GIS設備局部放電圖譜噪聲抑制方法

于虹

(云南電網公司電力研究院,昆明 650217)

特約稿件

GIS設備局部放電圖譜噪聲抑制方法

于虹

(云南電網公司電力研究院,昆明 650217)

針對GIS設備典型缺陷的局部放電圖譜主要受白噪聲干擾的問題,提出一種空域修正閾值的小波去噪方法。首先對小波變換的各種去噪算法進行了比較分析,由于小波去噪中的閾值算法存在著固有缺陷的使去噪效果并不十分理想,也不夠穩定,然后本文提出將小波閾值算法與空域相關算法有機結合,同時給出一種新的閾值選擇方法,對信號進行聯合去噪。實驗結果表明,本文提出的方法與傳統方法具有明顯優勢,不但能在較強干擾情況下有效地將PD信號提取出來,且去噪后能量損失小,反映原始信號的特征尖峰點得到了較好的保留,波形峰值下降比較小。

GIS設備;局部放電;圖譜;去噪

1 前言

隨著我國經濟的高速穩定發展,電力需求快速增長。大容量的電力系統的安全穩定運行和供電可靠性是一個不容忽視的問題。在聯網的情況下,系統一旦發生故障,將造成大面積的停電,其維修費用和造成的經濟損失都是無法估量的,因此電網的安全運行就顯得格外重要。

氣體絕緣開關設備GIS以其可靠性高、占地面積小等優點,在電力系統中得到廣泛的應用。GIS設備的正常運行是確保電力系統安全穩定運行的重要因素,而GIS結構復雜、造價高、缺陷難以發現,故障發生后修復時間長。對于存在缺陷的GIS設備,在一定的條件下,會產生相應的放電圖譜,放電圖譜主要反映出放電點相對于試驗工頻電源的相位特征,經過多個周期的循環,獲得放電點的相位統計特性。不同的圖譜對應了不同的放電故障類型,利用圖譜可以區分出不同的放電類型。但這些圖譜無法直觀的給出GIS內部缺陷的具體形態等信息。同時,現市場上各種廠商的局部放電檢測儀所提供的圖譜缺陷識別僅能對設備內部單一缺陷的典型特征圖譜進行識別。而在生產實際中,往往會采集到特征不明顯的圖譜,這些設備就無能為力了。因此,對GIS設備局部放電圖譜的自動識別變得非常重要,而對其進行識別的最重要一步就是去除GIS設備局部放電圖譜中噪聲的干擾[1-2]。

局部放電 (Partial Discharge,PD)檢測屬于瞬態微弱信號的測量,在檢測過程中,各類干擾是影響其測量準確度的主要因素,尤其是PD的現場測試,信號的干擾抑制更是其主要的難點。PD信號檢測中的干擾可以按照它們頻域特性的不同劃分為白噪聲干擾、單頻干擾和脈沖型干擾這三類。由于單頻干擾頻率比較固定、頻域能量集中,傳統的頻域方法較易去除,脈沖型干擾在時間軸上分布比較稀疏、有規律,比較容易與PD脈沖區分,因此本文研究的重點是對白噪聲的抑制。

白噪聲是一種在電子電路中普遍存在的干擾,時域上雜亂無章,頻譜很寬。快速傅里葉變換 (Fast Fourier Transform,FFT)是在白噪聲干擾抑制中運用比較早的分析手段,這種分析方法是對信號的頻域特征從整體上進行分析,而本文所研究GIS設備局部放電脈沖是一種突變信號,在處理這種信號時,信號附近的頻率特征至關重要,FFT方法顯然已經不是最佳選擇。小波變換是處理突變信號的有效手段,它將信號從時間域變換到時間-頻率域,不僅在頻域有很好的局部分析能力,也能夠在時域上準確定位信號突變點,非常適合像局部放電脈沖這類突變信號的處理。目前人們對小波分析理論的研究越來越深入,運用小波分析方法提取 PD信號,已經成為研究熱點。

2 小波變換

小波變換 (Wavelet Transform,WT)理論已經在工程領域獲得了廣泛的應用。簡而言之,小波變換就是把信號從時間域變換到時間-頻率域。小波變換是將信號表達為多個信號的疊加,與傅里葉變換不同的是這多個信號都是通過將同一個小波函數ψ(t)伸縮和平移得到的。由于小波函數的伸縮性和平移性,小波分析方法同時能夠在時域和頻域進行局部分析。

在利用小波變換方法分析信號時,時間分辨率和頻率分辨率都是可變的,在頻率分辨率較高的部分具有較低的時間分辨率,在頻率分辨率較低的部分具有較高的時間分辨率。小波變換將信號由粗到細的刻畫出來,任何細節都能充分展現。小波去噪過程一般包括以下三個步驟：

1)選擇一個與所處理的信號匹配的基小波,選定分解層數N,計算每層的小波變換系數。

2)運用一定的方法準則,對小波系數進行判斷,得到信號的估計小波系數。

3)用估計的小波系數重構信號,得到的信號就是去噪后的信號。

在去噪中首先要考慮的問題是基小波的選擇, Mallat提出用相關系數γ來判斷基小波與PD信號的匹配程度。γ的計算公式為式 (1)所示：

圖1 含有噪聲的局部放電信號小波分解

在對信號小波變換時需要選擇合適的分解層數,若分解層數太大會使信號失真,太小又達不到降噪目的。同時分解層數還跟采樣頻率有一定的關系,在實際應用中可以根據去噪的具體情況做出相應地調整。

3 GIS局部放電圖譜的噪聲抑制

GIS局部放電是一種突變信號,這種信號附近的頻率特征至關重要,FFT方法顯然已經不是最佳選擇[3-7]。小波變換是處理突變信號的有效手段,它將信號從時間域變換到時間-頻率域,不僅在頻域有很好的局部分析能力,也能夠在時域上準確定位信號突變點,非常適合局部放電這類突變信號的處理。但需要多次迭代,計算量很大,單獨使用效果并不理想。因此本文在去噪時,在閾值法中采用NTF法,將NTF與SCFM相結合(簡稱為TSC),對含噪信號聯合去噪。在實際的檢測中,局部放電更多的是衰減震蕩脈沖,由于局部放電信號仿真 (DOP)的震蕩特性,去噪相對困難。DOP去噪仿真中,信號幅值歸一化為1,如圖2(a)所示,染噪信號如圖2(b)所示,染噪信號SNR=0 dB。

圖2 局部放電信號仿真 (DOP)

首先分別用傳統算法和NTF分別對信號去噪,圖3和圖4分別是傳統方法和NTF算法的去噪結果,從圖3中可以看出,傳統方法的效果并不理想,而圖4NTF算法中噪聲得到較好的抑制。在處理衰減震蕩脈沖時,由于信號的震蕩特性,信號震蕩細節有時會發生畸變,而在NTF算法中DOP的震蕩細節畸變較小,體現了該算法良好的性能。圖5是TSC法去噪的結果,可以看出TSC法的去噪效果較NTF法有了明顯的改善,不但能夠將NTF中殘留的噪聲去除,更重要的是TSC去噪中沒有多余的能量損失。

圖3 傳統方法去噪結果

圖4 NTF去噪結果

圖5 TSC去噪結果

將10個信號作為一組,兩種方法去噪結果如圖6所示,其中圖6(a)、 (b)、 (c)依次表示NTF去噪后的效果圖、TSC去噪后的效果圖和原始信號。分別統計其相應的SNR,如表1所示。在NTF法中每組有3個信號去噪后SNR低于10,信噪比方差12.079。TSC法去噪后只有一個信號的SNR低于10,其余9個信號的SNR均可達到10以上,方差2.938,對噪聲的抑制能力和穩定性明顯提高。表2的數據可看出,TSC法去噪的峰值下降比中,只有一個信號的峰值下降比比較嚴重,其余都在15%以內。

圖6 兩種方法去噪后的效果圖

表1 NTF和TSC去噪的信噪比 (DOC)

表2 TSC法去噪后峰值下降比 (DOC)

從上述可以看出,本文提出的去噪方法從噪聲的抑制能力、去噪穩定性和去噪能量損失三個方面達到比較理想的效果,去噪方法的性能明顯改善。

4 結束語

GIS設備的局部放電PD檢測中最主要的干擾是白噪聲,本文對小波變換的各種去噪算法進行了比較分析,小波去噪中的閾值算法存在著固有缺陷的使去噪效果并不十分理想,也不夠穩定。針對這種情況,本文將小波閾值算法與空域相關算法有機結合,同時給出一種新的閾值選擇方法,對信號進行聯合去噪。實驗結果表明,本文提出的方法比傳統方法具有明顯優勢,不但能在較強干擾情況下有效地將PD信號提取出來,且去噪后能量損失小,反映原始信號的特征尖峰點得到了較好的保留,波形峰值下降比較小。因此,本文提出的方法是可行的,是實現對GIS設備局部放電圖譜的自動識別的基礎。

[1] 李繼勝,趙學風,楊景剛,等.GIS典型缺陷局部放電測量與分析 [J].高電壓技術,2009,35(10)：2440-2445.

[2] 王天健.GIS局部放電檢測與故障識別 [D].北京交通大學,2010.

[3] Q.Su,et al.A fuzzy dissolved gas analysis method for the diagnosis of multiple incipient faults in a transformer[J]. IEEE Trans.on Power System,2000,15(2)：593-597.

[4] N.A.Muhamad,B.T.Phung and T.R.Blackburn.Comparative study and analysis of DGA methods for mineral oil using fuzzy logic[C].IPEC 2007,2007：1301-1306.

[5] Gang Lv,Xiao Ping Chen and Heming Zhao.An IA-BP hybrid algorithm to optimize multilayer feed-forward neural networks [J].Computer Engineering and Applications,2003,39：27-28.

[6] W.H.Tang,J.Y.Goulermas,Q.H.Wu and et al.probabilistic classifier for transformer dissolved gas analysis with a particle swarm optimizer[J].IEEE Trans.on Power Delivery,2008,23(2)：751-759.

[7] Tang Ju,Liu Fan,Zhang Xiaoxing.Partial discharge recognition through an analysis of SF6 Decomposition products part：Decomposition characteristics of SF6 under four different partial discharges[J].IEEE Transactions on dielectrics and electrical insulation,2012,19(1)：29-36.

Research on Noise Suppression Method of the GIS Equipment Partial Discharge

YU Hong
(Yunnan Electric Power Research Institute,Kunming 650217)

Partial discharge for the typical defects of the GIS equipment are mainly affected by white noise interference problems,it is proposed the wavelet threshold de-noising method of correction in this paper.Firstly,the some de-noising methods of wavelet transform were compared,because the wavelet threshold algorithm noise exists in the inherent defects of the de-noising effect is not very ideal,but is not stable enough.Then wavelet threshold algorithm and spatial correlation is combined,at the same time,it is given a new threshold selection method of the signal de-noising.In this paper,it is showed that the proposed method has obvious advantages than the traditional method that has not only strong interference effectively the PD signal is extracted,and the energy loss noise is small.And feature point spikes that reflect the original signal better retains.The wave peak value decreased relatively small.

GIS equipment;partial discharge;image;noise suppression

TM8

B

1006-7345(2014)03-0001-04

2014-04-08

于虹 (1978),女,博士后,高級工程師,云南電網公司電力研究院,主要從事電力系統及其自動化,模式識別與智能系統方面工作 (e-mail)yuhong2388245@163.com。