欧阳明鉴,杜伯学,魏国忠
(天津大学电气工程及其自动化学院,天津300072)
摘要:在电力设备外表面设置的声传感器可以获取局部放电的声信号,文中使用高精度的声信号采集装置来采集局部放电声信号,并对实测信号的特性进行分析。由于局部放电信号具有突出的局部瞬变特征,可通过这一特性从含有噪声的原始信号中有效的提取出局部放电信号。本文采用小波变换在时域和频域具有局部瞬变特征的特点,用基于小波变换的消噪算法来提取局放信号。通过对仿真信号和实测信号的处理,表明该算法行之有效。
关键词:局部放电(局放);声信号提取;小波变换;消噪
中图分类号:TM835 文献标识码:A 文章编号:1003230(2004)0420016204
Appl ica tion of W avelet Tran sform i n Acoustic
Signa l Extraction of Parti a l D ischarge
OU YAN G M ing2jian,DU Bo2xue,W E I Guo2zhong
(T ian jin U n iversity,T ian jin300072,Ch ina)
Abstract:A partial discharge(PD)activity in the pow er equ i pm en ts generates acou sticalw aves,w h ich can be detected by acou stic sen so r p laced on the ex ternal su rface of pow er equ i pm en ts.In th is paper an acou stic detecting in strum en t w as u sed to co llect the acou stic signals of PD,and the characteristics of these signals w ere analyzed.PD signal has strong singu larity,w h ich can be u sed to effectively ex tract PD pu lses from background no ise.W avelet tran sfo rm has the ou tstanding p roperty of ex truding the local featu res of a signal in bo th ti m e and frequency dom ain,so a soft2th resho lding de-no ise algo rithm based on w avelet tran sfo rm is app lied to ex tract acou stic signals of PD.Si m u lati on s and experi m en ts show that the de-no ised signals can be effectively ob tained by the algo rithm.
Key words:partial discharge(PD);acou stic signal ex tracti on;w avelet tran sfo rm;de2no ise
1 前言
电力设备由于制造工艺不完善等因素,在运行中会发生局部放电,导致绝缘老化,缩短设备使用寿命,甚至引发事故,影响电力系统的安全运行。局部放电在线监测是一种广泛用于检测电力设备绝缘性能的重要手段,但传统的在线脉冲电流测量法抗电磁干扰能力不强,所测信号的灵敏度和信噪比会因测量现场电磁源的干扰而大大降低,甚至将局放信号完全湮没而无法进行测量。电力设备的局部放电会产生声信号,而声信号的灵敏度不会受电源和电磁源变化的影响。随着声测技术的成熟与完善,局部放电声信号的提取效果也在不断提高。
电力设备工作现场同时存在大量的干扰信号,如何消除各种干扰的影响,是提高局部放电在线监测的一个关键。由于部分干扰信号的频谱和局部放电信号频谱相似,因此传统的傅立叶分析方法很难将其滤除[1]。小波变换是继傅立叶变换以后发展起来的一种新的信号处理方法。不同于傅立叶变换,小波变换可以精确描述信号的时频局部化信息。它可以在多个分辨率下对信号进行分解,给出不同尺度下的信号细节信息。本文通过基于小波变换的消噪算法,找出了一种行之有效的滤除噪声提取局放声信号的方法。
2004年8月
P roceedings of the EPSA
A ug. 2004
①收稿日期:2004203230;修回日期:2004205221
2 局部放电声信号采集系统
采集系统的硬件构成如图1。图中声传感器为R I ON U C 227N o.24(频率范围5H z ～20kH z ),信号放大与处理单元为R I ON U N 204,波形记录仪为YO KO GAW A DL 750使用701250模块(输入点数8比特x2,最大采样率10M s,输入频率最高至1M H z,输入电平T TL 0～5V )
。
图1 局部放电声信号采集系统
F ig .1 D etection system of PD acoustic signal
局部放电发生装置可模拟产生气隙放电、沿面放电、尖板放电和尖尖放电4种类型的局部放电脉冲信号,产生的局放声信号将由R I ON U C 227声传感器拾取,经R I ON UN 204放大与信号处理单元进行简单的信号放大和硬件滤波处理后存入YO KO GAW A DL 750波形记录仪,再将记录的波形数据实时导入控制电脑中,用基于小波变换的消噪算法实现对局放信号的提取。
3 不同局放模型的声信号图谱
电力设备的绝缘结构复杂,可能发生的内部放
电点和放电类型很多,部位多在空气隙、导体尖角和固体表面处。以下为实验室内测试的气隙放电、沿面放电、尖板放电和尖尖放电4种类型的局部放电声信号波形。试品放电前的背景噪声波形如图2(a )所示,局部放电发生装置的脉冲触发频率为100H z,波形记录仪采样频率为2M H z,采样点为65000个。所得4种局部放电模型产生的局放声信号波形如图2(b ～e )所示
。
(a ) 背景噪声
(a ) Background no
ise
(b ) 气隙放电(b ) Gap
discharge
(c ) 沿面放电(c ) C reep ing
discharge
(d ) 尖板放电(
d ) N eedl
e 2p late discharge
(e ) 尖尖放电
(e ) N eedle 2needle discharge
图2 不同模型局放声信号的对应图谱F ig .2 PD acoustic signal with differen t
d ischarg
e m odels
对这些信号波形图谱进行比较分析发现,对同一放电模型进行多次放电声信号采样,其信号波形图谱特征基本相近;而不同放电模型的局部放电声信号,在信号波形图谱方面存在很大差别。利用这一特性,可以根据信号的不同波形图谱特征区分局部放电类型。
4 基于小波变换的局放声信号提取算法
小波变换具有多分辨分析的特点,而且在时频两域都具有表征信号的能力。函数f (t )的连续小波变换式为[2]
W f (a ,b )=
1
a
∫+∞
2∞
f (t )Ω3
(
t -b
a
)d t (1)
式中:a 为尺度因子;b 为平移因子。通过改变a 、b 的值可调整窗口的形状,达到同时改变频率分辨率和时间分辨率的目的,故被誉为分析信号的显微镜。现已有了许多基于小波变换的噪声滤除算法[3～4],
其中Donoho 提出的软阈值去噪处理算法[5]可同时用于对白噪声和非白噪声的消噪,效果明显。
・
71・2004年第4期 欧阳明鉴等:小波变换在局部放电声信号提取中的应用
Donoho 提出的基于小波变换的软阈值消噪算法可分为以下三个步骤:(1)选择最佳小波基函数
和小波分解的尺度,对含噪声的信号进行小波分解;(2)对各个尺度的小波系数选择合适的阈值来进行处理;(3)根据处理后的各尺度系数进行信号的小波分解与消噪处理。4.1 选择最佳小波基函数
小波变换不同于傅立叶变换,它对信号进行变换时可采用不同的基函数,而且对于特定信号则采用的基函数不同,其分析结果会相差很大。对给定的某个信号,其最佳小波就是能使信号在时间2尺度平面内的系数取最大值,或使所分析的信号取最大的局部极大值的小波函数,而且该小波也能最恰当地描述局放信号各层的频率成分。
D aubech ies 系列小波基是典型的正交小波基,双正交B i o rthogonal 小波基系列、Co iflets 小波基系列、Sym lets 小波基系列都是由D aubech ies 系列小波基推广、引伸得到的[2],其中db2,db8小波是进行局放信号提取与分析的首选类型[6]。db2小波是分析指数型局放脉冲的最佳小波,而db8小波最适合于分析阻尼振荡型局放信号。因此,本文选择D aubech ies 系列小波基作为提取局部放电信号的基函数。
4.2 阈值的选取与处理
局放信号集中在某些小波分解层上,而噪声信
号的分布则较为广泛。因此,在重构局放信号波形前,应先去掉含有较少局放信号能量的尺度,这样就可在只丢失少量信号的情况下,大大减少重构波形中的噪声信号。本文采用以下算法[6]来选取小波分解波形对应的各层分量的阈值:
Κj =
m
j
0.6745
2in n j
(2)
式中:n j 是j 尺度上的系数总数量;m j 为j 尺度上系数的中值数。
由图3
可知软阈值是将信号的绝对值与阈值进行比较,小于或等于阈值的点变为0,大于阈值的点变为该点值与阈值的差值。
图3 软阈值处理法
F ig .3 A lgor ith m of sof
t -thresholdi ng
由图4可知,软阈值处理法可获得较好的平滑的消噪信号。
图4 含噪局放声信号软阈值消噪处理
F ig .4 D eno isi ng treat m en t of PD acoustic signa l by a lgor ith m of sof t -thresholdi ng
4.3 局放信号的小波分解与消噪处理
局部放电信号在理论分析上可以用下面的数学模型来等效[7]:
f (t )=A (e 21.3t Σ-e 22.2t Σ
)sin (f c ×2Πt )(3)
图5(a )为用双指数衰减振荡函数仿真的局放信号波形,取信号峰值为1mV ,衰减系数为1Λs,振荡频率f c 为1M H z,采样频率为1M H z 。背景噪声加入4种频率分别为250kH z 、500kH z 、1M H z 、2M H z 的正弦干扰,同时加入白噪声,所得含噪局放波形如图5(b )所示,选用db2小波,采用式(2)
选择使用的阈值Κj 后,对图5(b )中的信号进行5层小波分解的波形为图5(c )所示,d 1、d 2、d 3、d 4、
d 5分别为第1、2、3、4、5层分解的高频分量,a 5为
第五层分解的低频分量。
由图5(d )可见选取适当的小波基、分解层数和分解波形对应的各层分量的阈值,对含噪局放信号进行基于小波分解的消噪处理所提取出的信号能很好的反映局放信号特性。
5 实测信号处理与分析
图6(a )为局部放电发生装置脉冲触发频率为
・81・电力系统及其自动化学报 2004年第4期
200H z,波形记录仪采样率为2M H z,采样点为65000个时,实验室实测的气隙放电声信号波形。选用db2小波,采用式(2)选择分解波形对应的各
层分量的阈值后,对图6(a )中的实测信号进行4层
小波分解如图6(b )所示,消噪处理后的波形如图6(c )所示。由图6可见,基于小波变换的软阈值消噪算法可以有效地消除干扰信号,较好地提取出局部放电的声信号
。
图5 仿真局放声信号的消噪
F ig .5 D eno ised results of si m ula tion of PD
acoustic
signal
图6 实测局放声信号的消噪
F ig .6 D eno ised results of PD acoustic
signa l i n laboratory
6 局放信号的特征模式识别
通过基于小波变换的消噪算法有效地消除干扰信号,提取出局部放电的声信号后,可以运用基于人工神经网络的模式识别法来识别不同模型局放声信号[8]。为简化网络结构,减少训练时间,采用两级网络来依次完成识别任务,第一级将尖板放电和尖尖放电作为一组,与气隙放电和沿面放电分开;第二级再将具体的放电模型种类进行识别。如图7所示。
在图7中,第一级网络输出层有两个结点,分别对应于两种类型的不同放电;第二级网络中,不
(下转第76页)
・
91・2004年第4期 欧阳明鉴等:小波变换在局部放电声信号提取中的应用
四川电力技术,2003,26(5):35-37
[4] 张东英,柳焯,周庆捷,等.用于变电站仿真培训的智
能辅导系统[J ].电力系统及其自动化学报,1997,9
(2):27-34
[5] 沈捷,张炳达.基于专家系统和以太网的变电站培训
仿真系统[J ].电力系统及其自动化学报,1999,11
(2):57-61
[6] 刘长胜,张炳达,谢世伟.具有协作培训特点的变电站
培训仿真系统[J ].电力系统及其自动化学报,2003,
15(2):77-79
[7] 周羽生,苏建成,唐忠,等.变电站自动化系统仿真的
实现方案[J ].电力系统及其自动化学报,2003,15
(4):94-97
作者简介:
时 斌(1968-),男,讲师,在职博士生,从事电力电子技术在电力系统中的应用,变电站培训仿真的研究;
韩江虹(1952-),女,高级讲师,从事电力系统运行方面的教学与科研工作;
万秋兰(1950-),女,教授,从事电力系统静态与暂态安全分析,电力系统仿真方法的研究。
(上接第19页)
同类型识别部分输出层有2个结点,分别对应于不同模型的放电。每一级网络的输入层有2个结点,隐含层结点个数为10,训练采用S 型函数,利用四种放电模型的具体放电类型(类型尖尖、类型尖板、类型气隙、类型沿面)作导师,指导对所测得的数据进行训练,然后对最终提取出来的局放声信号样本进行识别,该方法能够实现局放声信号的有效识别
。
图7 局放声信号的模式识别结构
F ig .7 The structure of pattern recogn ition
of P D acoustic signal
7 结论
通过在实验室内对不同放电模型的测量发现,
各放电模型所得的局部放电声信号波形图谱都存在不同的放电特征,为电力设备局部放电的在线监测提供了一种可行的新方法。小波去噪的有效性主要取决于小波基函数的选择、小波分解尺度和阈值的确定。从对仿真信号和实测信号的消噪结果来看,利用基于小波变换的软阈值消噪算法可以实现对含有噪声的局放声信号进行有效地消噪处理。
使用基于人工神经网络的模式识别法可以有效地分辨四种模型的放电。实际中,局部放电可能是多种放电模式的混合,采用不同模式的放电样本
混合进行训练,可从一定程度上识别复杂的放电模式,后续的相关研究目前正在进行之中。
参考文献:
[1] 张贤达.现代信号处理[M ].北京:清华大学出版社,
1995
[2] 程正兴.小波分析算法与应用[M ].西安:西安交通大
学出版社,1998
[3] A rii K ,Sh ibahara M ,Fu jiiM .Separati on of no ise fr 2
om partial discharge signals by w avelet [A ].In :P roc 2eedings of the IEEE In ternati onal Conference on P roperties and A pp licati on s of D ielectric M aterials ( )[C ].Seou l ,Ko rea :1997.232-235
[4] 刘庆,张炳达,李志兴.利用最优小波进行局部放电脉
冲的提取和消噪[J ].电力系统及其自动化学报,
2003,15(3):42-45
[5] Donoho D L .D e 2no ise by soft 2th resho lding [J ].IEEE
T ran s on Info rm ati on T heo ry ,1995,41(2):613-627[6] M a X .A u tom ated w avelet selecti on and th resho lding
fo r PD detecti on [J ].IEEE E 1ectrical In su lati on M agazine ,2002,18(2):37-45
[7] 邱昌容.电工设备局部放电及其测试技术[M ].北京:
机械工业出版社,1994
[8] 姜磊,朱德恒,李福祺.基于人工神经网络的变压器绝
缘模型放电识别的研究[J ].中国电机工程学报,
2001,21(1):21-24
作者简介:
欧阳明鉴(1980-),男,硕士研究生,从事大型电力设备故障诊断技术的研究;
杜伯学(1961-),男,教授,博士,博士生导师,主要从事高压电力设备故障检测与诊断的科研与教学;
魏国忠(1981-),男,硕士研究生,从事电气设备在线监测技术的研究。
・
67・电力系统及其自动化学报 2004年第4期下载本文
