试谈GIS高压开关局部放电声信号测试与特征提取--中国期刊网

字体：大中小

首页> 原创作品> 正文

试谈GIS高压开关局部放电声信号测试与特征提取

发表时间：2020/7/20 来源：《电力设备》2020年第8期作者：于东军

[导读] 摘要：GIS高压开关使用过程中会出现局部放电问题，针对放电检测的装置和技术较多，但局部放电声信号相关研究力度较少。

        (泰安泰山高压开关有限公司山东泰安 271000)
        摘要：GIS高压开关使用过程中会出现局部放电问题，针对放电检测的装置和技术较多，但局部放电声信号相关研究力度较少。本文通过声测模式，围绕小波去噪方式探究GIS高压开关局部放电声信号测试与特征提取模式，依托小波变换去噪模式将其中的微小声信号完成提取，优化声信号研究质量和效果。
        关键词：GIS高压开关；局部放电；声信号测试
        前言：GIS高压开关是电力网络产品，局部放电声信号通常属于强背景噪声中的细小信号，其检测技术一般包含强弱检测、放电次数检测。由于开关局部放电过程中会出现热、声、光等问题，可以借助声测模式、光测模式进行测试。因此，本课题利用声测法研究GIS高压开关的局部放电情况，具有电磁屏蔽优势。
        1声信号测试与特征提取分析
        1.1测试设备
        放电声信号测试实验装置系统结构包含可调高压电源、放电声信号测试系统、声信号探头等装置。其中，放电声信号测试装置能够对观察实验结果进行对比测试，分析放电信号的强弱性；声信号检测探头属于声信号测试系统，与控制信号采样协调装置一同运行。此外，局部放电信号采集系统中包含传感器，能够模拟GIS高压开关的多种放电模式，借助小波变换消噪方式提取局部放电信号。
        1.2特征提取分析
        GIS高压开关中局部放电强弱和次数具有对应的要求、标准和规范，一般系统运行中局部放电强度小，产生的声信号强度随之降低，对于定位和检测工作增加了难度，因此检测强背景中小噪音的局部放电信号至关重要。本课题中微小的声信号处于强背景噪音中，有必要借助小波变换方式对信号完成特征提取，并判断声信号的基本特征。小波变换模式相较于其他信号处理算法，优势是不易使时域数据丢失。因此在本课题中获取的声信号有必要完成局部放电区域定位，提升放电信号到达时间要求，借助小波变换模式完成去噪操作，进而在噪声中精准提取放电信号。
        2小波变换去噪算法研究
        2.1小波去噪原理
        小波变换模式是数字信号中的有效处理方式，优势包含：去相关性、低熵性、分辨率多，能够灵活选择小波基，可以结合应用场所的实际情况科学设置小波函数，优化信号去噪效果[1]。小波去噪的任务是将噪音从原始信号内部抽离出来，提取后续待分析的有用信号，具体公式如下：y(n)=x(n)+w(n)。其中，w(n)是噪音，y(n)是原始信号，x(n)是有用信号。以高斯白噪声为例，将其设为w(n)，可以借助非线性小波变换模式在y(n)(即原始信号)中分离白噪音。
        2.2小波变化性质
        小波变换属于积分变换模式，相较于傅里叶变换模式具有较多优势，其中包含波基尺度a和平移b参数，能够以频率域角度转变时间函数，借助其频带性质，通过某一特定时间段获取时间域分析信号[2]。同时，小波变换具备恒Q特性，式子如下：带宽/中心频= ，在该式子中，a大于0。恒Q特性是小波变换的主要性质，是与其他变换形式存在根本区别的关键。
        2.3小波去噪过程
        小波消噪是应用硬阙值和软阙值的消噪模式，在选择对应阙值后，能够科学应用小波系数完成消噪操作。小波去噪过程如下：与包含微小信号的噪音进行正交小波交换，科学选择小波分解层次，将其设置为j，进而获得相关小波分解系数。同时，针对多种系数进行阙值处理，其中包含硬阙值、软阙值模式。其中，软阙值是硬阙值基础上的拓展模式，将绝对值低于阙值的要素归零，并使非零要素向0靠近，其中硬阙值于y=±的位置不连续，反之软阙值在y=±位置连续。此外，完成小波重构。依托小波分解，对第1至j层高频系数进行量化处理，设置第j层低频系数，可以完成信号重构。阙值处理的核心是创设科学的阙值，若阙值过大，容易使信号受到干扰；若阙值过小，则无法充分消除噪音。
        3小波变化去噪算法
        3.1去噪要点
        小波去噪操作主要借助阙值量化小波分解系数，因此该模式的关键是选择和量化阙值。注意选择阙值时要求不破坏有用信号的基础上、去除噪音，维持有用信号的基本大小。例如，依托无偏似然估计方式，针对某一特定阙值t进行似然估计，最小化非似然设为t，获取特定对象的阙值。在选择阙值时的要点如下：提取平滑消噪信号时，建议选择软阙值模式，而对于局部放电信号等突变类要素，需要选择硬阙值模式。软阙值可以在特征提取操作后降低脉冲峰值，甚至变为0，使用硬阙值能够确保脉冲峰值的稳定性，进而分辨GIS高压开关的局部放电情况。
        3.2小波基函数分析
        3.2.1选择小波基函数
        小波变换过程中可以借助多种基函数变换信号，小波基主要特点包含衰减性、紧支性、对称性、正则性、消失距。若想对高压开关的局部放电信号完成特征提取，有必要结合特定区间的消失距和紧支性，消除噪音，获取突变信号，本课题可以使用Daubechies小波基当作局部放电信号的基函数。
        3.2.2设置小波变换分解尺度
        在分析正交分辨率时，小波变换信号分辨率随着分解尺度的增加而提升。不过，在借助小波变换消除噪音时，若选择过大的分解尺度，无法有效优化消噪能力，甚至会增加计算量。不过，若在选择分解尺度时过低，也无法有效消噪。例如，采样信号频率是fs,借助香农定理得出信号最大频率是fs/2=fmax,干扰频率范围设为f1-f2，因此需要确保分解尺度J=log（fmax/f1）。
        4实验效果分析
        4.1小波变换效果
        本课题主要借助软阙值方式完成噪音处理，通过coif3针对coiflet小波进行3次分解，小波基函数选择Daubechies，其支撑长度、消失距、对称性良好。在分析小波变换尺度函数后得出，该过程放电性较强，通过观察原始数据可以直观看到放电信号。在借助小波变换方式完成去噪操作后，极大程度地去除噪音，同时能够得到放电信号存在和出现时间，提升特征提取效率。实验中小波函数放电信号不够明显，当完成去噪操作后，可以提取放电声信号。小波变换去噪结束后，能够判断信号是否为局部放电声信号，进而科学判断GIS高压开关的局部放电情况。
        4.2对放电声信号的分析
        实验中多种白噪音之间无关联，若分析对象是白噪音和声放电信号，则需要针对相同数据不同渠道完成分析。若数据中包含声放电信号，多种渠道之间理论上存在相关性，因此说明相关系数大。经过实验分析发现，小波变换去噪前渠道之间相关性较低，而去噪完成后相关性会提升，强度下降，但在截取分析去噪信号后，相关性增强，系数可以达到0.6562。
        4.3小波消噪对模拟信号的结果分析
        模拟信号中局部放电信号属于振荡衰减信号，幅值是2，噪音背景是现场窄带干扰信号。GIS高压开关局部放电信号实际上是突变信号，因此选取Daubechies作为小波变换函数，分解最大尺度设置成6。同时，结合似然无偏估计理论，基于Stein设置阙值估计器。通过选择合适的阙值完成消噪处理后发现，局部放电信号可以完全提取。通过分析剩余噪声信号和消噪脉冲信号及其频谱得出，小波变换模式能够有效消除白噪、窄带信号对局部放电信号的干扰。因此，在科学选择阙值处理模式和小波基函数后，能够对窄带干扰噪音等平稳信号进行消除，提升对局部放电信号的提取能力。
        结论：综上所述，在信号测试试验中得出，经过小波变换可以在强噪音背景中提取细微的声放电信号，为强信号的分析和研究提供支持。针对细微信号需要借助声信号方式对GIS高压开关局部放电情况完成检测，获取传感器接收信号的时间，对局部放电区域进行精准定位，明确放电参数，实现声信号的量化。
        参考文献：
        [1]钱峰,卢经,邵建根,等.局部放电信号检测中自适应分解层数小波去噪[J].电力设备管理,2019，(08):55-56+62.
        [2]毛海龙.GIS气体高压开关在阳煤五矿变电站的应用[J].能源科技,2020，18(03):30-32.
        作者简介：于东军（1983.12--）；性别：男，籍贯：山东省德州人，学历：本科，现有职称：中级工程师；研究方向：机械电气。