象是評(píng)估電纜運(yùn)行狀態(tài)的重要依據(jù)。因此，需要提取局部放電信號(hào)進(jìn)行故障檢測(cè)。

針對(duì)上述問(wèn)題，相關(guān)文獻(xiàn)也有研究，文獻(xiàn)［1］是基于B樣條方法的電纜局部放電信號(hào)特征提取，該方法改變了EMD算法中的三次樣條直接擬合平均曲線，增強(qiáng)了算法的計(jì)算速度，但對(duì)于放電信號(hào)的計(jì)算結(jié)果有出入。文獻(xiàn)［2］采用自適應(yīng)帶通濾波器對(duì)電纜局部放電信號(hào)進(jìn)行特征提取，該方法實(shí)現(xiàn)了放電信號(hào)的快速運(yùn)算，并提出了降低篩選次數(shù)、修改停止準(zhǔn)則來(lái)提高效率，但該方法對(duì)于復(fù)雜的信號(hào)計(jì)算量較大。

基于上述文獻(xiàn)，本文提出了基于SPT-EEMD算法的電纜局部放電信號(hào)特征提取，并設(shè)計(jì)了電纜局部放電信號(hào)特征提取及報(bào)警系統(tǒng)，以MAX132芯片為核心，實(shí)現(xiàn)局部放電信號(hào)的特征提取及報(bào)警顯示；還設(shè)計(jì)了電纜故障診斷系統(tǒng)，通過(guò)電纜信號(hào)的采集、放大與處理，實(shí)現(xiàn)了電纜的故障診斷［3］。

1 基于SPT-EEMD算法的電纜局部放電信號(hào)特征提取

電纜在傳輸電力的同時(shí)，會(huì)伴有時(shí)序波形信號(hào)的傳輸，為了從時(shí)序波形信號(hào)中獲取有價(jià)值的信息，本文采用了SPT-EEMD算法，對(duì)電纜局部放電信號(hào)進(jìn)行特征提?。?］。SPT-EEMD算法的流程圖如圖1所示。

EEMD算法采用了零均值白噪聲的特性，對(duì)多次染噪信號(hào)解析，獲得多組IMF再求平均值的方法控制白噪聲對(duì)實(shí)際IMF的作用［5］。

假設(shè)輸入信號(hào)為x(t)，確定需要加噪的次數(shù)為Ne，所加噪聲的幅值系數(shù)為ε。對(duì)原信號(hào)添加白噪聲，即

式（1）中，sj(t)表示第j次添加的白噪聲序列，xj(t)表示染噪信號(hào)。對(duì)xj(t)進(jìn)行EMD處理，得到一組i層IMF，并且每次加入的白噪聲序列不同。將全部IMF按層次求平均值，即

式（2）中，ci，j(t)表示第j次得到的第i層IMF。最終得到x(t)的分解結(jié)果為

添加的白噪聲對(duì)信號(hào)的影響關(guān)系式為

式（3）-（5）中，ε′表示原信號(hào)與IMF重新構(gòu)建誤差的標(biāo)準(zhǔn)差，當(dāng)增加的噪聲幅值較大時(shí)，需要增大循環(huán)次數(shù)Ne來(lái)減少噪聲對(duì)結(jié)果的誤差影響，并且當(dāng)Ne足夠大時(shí)，噪聲的作用能夠減小到超級(jí)小的水平［9］。

假設(shè)以i標(biāo)記第j個(gè)子段xj的值序號(hào)，j來(lái)自RDD0的元素值，則每一段的取值范圍為

式（6）中，m×L表示Array2中的一個(gè)二維數(shù)組，其中，L表示IMF的取長(zhǎng)，長(zhǎng)度和原來(lái)信號(hào)一致［10］。

然后對(duì)電纜局部放電信號(hào)特征進(jìn)行提取，給定長(zhǎng)度為N的局部放電信號(hào)x(i)(i=0，1，2，…，N-1)，對(duì)x(i)進(jìn)行EEMD，得到包括余項(xiàng)在內(nèi)的n個(gè)分量hj(i)，i=0，1，2，…，N-1，j=1，2，…，n。計(jì)算各分量的能量為

式（7）中，E(j)表示每個(gè)分量的能量，對(duì)能量序列E(j)進(jìn)行統(tǒng)一計(jì)算，獲得相對(duì)能量值序列為

假設(shè)f(i)(i=0，1，2，…，N-1)表示模態(tài)分量，對(duì)樣本熵進(jìn)行計(jì)算，給定模式維數(shù)m，由N個(gè)數(shù)據(jù)點(diǎn)組成的模態(tài)分量f(i)組成m維矢量為

對(duì)每一個(gè)i值進(jìn)行計(jì)算，得出矢量距離為

式（10）中，d(i，j)表示矢量Y(i)和Y(j)之間的距離，且1≤i≤N-m，1≤j≤N-m，j≠i，計(jì)算模板統(tǒng)計(jì)數(shù)的平均值為

式（11）-（12）中，r表示相似容限，num[d(i，j)

當(dāng)N取有限值時(shí)，SpEn估計(jì)值為

式（13）-（14）中，SpEn表示樣本熵，Bm+1(r)表示維數(shù)的平均值。

然后對(duì)電纜局部放電信號(hào)特征進(jìn)行輸出，由信號(hào)分解出的IMF數(shù)目一般為

式（15）中，N表示信號(hào)的長(zhǎng)度，表示向下取整，特征量的數(shù)目通過(guò)每個(gè)分量與原來(lái)信號(hào)的相關(guān)系數(shù)運(yùn)算來(lái)獲得，選相關(guān)性最高的4個(gè)IMF計(jì)算RE和SpEn組成特征向量，即

式（16）中，hj(i)表示各分量，x(i)表示原信號(hào)，ρj表示各分量與原信號(hào)的相關(guān)系數(shù)，即最終的電纜局部信號(hào)的特征提取。

2 電纜故障診斷系統(tǒng)的設(shè)計(jì)

電纜故障診斷系統(tǒng)是以Stm32單片機(jī)為核心，包括控制平臺(tái)、現(xiàn)場(chǎng)檢測(cè)和特征參量采集三個(gè)部分。電纜故障診斷系統(tǒng)的總體結(jié)構(gòu)如圖2所示。

在檢測(cè)底線電流時(shí)，由于電流信號(hào)較弱，需要在系統(tǒng)中增加放大電路，將電流信號(hào)轉(zhuǎn)化成單芯片可以讀取的電壓信號(hào)；在測(cè)量絕緣電阻時(shí)，當(dāng)直流電壓注入線路時(shí)，通過(guò)線路的泄漏電流決定了絕緣電阻的阻值。為了得到更準(zhǔn)確的絕緣電阻值，系統(tǒng)中增加了濾波電路來(lái)篩選線路中的交流信號(hào)［6］。

在特征參量采集中，采用主控制芯片為Stm32f10 3c系列的芯片，該芯片具有高性能、低成本、低功耗和可切割等特點(diǎn)，是32位的ARM結(jié)構(gòu)微處理器，供電電壓有2.0～3.3 V可供選擇，內(nèi)部具有8MHz的高精度RC振蕩器［10］。該部分還設(shè)置有濾波電路，在測(cè)量電纜上的絕緣電阻時(shí)，除了有直流電壓信號(hào)，還有交流電壓信號(hào)，會(huì)對(duì)絕緣電阻的測(cè)量有一定的影響，為了確保絕緣電阻阻值檢測(cè)的精確率，設(shè)計(jì)了濾波電路，以排除低頻交流信號(hào)。電纜運(yùn)輸電流中采用微電流傳感器對(duì)電流進(jìn)行采集，因?yàn)殡娏鞣浅Ｐ。虼嗽谠撓到y(tǒng)中設(shè)置了放大電路［7-8］。該放大電路采用的是OP4177系列的放大器，其是一款精密、低噪聲、低輸入偏置電流和四通道運(yùn)算放大器。在主控制芯片上接入程序調(diào)試，Stm32單片機(jī)的軟件編程主要通過(guò)Keil5軟件平臺(tái)來(lái)編譯。

綜上所述，該電纜故障診斷系統(tǒng)是以Stm32位控制芯片為核心，設(shè)置了放電信號(hào)采集電路，對(duì)電纜運(yùn)行過(guò)程中的放電信號(hào)進(jìn)行采集［9-10］，由于是微電流，因此采用了OP4177運(yùn)算放大器設(shè)計(jì)了放大電路；為了確保絕緣電阻阻值檢測(cè)的精確率，增加了濾波電路；整個(gè)系統(tǒng)實(shí)現(xiàn)了電纜故障的診斷。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文所提方法的有效性，本次實(shí)驗(yàn)搭建了并行計(jì)算平臺(tái)，由5臺(tái)服務(wù)器（Think Server RD460×4、Dell R210II×1）組成集群，服務(wù)器與服務(wù)器之間采用千兆交換機(jī)相連，在服務(wù)器上安裝Xenserver，并擬合出9個(gè)節(jié)點(diǎn)［11-12］，2個(gè)核心CPU安置到一個(gè)節(jié)點(diǎn)上，Spark平臺(tái)配置信息如表1所示。將Hadoop和Spark同時(shí)搭建在集群中。

表1 Spark平臺(tái)配置信息Tab.1 Spark platform configuration information

本實(shí)驗(yàn)搭建的實(shí)驗(yàn)架構(gòu)示意圖如圖3所示。

本次實(shí)驗(yàn)數(shù)據(jù)采用的是不同模型產(chǎn)生的4種不同類型的局部放電信號(hào)：電暈放電、懸浮放電、氣泡放電和油中放電，使用TWPD-2F局部放電綜合分析儀收集波形數(shù)據(jù)［13-14］，每種類型的信號(hào)分別采集50個(gè)。收集的波形數(shù)據(jù)如表2所示。

表2 放電信號(hào)波形數(shù)據(jù)Tab.2 Data of discharge signal wave

采用本文研究的方法，重復(fù)進(jìn)行50次實(shí)驗(yàn)，得到局部放電類型識(shí)別的平均準(zhǔn)確率［15-16］，并將實(shí)驗(yàn)結(jié)果與基于B樣條方法的電纜局部放電信號(hào)特征提取和自適應(yīng)帶通濾波器法進(jìn)行電纜局部放電信號(hào)特征提取對(duì)比，實(shí)驗(yàn)結(jié)果如圖4所示。

由圖4可知，本文研究的基于SPT-EEMD算法的電纜局部放電信號(hào)特征提取對(duì)4種放電類型的識(shí)別準(zhǔn)確率均較高，4種類型識(shí)別準(zhǔn)確率計(jì)算所得平均值為90.8%；然而基于B樣條方法的電纜局部放電信號(hào)的特征提取對(duì)4種放電類型的識(shí)別準(zhǔn)確率平均值為88.65%；自適應(yīng)帶通濾波器局部放電信號(hào)特征提取對(duì)4種放電類型的識(shí)別準(zhǔn)確率平均值為86.68%。因此本文所研究的方法識(shí)別準(zhǔn)確率較高。

基于上述實(shí)驗(yàn)，為了保證每次實(shí)驗(yàn)所用數(shù)據(jù)的一致性，將上述4種類型放電數(shù)據(jù)進(jìn)行10次篩選。實(shí)驗(yàn)結(jié)果對(duì)比如圖5所示。

由圖5可知，本文研究的基于SPT-EEMD算法的電纜局部放電特征提取所需的時(shí)間比較少，260000節(jié)點(diǎn)長(zhǎng)度所消耗的時(shí)間為65 s；而基于B樣條方法的局部放電信號(hào)特征提取260000節(jié)點(diǎn)長(zhǎng)度消耗86 s；自適應(yīng)帶通濾波器局部放電信號(hào)提取260000節(jié)點(diǎn)長(zhǎng)度消耗93 s，因此本文研究的性能相對(duì)較好。

4 結(jié) 語(yǔ)

受外界環(huán)境因素的影響，電纜易損壞或發(fā)生故障，因此，本文研究了基于SPT-EEMD算法的電纜局部放電信號(hào)的特征提取，并設(shè)計(jì)了電纜局部放電信號(hào)特征提取及報(bào)警系統(tǒng)，該系統(tǒng)以MAX132芯片為核心，實(shí)現(xiàn)18位模擬信號(hào)的準(zhǔn)確轉(zhuǎn)換，能夠控制50Hz的工頻影響，通過(guò)對(duì)模擬信號(hào)初步預(yù)調(diào)理轉(zhuǎn)化的數(shù)字信號(hào)的濾波篩選，提取出最優(yōu)質(zhì)的數(shù)據(jù)信號(hào)，最終在LCD12864液晶顯示屏上顯示出來(lái)。此外，還設(shè)計(jì)了電纜故障診斷系統(tǒng)。本文研究的方法還有一定的缺陷，對(duì)局部放電電流的分辨率尚未達(dá)到理想水平，后續(xù)需要提高系統(tǒng)的分辨率，還需更深入的研究。