電力電纜故障診斷中的信號檢測與增強技術探討

馬光華

摘要：在城市化建設背景下，地埋電纜逐漸替代架空電纜，成為電力工程中應用最廣泛的電纜。在地埋電纜出現故障后，主要通過信號檢測定位故障點。文章從電力電纜故障診斷中的信號檢測技術應用分析入手，結合信號檢測過程中存在的環境噪聲干擾問題，分析信號增強技術的應用，提高電力電纜故障診斷準確性。

關鍵詞：電力電纜故障;信號檢測;信號增強

前言：隨著社會對電力需求的增多，電網工程規模擴大，電網改造工程增多，線纜負荷增加，加大了電纜故障出現的概率，對電力電纜故障運維提出更高要求。因電力電纜跨區域，故障診斷難度較高，如不能及時診斷故障，將會擴大影響范圍，導致大面積停電事故，影響正常生產生活。

1. 電力電纜故障診斷中的信號檢測技術

1.1 EMD濾波技術的原理

EMD濾波技術是指經驗模態分解濾波技術，在獲取故障檢測信號的基礎上，可結合信號的時頻域分布特征，對信號采取濾波降噪處理，準確獲取故障信號，為故障定位奠定基礎。在該技術應用中，可根據信號的局部時間尺度，按照高頻至低頻的順序，對檢測信號進行層層分解，以此獲得一定數量的本證模態函數，每個函數中均體現了檢測信號在不同時間尺度的特征與振蕩狀況。在此基礎上，可利用EMD濾波技術的分解特征和檢測信號處理要求，選擇本征模態函數完成故障信號的重構，明確故障信號在某個頻率的表示，以此實現濾波。該技術可有效保障故障信號的非線性特征，憑借EMD的優異局部性能，無需設置濾波參數，即可獲得理想的濾波效果。

1.2 EMD濾波技術的應用要點

在EMD濾波技術應用中，運維人員首先要明確故障信號與干擾信號的分界點，在干擾信號中有效提取故障信號，并進行重構，方可實現故障的精確檢測。

1.2.1信號間分界點的明確

在EMD濾波技術應用中，故障信號與干擾信號的自相關函數存在較大差異。在不同時間尺度，以噪聲為主的干擾信號在關聯性方面較弱，表現出較強的隨機性。就此，干擾信號在零點時具備最大的自相關函數值，其他點表現出衰減的趨勢。故障信號在不同時間尺度具備加強關聯性，在零點時具備最大的自相關函數值，其他點的函數值與時間差相關。基于兩種信號在函數變化規律方面的不同，在EMD濾波技術設定較小的分解尺度時，會破壞所得本征模態分量的噪聲特征，但自相關函數的特征不變。就此，可分析分解后的自相關函數，了解本征模態分量中的故障信號與干擾信號分量的分界點。以某電力電纜的低阻故障為例，直接應用EMD濾波技術分解獲得的信號分量如圖1所示。

根據上圖中不同階的模態分量，開展自相關函數分析，發現前4階為干擾信號主導分量，其余階為故障信號主導分量。就此，將4階作為分界點，選擇4階之后的信號分量進行故障信號重構，將重構信號與故障采樣信號相比，發現二者波形一致，重構信號的干擾更小，信噪比更高，說明重構信號具備良好的濾波效果。

1.2.2故障信號的提取與重構

但上述分析環節中，因去除了前4階分量，易使部分故障信號的高頻分量被剔除，導致重構信號與故障采樣信號存在一定偏差，影響故障信號檢測的準確性。就此，需對干擾信號中的故障信號進行提取與重構，工作原理如下：篩選干擾信號中的故障信號，將其置于故障信號主導分量上，將噪聲主導分量剔除，實現故障信號的提取，強化濾波效果，提高故障檢測準確性。基于上述原理，運維人員可引入小波變換方法，對時域與頻域上的信號實施局部變換，調節信號采樣，將信號分解至多個頻帶范圍，便于故障信號的提取。

以某電力電纜的低阻故障為例，將尺度設定為5，通過sym4小波基對干擾信號分量實施多尺度一維小波分解，并在同樣尺度下對低頻成分實施重構，重構部分的信號加載至4階后的故障信號分量上，獲得完整的故障信號，實現濾波的強化，強化后的故障檢測誤差從0.5%降低至0.15%。

2. 電力電纜故障診斷中的信號增強技術

在電力電纜故障診斷中，信號檢測技術可用于對故障進行預定位。為獲取故障點的精確位置，應采用沖擊放電技術，通過高壓脈沖信號擊穿電力電纜的故障點，使其產生沖擊放電信號，進而明確具體的故障位置。在沖擊放電技術應用中，采集的沖擊放電信號中存在大量背景噪音，影響故障定位的準確性。就此，應采用信號增強技術，有效提取沖擊放電信號，提高電力電纜故障診斷的科學性及有效性。

2.1小波分析與遺傳算法

針對電力電纜故障診斷中存在的混合信號問題，本文設計一種基于小波分析與遺傳算法的信號增強技術，通過小波包變換對混合信號進行分解，再根據自適應濾波提出干擾噪聲信號，最后應用遺傳算法進行沖擊放電信號的重構，實現沖擊放電信號的增強。

2.1.1小波分析

在小波分析中，尺度參數設定為1，可將原始信號分解為2個信號;尺度參數設定為2，可將原始信號分解為5個信號;尺度參數設定為k，可將原始信號分解為2k個信號。尺度越大，獲得的信號越多，分解的頻帶越窄，分辨率越高，使信號分析結果更為準確，便于信號增強。結合電力電纜故障的特點，通常將尺度參數設定在3-7之間。在原始信號小波分析完成后，可將涉及沖擊放電信號的頻段保留，并剔除包括背景噪聲信號的頻段，即可獲得精確的沖擊放電信號。常用的小波為Daubechies小波，小波的階數會影響信號數據的處理過程與結果。小波階數越大，計算量越大;小波階數越小，分解信號中干擾信號越多。結合電力電纜故障沖擊放電信號特點，其適應的小波階數為15-25。

2.1.2遺傳算法

在電力電纜故障診斷中，遺傳算法的應用需遵循如下流程：

第一，編碼。結合電力電纜故障特點，可將遺傳算法的編碼設定為二進制。經過小波分析后，信號分解為2k個，則遺傳算法中染色體個數為2k。在第λ位數據為1時，重構信號的隨機組合內包括xkλ;在第λ位數據為0時，重構信號中不包括xkλ，使染色體完全表示信號的隨機組合。

第二，設定初始種群。對N個染色體進行隨機組合，即可獲得初始種群，規模為N。種群規模會對遺傳算法中的迭代計算產生影響，規模過大，會加大計算的復雜性，降低收斂速度;規模過小，會影響算法的性能。結合沖擊放電信號特點，初始種群規模應控制在10-160之間。

第三，計算個體適應度。將種群內的個體進行編碼轉換處理，使其置于真實問題空間內。結合沖擊放電信號特點，可將個體對應的重構信號與背景噪聲信號的2范數平方計算適應度值。

第四，選擇。應用錦標賽法，根據適應度值進行個體的選擇，獲得最優解。

第五，交叉與變異。在保留最優個體的條件下，對于進入選擇中進入下一代的個體，應對其進行交叉與變異處理，獲得更高適應度值的個體。交叉是指隨機更換兩個個體的數據位;變異是指將染色體的某個數值從0變為1或者從1變為0。

在上述遺傳算法應用中，運維人員需設定閾值，明確最大適應度值與迭代次數的最大值。即在達到最大適應度值或最大迭代次數時，算法結束，反之則根據個體的下一代，重新進行適應度計算等步驟，直到獲得最優解。

2.1.3信號增強

在信號增強技術應用中，因遺傳算法的適應度計算需考慮混合信號的背景噪聲，需將混合信號看做是自適應濾波器的參考信號，遵循誤差最小原則進行噪聲處理，使適應度計算更為精準，規避噪聲較強相關性引發的誤差。在自適應濾波器應用中，運維人員可結合故障類型與特點進行參數的調整，使其更貼合信號增強需求。基于自適應濾波器的特點，信號增強流程包括小波分析、自適應濾波器處理與遺傳算法重構三部分，具體程序要點如下：

第一，采集沖擊放電信號與背景噪聲信號的混合信號，記為x（t）;采集前一刻的背景噪聲信號，記為d（t-1）。

第二，對混合信號進行小波分解，將分解層設定為k，初步剔除背景噪聲信號。

第三，將小波樹[k，i]（i=0，1，…2k-1）節點為基礎，對信號進行重構，以此獲得個2k子信號。

第四，根據二進制原則，實施問題域編碼，獲得初始種群。

第五，應用自適應濾波器對采集的混合信號進行處理，明確與混合信號中最為相似的背景噪聲信號。

第六，計算種群中的個體適應度，如達到最大迭代次數，則進行下一步，反之則選擇交叉或變異，重新計算種群中的個體適應度，直到達到最大迭代次數。

第七，獲得最優解并實施信號重構，將沖擊放電信號輸出，完成信號增強。

2.2信號增強技術的實踐驗證

為驗證本文提出信號增強技術的有效性，選擇故障電力電纜為試驗對象，在故障電纜現場構建實驗平臺。該故障電纜的埋深為0.54m，實驗采用的高壓脈沖信號幅值為15V，采集高壓脈沖信號擊穿產生的沖擊放電信號。按照上述流程對沖擊放電信號進行增強處理，處理時小波分解尺度設定為5，小波階數設定為16。處理結果顯示，在電力電纜的故障點處于故障定點設備的前方區域時，前一次沖擊放電信號間的時間差為1.3ms，此時的信號時間差為0.8ms。就此，能夠判斷檢測時間差越小，和故障點的距離越近。

在電力電纜的故障點處于故障定點設備的后方區域時，前一次沖擊放電信號間的時間差為0.8ms，此時的信號時間差為1.5ms。就此，能夠判斷檢測時間差越大，和故障點的距離越遠。

在電力電纜的故障點處于故障定點設備的正上方時，此時的沖擊放電信號時間差為0.7ms。結合故障定點設備的通用守則，其時間差應為0.54ms，實際檢測數值存在0.16ms的誤差，其誤差滿足通用守則的要求。同時，與電力電纜故障智能精確定點設備的檢測結果相比，本實驗檢測的故障點與其相同。就此，可以判斷本文設計的故障增強技術可有效提高故障檢測的準確性。

3.結語

綜上所述，在電力電纜故障診斷中，運維人員可引入EMD濾波技術，對故障信號與干擾信號進行模態分解，了解二者主導分量的分界點，并對干擾信號主導分量進行故障信號的提取，將其加載至故障信號為主導的分量上，實現故障的精確檢測。在故障信號增強中，運維人員可引入小波分析與遺傳算法，通過沖擊放電信號的增強處理明確故障點。

參考文獻：

[1]崔本濤.配電線路故障定位的實用方法研究[J].科技資訊，2020，18（10）：23+25.

[2]張藝馳.基于分數階電路模型的電纜信號傳播特性及故障定位研究[D].華北電力大學，2019.

[3]洪炎森.電力電纜故障定位及檢測信號去噪分析[J].無線互聯科技，2018，15（14）：111-112.