張巧革，劉志剛，陳剛

（西南交通大學(xué)電氣工程學(xué)院，成都 610031）

暫態(tài)振蕩信號頻率檢測的M orlet小波譜峭度法

張巧革，劉志剛，陳剛

（西南交通大學(xué)電氣工程學(xué)院，成都 610031）

針對電力系統(tǒng)暫態(tài)振蕩信號頻率檢測中存在的檢測過程復(fù)雜、易受噪聲影響且通用性不強(qiáng)的問題，提出了一種基于Morlet復(fù)小波譜峭度的暫態(tài)振蕩信號頻率檢測方法。采用Morlet復(fù)小波對含噪暫態(tài)振蕩信號進(jìn)行小波分解獲得小波系數(shù)；利用小波系數(shù)絕對值計算信號的譜峭度；最后，通過最大值檢測方法實現(xiàn)對暫態(tài)振蕩的頻率檢測。針對譜峭度對噪聲適用范圍不明確的問題，提出并定義相似度函數(shù)，用于分析算法對噪聲的敏感程度。仿真實驗表明，該方法通用性較強(qiáng)，且計算過程簡單，檢測精度可以滿足實際需求。

譜峭度；暫態(tài)振蕩信號；Morlet復(fù)小波變換；頻率檢測

暫態(tài)振蕩是一種常見的電能質(zhì)量暫態(tài)擾動現(xiàn)象，其產(chǎn)生的原因有多種，其中最主要的就是電容器的投切。暫態(tài)振蕩常會導(dǎo)致電子設(shè)備的損壞、運行設(shè)備的破壞，給電能質(zhì)量敏感用戶造成不可估量的損失[1]。由于暫態(tài)振蕩持續(xù)時間短，振蕩頻率高，目前對其針對性研究不是很多，還未引起足夠的重視[2]，給其檢測和識別帶來一定的困難。

短時傅里葉變換STFT（short-time Fourier transform）、小波變換和Prony算法是電力系統(tǒng)中常用的信號處理方法。但這些方法應(yīng)用于暫態(tài)信號分析時，都有其不足之處。STFT的時頻窗口沒有自適應(yīng)性，且參數(shù)選擇困難，不適合分析暫態(tài)振蕩信號的瞬變過程；小波變換雖然有時頻局部化的特點，但小波基不易選擇；Prony算法對噪聲非常敏感且需事先判斷信號發(fā)生的時刻。文獻(xiàn)[1]結(jié)合小波分析時頻局部化特點和Prony算法可以準(zhǔn)確獲取振蕩模式的優(yōu)點，提出基于特定頻帶的Prony暫態(tài)振蕩檢測方法，能夠檢測出暫態(tài)振蕩信號的幅值和頻率。文獻(xiàn)[3]結(jié)合STFT和小波分析的優(yōu)點，提出基于特定頻帶的STFT的方法，可準(zhǔn)確得到暫態(tài)信號中主要諧波頻率分量的頻率和幅值。文獻(xiàn)[4]提出基于聚類模態(tài)分解EEMD（ensembleempiricalmode decomposition）的希爾伯特-黃變換HHT（Hilbert-Huang transform）電能質(zhì)量擾動檢測方法，能夠檢測暫態(tài)振蕩的頻率。但是，上述方法計算過程復(fù)雜且對噪聲比較敏感，不適用于含噪信號。

譜峭度的概念最早由Dwyer提出，用來檢測含噪信號中的瞬態(tài)成分[5]。隨后，Vrabie定義譜峭度為一個過程距離高斯性的度量，并在文獻(xiàn)[6]中將其應(yīng)用到滾動軸承故障診斷中。Antoni在文獻(xiàn)[7]中系統(tǒng)定義了譜峭度，提出了基于STFT的譜峭度，論證了其具有檢測加性噪聲中非平穩(wěn)信號的能力。石林鎖和Sawalhi先后提出基于Morlet小波變換的譜峭度法，并將其應(yīng)用到機(jī)械故障診斷中[8，9]。由于譜峭度分析非平穩(wěn)暫態(tài)信號時具有良好的性質(zhì)，本文將其應(yīng)用于電力系統(tǒng)暫態(tài)振蕩信號頻率檢測中，基于Morlet小波變換譜峭度算法的基礎(chǔ)，提出并定義一種相似度函數(shù)，用來衡量算法對噪聲的敏感性，分析譜峭度的適用范圍。研究了Morlet小波參數(shù)對計算結(jié)果的影響和該算法檢測暫態(tài)振蕩頻率的適用性、穩(wěn)定性和有效性。

1 基本理論

1.1 譜峭度定義

譜峭度[7]SK（spectral kurtosis）是反映信號經(jīng)時頻分解后原始信號在某個頻率成分上峭度值大小的指標(biāo)。它可以指示一系列暫態(tài)信號的存在及其在頻域內(nèi)的位置，可以用來分析非平穩(wěn)信號。

非平穩(wěn)情況下，信號x（t）的Wold-cramer分解的頻域表達(dá)式[9]為

其中H（t，f）是隨時間變化的，可解釋為頻率f處的復(fù)包絡(luò)。

過程Y（t）的四階譜累積量定義為

式中，S（f）為譜瞬時矩，即

于是，譜峭度可定義為

1.2 基于小波變換的譜峭度

小波變換繼承和發(fā)展了短時傅里葉變換的局部化思想，能在時間域和頻率域同時對信號進(jìn)行局部化分析，因此在各個領(lǐng)域得到了廣泛關(guān)注[10～12]。

Morlet小波是一種連續(xù)復(fù)小波，其基小波定義為復(fù)指數(shù)函數(shù)與高斯函數(shù)的乘積。其采用的Gauss窗是時-頻面積最小的窗函數(shù)，時頻域局部化性能好，對稱性好，且其變換結(jié)果可同時反映信號的幅值和相位關(guān)系[13]。因此，選Morlet小波對原始信號進(jìn)行連續(xù)小波分解。

信號x（t）的連續(xù)小波變換表示為Wx（a，b）。以Morlet復(fù)小波函數(shù)為母函數(shù)的小波變換可表示為

在一個給定的尺度a上對信號進(jìn)行小波變換，得到小波系數(shù)，再利用小波系數(shù)的絕對值，根據(jù)式（6）計算每個頻率點對應(yīng)的峭度，便可得到信號的譜峭度。

基于小波變換的譜峭度計算公式為

2 算法原理與步驟

2.1 譜峭度算法的選擇

譜峭度的計算建立在時頻分析的基礎(chǔ)上，目前已有的計算譜峭度的算法主要有：基于STFT的譜峭度法、基于小波變換的譜峭度法和基于Wigner-Ville分布WVD的譜峭度法。其中基于STFT的譜峭度法，受限于時頻分辨率的折中問題，信號噪聲較大時效果不理想；基于WVD的譜峭度具有許多良好的性質(zhì)，但由于電力系統(tǒng)暫態(tài)振蕩信號是基頻信號和振蕩信號的疊加，故其對于疊加信號的交叉項無法完全消除，從而影響分析效果；基于小波變換的譜峭度具有較高的分辨率，且其尺度變換能夠滿足暫態(tài)振蕩信號頻率檢測的需要，故選用基于小波變換的譜峭度法。

2.2 相似度函數(shù)的定義

非平穩(wěn)隨機(jī)過程可表示為

如果式（7）中N（t）為獨立于Y（t）的加性高斯噪聲，則N（t）的譜峭度可表示為

式中：KZ（f）和KY（f）分別為Z（t）和Y（t）在f處的SK值；ρ（f）為噪聲-信號功率比，ρ（f）=S2N（f）/ S2Y（f）。

為了描述KZ（f）和KY（f）的相似性，本文提出并定義一種相似度函數(shù)ε，用于分析算法對噪聲的適用范圍。由式（8）知，ρ（f）越小，KZ（f）和KY（f）的相似性越高，反之亦然。故相似度函數(shù)應(yīng)滿足以下性質(zhì)：

（1）ε取值應(yīng)在0～1范圍內(nèi)，且ε的值越大，表示KZ（f）和KY（f）的相似程度越高。

（2）當(dāng)沒有噪聲時，ρ（f）為零，KZ（f）與KY（f）完全相同，相似度為1。噪聲越大，KZ（f）和KY（f）的相似程度越低，ε的取值越小。

（3）ε的值隨噪聲變化的越快，說明譜峭度對噪聲越敏感，反之亦然，故可由ε隨噪聲的變化率來反映譜峭度對噪聲的敏感程度。

基于以上考慮，相似度函數(shù)定義為

2.3 算法步驟

譜峭度算法步驟如下。

（1）選用Morlet小波作為小波基，設(shè)置帶寬、中心頻率、小波時間窗長度等參數(shù)，對采集到的含噪信號進(jìn)行小波變換，得到小波系數(shù)矩陣；

（2）小波系數(shù)矩陣取絕對值后，對每一行先求二階累計量，再求其四階累計量；

（3）根據(jù)式（6）計算每一行的SK值，每個SK值對應(yīng)一個頻率點；

（4）根據(jù)式（9）計算不同噪聲條件下相似度函數(shù)ε，繪制相似度曲線，分析算法對噪聲的敏感程度；

（5）繪制頻率-譜峭度曲線，根據(jù)曲線特征，利用最大值檢測法檢測暫態(tài)振蕩信號的頻率；

（6）誤差分析，穩(wěn)定性和準(zhǔn)確性研究。

3 仿真分析

3.1 暫態(tài)振蕩信號仿真與小波變換參數(shù)選取

1）暫態(tài)振蕩信號的產(chǎn)生

本文采用文獻(xiàn)[14，15]中的數(shù)學(xué)模型產(chǎn)生暫態(tài)振蕩仿真信號，暫態(tài)振蕩模型為

利用式（10）產(chǎn)生基頻為50Hz、峰值為1.7 p.u.、振蕩頻率為500 Hz、持續(xù)時間2個周期、信噪比為20 dB的典型的暫態(tài)振蕩信號，如圖1所示。

2）小波變換參數(shù)的選取

以圖1中的信號為例，研究帶寬和小波分解尺度對譜峭度計算結(jié)果的影響。

首先，固定fc=2，m=500，取fb從1到9，對圖1中的信號求基于小波變換的譜峭度（采樣頻率fs=2 kHz），檢測結(jié)果見表1，部分譜峭度如圖2所示。

圖1 暫態(tài)振蕩信號波形Fig.1 Curve of transientoscillation signal

表1 不同帶寬的檢測值及檢測誤差Tab.1 Detection valuesand detection errors in differentbandw idth

圖2 不同帶寬的譜峭度對比Fig.2 Conparison of SK in differentbandw idth

表1中：fce為檢測頻率；fshi為暫態(tài)振蕩頻率；誤差e=|fce-fshi|/fshi。由表1和圖2可知，fc和m固定時，帶寬fb越大，譜峭度最大值越小。在一定范圍內(nèi)，帶寬對檢測精度基本無影響。

取fc=2，fb=6，令m的取值范圍為100～800，分別計算譜峭度，檢測結(jié)果見表2。

表2的數(shù)據(jù)表明，小波分解尺度對檢測結(jié)果幾乎無影響，當(dāng)m過小或過大時，誤差很小。

實驗結(jié)果表明，只要在合適的范圍內(nèi)，帶寬和小波分解尺度的取值對結(jié)果的影響不大。從計算量和檢測精度兩方面綜合考慮，取fb=6，m=500，對算法的檢測精度和適用性進(jìn)行研究。

表2 不同分解尺度的檢測值及檢測誤差Tab.2 Detection valuesand errors in different wavelet scales

3.2 相似度曲線的計算及分析

根據(jù)譜峭度計算公式和相似度函數(shù)定義，對圖1所示的信號加入從小到大的白噪聲，根據(jù)式（6）和式（9）計算不同噪聲下相似度函數(shù)的值，噪聲-相似度曲線如圖3所示。

圖3 相似度曲線Fig.3 Sim ilarity curve

由圖3可知，沒有噪聲或噪聲非常?。ㄐ旁氡容^大）時，ε的值接近于1且衰減很快，這說明噪聲很小時，譜峭度對噪聲的變化比較敏感；當(dāng)噪聲大到一定程度時，相似度函數(shù)值很小并且達(dá)到穩(wěn)定，說明，此時譜峭度值受噪聲影響較小。由此推斷：噪聲很小時，算法不穩(wěn)定，噪聲達(dá)到一定的水平后，算法準(zhǔn)確度較高且較穩(wěn)定。

3.3 準(zhǔn)確性及適用性研究

為了探究該算法的準(zhǔn)確性及適用性，分別從暫態(tài)振蕩信號幅值、頻率、噪聲大小、暫態(tài)振蕩持續(xù)時間和疊加諧波等方面進(jìn)行仿真分析。

1）改變暫態(tài)振蕩信號幅值

改變圖1中仿真信號的幅值，其他參數(shù)不變，當(dāng)幅值α從0.1 p.u.增大到0.8 p.u.時，所測得的誤差隨幅值的變化如圖4所示。

圖4表明，振蕩幅值很小時（約小于0.22 p.u.），檢測結(jié)果誤差很大，幾乎不可用。但當(dāng)振蕩幅值大于0.22 p.u.時，平均誤差只有1.07%。這說明，算法對振蕩幅值很小的暫態(tài)振蕩信號不適用。因為小波變換本身會受噪聲影響，暫態(tài)振蕩幅值很小時，對小波分解系數(shù)影響很小，即使用譜峭度也很難得到準(zhǔn)確檢測結(jié)果。

圖4 誤差隨幅值的變化Fig.4 Error variation w ith am plitude change

2）改變暫態(tài)振蕩信號頻率

改變圖1中信號的頻率，其他參數(shù)不變，當(dāng)頻率從300Hz增大到900Hz時，所測得誤差隨頻率的變化如圖5所示。

圖5 頻率變化時的誤差分布Fig.5 Error variation w ith frequency change

圖5中最大誤差為5.48%，平均誤差1.98%，隨頻率變化誤差隨機(jī)波動，因每次所加的都是隨機(jī)噪聲，故檢測結(jié)果會有所變化，跟頻率基本無關(guān)。

3）改變信噪比

保持圖1中仿真信號的參數(shù)不變，信噪比從10 dB增大到30dB，所測得的誤差分布如圖6所示。

圖6 誤差隨噪聲的變化Fig.6 Error variation w ith SNR change

由圖6可知，信噪比變化時，誤差隨機(jī)波動，在一定的噪聲范圍內(nèi)檢測結(jié)果較好。但隨著噪聲的減?。ㄐ旁氡仍龃螅z測誤差整體上越來越大。這說明在一定的范圍內(nèi)，算法的準(zhǔn)確度不受噪聲影響，但噪聲非常小時，該方法效果不理想。這是因為噪聲小時譜峭度對噪聲變化比較敏感，這與圖3分析的結(jié)果一致。

4）改變暫態(tài)振蕩信號持續(xù)時間

改變圖1中仿真信號的振蕩持續(xù)時間，變化范圍20～60ms（即T～3T），保持其他參數(shù)不變，取100組數(shù)據(jù)，檢測結(jié)果如圖7所示。由圖7知，暫態(tài)振蕩持續(xù)時間改變時，誤差隨機(jī)變化，變化范圍小于4.0%，平均誤差為1.21%。這說明算法對暫態(tài)振蕩持續(xù)時間不敏感，適用于時間變化的各種情況。

圖7 持續(xù)時間改變時的誤差分布Fig.7 Error variation w ith duration change

5）疊加諧波

在電力系統(tǒng)中，諧波也是一種常見的擾動，諧波信號的數(shù)學(xué)模型為

式中，i為諧波的次數(shù)，電力系統(tǒng)中的諧波通常為奇次諧波，且超過7次的諧波幅值很小，故i= 3，5，7，…，且αi∈[0.05，0.3]p.u.。

在圖1中的仿真信號中，疊加3、5、7次諧波，各次諧波的幅值在0.05～0.30 p.u.間隨機(jī)產(chǎn)生。取100組數(shù)據(jù)進(jìn)行檢測，檢測結(jié)果如圖8所示。

圖8 疊加諧波后的誤差分布Fig.8 Error variation w ith harmonic supplement

圖8中平均誤差為2.29%，最大誤差小于4.0%。這說明疊加諧波后該算法仍然適用。

綜合以上分析結(jié)果可知，基于Morlet復(fù)小波變換的譜峭度法對大部分含噪暫態(tài)振蕩信號都適用，且準(zhǔn)確度較高，檢測結(jié)果較穩(wěn)定，檢測精度能夠滿足實際需要。

4 結(jié)語

本文將基于Morlet小波變換的譜峭度應(yīng)用于暫態(tài)振蕩信號頻率檢測中，克服了小波變換受噪聲干擾大、小波基難以選取的缺點。提出并定義一種相似度函數(shù)，用來衡量文中算法對噪聲的敏感程度，理論與仿真結(jié)果一致。算法過程簡單，無需對信號進(jìn)行去噪濾波等預(yù)處理。大量的仿真結(jié)果表明，算法對Morlet小波的參數(shù)不敏感，對大部分常見的暫態(tài)振蕩信號都適用，在一定的范圍內(nèi)，準(zhǔn)確度不受噪聲的影響，對疊加諧波的復(fù)合擾動信號仍然適用。

[1]陳曉芳，趙成勇（Chen Xiaofang，Zhao Chengyong）．基于特定頻帶的Prony暫態(tài)振蕩檢測方法（The Prony detectionmethod of transientoscillation based on the specific frequency band）[J]．電測與儀表（ElectricalMeasurement&Instrumentation），2011，48（5）：1-5．

[2]劉桂英，粟時平（Liu Guiying，Su Shiping）．風(fēng)電接入系統(tǒng)暫態(tài)電能質(zhì)量擾動小波檢測方法（Waveletdetection method of transient power quality disturbance for power system connectedwithwind energy generation）[J].電力系統(tǒng)及其自動化學(xué)報（Proceedings of the CSU-EPSA），2011，23（1）：22-27.

[3]趙成勇，何明鋒（Zhao Chengyong，HeMingfeng）．基于特定頻帶的短時傅里葉分析（Short time Fourier analysis based on the special frequency component）[J]．電力系統(tǒng)自動化（Automation of Electric Power Systems），2004，28（14）：41-44．

[4]張楊，劉志剛（Zhang Yang，Liu Zhigang）．EEMD在電能質(zhì)量擾動檢測中的應(yīng)用（Application ofEEMD in power quality disturbance detection）[J]．電力自動化設(shè)備（Electric Power Automation Equipment），2011，31（12）：86-91．

[5]Dwyer R F．Detection ofnon-Gaussian signalsby frequency domain Kurtosis estimation[C]//IEEE International Conference on Acoustics，Speech and Signal Processing. Boston，USA：1983．

[6]Vrabie V，Granjon P，Maroni C S，et al．Application ofspectral kurtosis to bearing fault detection in induction motors[C]//5th International Conference on Acousticaland Vibratory Surveillance Methods and Diagnostic Techniques.Senlis，F(xiàn)rance：2004.

[7]Antoni J．The spectralkurtosis：a useful tool for characterizing non-stationary signals[J]．Mechanical Systems and SignalProcessing，2006，20（2）：282-307．

[8]石林鎖（Shi Linsuo）．滾動軸承故障檢測的改進(jìn)包絡(luò)分析法（Rolling bearing faultdetection using improved envelope analysis）[J]．軸承（Bearing），2006（2）：36-39.

[9]SawalhiN，Randall RB．Spectral Kurtosisoptimization for rolling elementbearings[C]//8th International Symposium on Signal Processing and its Applications.Sydney，Australia：2005．

[10]石林鎖，張亞洲，米文鵬（Shi Linsuo，Zhang Yazhou，Mi Wenpeng）．基于WVD的譜峭度法在軸承故障診斷中的應(yīng)用（Application ofWigner-Ville-distribution-based spectral kurtosis algorithm to fault diagnosis of rolling bearing）[J]．震動、測試與診斷（Journal of Vibration，Measurement&Diagnosis），2011，31（1）：27-31，126．

[11]張凱，關(guān)根志，張海龍（Zhang Kai，Guan Genzhi，Zhang Hailong）．用小波變換和瞬時功率定位電能質(zhì)量擾動源（Location for disturbance source based on wavelet transform and instantaneous power）[J].高電壓技術(shù)（High Voltage Engineering），2008，34（3）：573-577.

[12]管霖，吳國沛，黃雯瑩，等（Guan Lin，Wu Guopei，Huang Wenying，etal）．小波變換在電力設(shè)備故障診斷中的應(yīng)用研究（Study on the application ofwavelet transform in faultdiagnosisofelectric devices）[J]．中國電機(jī)工程學(xué)報（Proceedinsof the CSEE），2000，20（10）：46-49，54．

[13]揭林玲，唐昆明，張?zhí)冢↗ie Linling，Tang Kunming，Zhang Taiqin）．Morlet復(fù)小波算法在自適應(yīng)電流保護(hù)中的應(yīng)用研究（Study on application of Morlet complex waveleton adaptive currentprotection）[J]．電力系統(tǒng)保護(hù)與控制（Power System Protection and Control），2009，37（22）：40-43，48．

[14]Youssef A M，Abdel-Galil T K，El-Saadany E F，et al. Disturbance classification utilizing dynamic time warping classifier[J].IEEETranson Power Delivery，2004，19（1）：272-278．

[15]張全明，劉會金（Zhang Quanming，Liu Huijin）．最小二乘支持向量機(jī)在電能質(zhì)量擾動分類中的應(yīng)用（Application of LS-SVM in classification of power quality disturbances）[J]．中國電機(jī)工程學(xué)報（Proceedings of the CSEE），2008，28（1）：106-110．

Frequency Detection of TransientOscillation SignalUsing M orletW avelet Based on SpectralKurtosisM ethod

ZHANGQiao-ge，LIU Zhi-gang，CHENGang
（SchoolofElectricalEngineering，Southwest Jiaotong University，Chengdu 610031，China）

The existedmethods of frequency detection of transientoscillation signal in power system are intricate and susceptible to noise and abominable in versatility.To overcome these disadvantages a novelmethod based on Morlet wavelet-based-spectralkurtosis（SK）is proposed in this paper.In thismethod，theMorletwavelet transform is initially adopted to obtain the wavelet coefficients.Then the wavelet-based-SK is calculated via the absolute value of the waveletcoefficients.Finally，the transientoscillation frequency is detected by themaximum of the SK.In order to analyze the influence on the detection results caused by noise，the similarity function is proposed and defined in the paper. The simulation results indicate that thismethod isapplicable and effective tomostof the common oscillation signals.In addition the calculation process issimple，and theaccuracy canmeet theactualneeds.

spectralkurtosis；transientoscillation signal；Morletwaveletcomplex transform；frequency detect

TM712

A

1003-8930（2013）05-0001-06

張巧革（1987—），女，碩士研究生，研究方向為現(xiàn)代信號處理理論及其在電力系統(tǒng)中的應(yīng)用。Email：zqg0424@126.com

2012-07-23；

2012-08-22

國家自然科學(xué)基金資助項目（U1134205，51007074）；教育部新世紀(jì)優(yōu)秀人才支持計劃項目（NECT-08-0825）；中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目（SWJTU11CX141）

劉志剛（1975—），男，教授，博士生導(dǎo)師，研究方向為現(xiàn)代信號處理與智能計算及其在電力系統(tǒng)中的應(yīng)用。Email：liuzg_cd@126.com

陳剛（1986—），男，碩士研究生，研究方向為現(xiàn)代信號處理理論及其在電力系統(tǒng)中的應(yīng)用。Email：chengangdadada@163.com