沈顯慶，　段小龍

(黑龍江科技大學(xué) 電氣與控制工程學(xué)院， 哈爾濱 150022)

?

變電站容性設(shè)備介損在線監(jiān)測(cè)數(shù)據(jù)壓縮與預(yù)處理方法

沈顯慶，段小龍

(黑龍江科技大學(xué) 電氣與控制工程學(xué)院， 哈爾濱 150022)

介質(zhì)損耗角是反映變電站容性設(shè)備絕緣程度的重要指標(biāo)，在線監(jiān)測(cè)處理方法采用數(shù)字化測(cè)量技術(shù)。依據(jù)絕緣特性的老化機(jī)理，監(jiān)測(cè)數(shù)據(jù)具有一定的分散性和冗余性，因此，提出采用壓縮比可變的嵌入式零樹(shù)小波算法，對(duì)數(shù)據(jù)進(jìn)行有效的壓縮，提高信息管理的效率；利用最優(yōu)相關(guān)濾波電路，濾除鋸齒狀波動(dòng)和剔點(diǎn)等虛假信號(hào)，并將此信號(hào)轉(zhuǎn)換成頻域信號(hào)，通過(guò)小波重構(gòu)方法進(jìn)行特征值的提取。通過(guò)仿真分析驗(yàn)證，結(jié)果表明：對(duì)特征值的提取，可以提高容性設(shè)備絕緣診斷的準(zhǔn)確性，實(shí)驗(yàn)驗(yàn)證該方法可行。

嵌入式零樹(shù)小波算法； 最優(yōu)相關(guān)濾波； 小波重構(gòu)； 介質(zhì)損耗角； 在線監(jiān)測(cè)

0　引　言

根據(jù)絕緣特性的老化機(jī)理，變電站容性設(shè)備絕緣特性的變化非常緩慢，盡管數(shù)據(jù)具有一定的分散性，但波動(dòng)仍在一定范圍內(nèi)，說(shuō)明監(jiān)測(cè)數(shù)據(jù)具有冗余性。加上需要監(jiān)測(cè)的量和點(diǎn)數(shù)較多，如果能夠發(fā)現(xiàn)數(shù)據(jù)展現(xiàn)的規(guī)律性，對(duì)數(shù)據(jù)進(jìn)行有效的壓縮，將提高信息管理的效率；通過(guò)對(duì)特征值的有效提取，有助于提高絕緣診斷的準(zhǔn)確性[1-4]。針對(duì)變電站容性設(shè)備在線監(jiān)測(cè)的特性，常規(guī)的數(shù)據(jù)壓縮方法，如Huffman編碼、算數(shù)編碼和自適應(yīng) Huffman編碼,均存在的共性問(wèn)題是數(shù)據(jù)的相關(guān)性大，壓縮比不容易改變，壓縮速度慢等。筆者試圖采用改進(jìn)的嵌入式零樹(shù)小波算法，利用小波分解系數(shù)，通過(guò)選取不同閾值及變化壓縮比的方式，有效地解決這些問(wèn)題。

在線監(jiān)測(cè)數(shù)據(jù)穩(wěn)定性、重復(fù)性較差，必須對(duì)在線數(shù)據(jù)進(jìn)行預(yù)處理，剔除測(cè)量結(jié)果中的不良數(shù)據(jù)和虛假數(shù)據(jù)。利用3δ準(zhǔn)則和自適應(yīng)廣義形態(tài)濾波方法判斷異常數(shù)據(jù)[5]，前者可以減少脈沖性干擾和采樣元件引起的粗大誤差對(duì)在線監(jiān)測(cè)數(shù)據(jù)的影響，但存在判斷不準(zhǔn)確或遺漏；后者對(duì)介損在線數(shù)據(jù)中存在的加性白噪聲和調(diào)制性噪聲有較好的抑制作用，但沒(méi)有考慮其他因素的影響，難以保證設(shè)備絕緣診斷的可靠性[6]。為此，文中在硬件方面采用最優(yōu)相關(guān)濾波電路剔除抖動(dòng)帶來(lái)的相位噪聲，采用小波重構(gòu)方法，選取合適的閾值實(shí)現(xiàn)對(duì)數(shù)據(jù)的預(yù)處理。

1　容性設(shè)備介損在線監(jiān)測(cè)數(shù)據(jù)模型

容性設(shè)備絕緣老化趨勢(shì)非常緩慢，介損在線監(jiān)測(cè)數(shù)據(jù)可以看作是一個(gè)在時(shí)間上為連續(xù)變量的離散數(shù)據(jù)序列。由于設(shè)備絕緣狀況受到環(huán)境溫度、濕度及季節(jié)周期性變化、電力設(shè)備回路負(fù)荷變動(dòng)的影響，也會(huì)引起其介損值的相應(yīng)變化。此外，信號(hào)傳輸、電磁干擾等影響隨機(jī)性很強(qiáng)，在序列上表現(xiàn)為鋸齒狀波動(dòng)和剔點(diǎn)，可以視為數(shù)據(jù)中還存在一定量的附加白噪聲和脈沖性噪聲，為此考慮各種影響介損數(shù)據(jù)的因素，構(gòu)建其模型[7]：

tanδ(t)=tanδ0(t)+Δtanδr(t)+Δtanδw(t)+

Δtanδl(t)，

(1)

式中：tanδ(t)——實(shí)際介損監(jiān)測(cè)數(shù)據(jù)時(shí)間序列；

tanδ0(t)——反映絕緣基本特性，呈緩慢遞增趨勢(shì)，可考慮近似為tanδ(t)的直流分量；

Δtanδw(t)——反映氣象因素影響，可認(rèn)為是tanδ(t)的低頻分量；

Δtanδr(t)——反映各種隨機(jī)干擾的影響；

Δtanδl(t)——反映回路負(fù)荷變動(dòng)影響，可認(rèn)為是tanδ(t)的低頻分量。

對(duì)介損在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理，主要是從監(jiān)測(cè)數(shù)據(jù)序列中剔除Δtanδr(t)，即對(duì)數(shù)據(jù)進(jìn)行消噪處理，有助于提高診斷的有效性。

2　嵌入式零樹(shù)小波壓縮算法

小波變換是一種變分辨率的時(shí)頻聯(lián)合分析方法，符合在實(shí)際應(yīng)用中高頻信號(hào)持續(xù)時(shí)間短、低頻信號(hào)持續(xù)時(shí)間較長(zhǎng)的自然規(guī)律，尤其適合突變信號(hào)的檢測(cè)和非平穩(wěn)信號(hào)序列的分析。

設(shè)正交小波基的濾波器系數(shù)分別為hk和gk，尺度函數(shù)為φ(t)，其二尺度方程為

(2)

由式(2)定義：

(3)

式中：{un(t)}——由小波包確定的函數(shù)集合；

通過(guò)正交小波包的分解，可以降低在相同尺度上的小波系數(shù)之間的關(guān)聯(lián)性，但有較強(qiáng)的相關(guān)性在異同的小波系數(shù)之間存在。經(jīng)過(guò)正交小波包的變換，它的系數(shù)呈樹(shù)狀結(jié)構(gòu)，將根部的系數(shù)看作父系數(shù)，它的每個(gè)樹(shù)枝都有兩個(gè)分支，從而構(gòu)成樹(shù)結(jié)構(gòu)的一維小波系數(shù)。

首先，利用連續(xù)累計(jì)量化方式，設(shè)定量化層的量化閾值T0,T1,…,TN-1，使得一切小波系數(shù)xj，初始閾值T0符合|xj|<2T0,max|xj|>T0，后面的閾值滿足Ti=Ti-1/2。隨著量化層數(shù)的增多，量化結(jié)果的輸出越來(lái)越準(zhǔn)確，而量化閾值和壓縮比則成負(fù)相關(guān)性。

其次，進(jìn)行量化編碼，如圖1所示。對(duì)于一個(gè)確定的閾值T，若小波系數(shù)的絕對(duì)值大于該閾值，則重要，反之則不重要。在編碼過(guò)程中，用PS代表正重要系數(shù)，此時(shí)小波系數(shù)xj>T；用NS代表負(fù)重要系數(shù)，此時(shí)小波系數(shù)xj<-T；用ZR代表小波系數(shù)下的零樹(shù)根，此時(shí)小波系數(shù)的絕對(duì)值以及子系數(shù)都小于閾值；用IZ代表小波系數(shù)下的孤立零，此時(shí)小波系數(shù)的絕對(duì)值都小于閾值，但存在個(gè)別子系數(shù)大于閾值。

圖1　小波系數(shù)編碼數(shù)據(jù)流程

最后，進(jìn)行量化。量化過(guò)程的量化編碼需按次序進(jìn)行，連續(xù)累計(jì)量化方法的量化層包括兩個(gè)量化過(guò)程，即主量化過(guò)程(量化主要系數(shù))和次量化過(guò)程(剩余系數(shù))。在主量化過(guò)程中，小波系數(shù)的重要性編碼主要依據(jù)閾值序列的順序，編碼過(guò)程中會(huì)產(chǎn)生兩個(gè)獨(dú)立的序列：主序列和從序列。編碼之前，一切小波系數(shù)在主序列中，而從序列不包含小波系數(shù)，編碼中，如果某個(gè)小波系數(shù)為重要系數(shù)，接著判定此系數(shù)的符號(hào)，然后依照編碼模型編碼。所有為重要系數(shù)的小波系數(shù)將置在從序列中，主序列中的重要系數(shù)置零，保證一個(gè)系數(shù)一次編碼。次量化過(guò)程在主量化過(guò)程后，主要對(duì)加入到從序列的小波系數(shù)作一個(gè)外加的精度位截短，使精度滿足要求，數(shù)據(jù)量也減少了，接著進(jìn)程將這個(gè)閾值減半，繼續(xù)主量化過(guò)程，繼而重復(fù)上述過(guò)程。編碼的逆過(guò)程是解碼。

3　基于濾波思想的預(yù)處理及數(shù)據(jù)提取方法

依據(jù)容性設(shè)備介損在線監(jiān)測(cè)數(shù)據(jù)模型，選擇合適的低通濾波器，濾除高次諧波和各種隨機(jī)干擾分量，得到絕緣特性基本變化趨勢(shì)；從時(shí)域角度分析，高次諧波和各種隨機(jī)干擾分量的變化周期遠(yuǎn)遠(yuǎn)小于絕緣基本特性變化周期。因此，選用寬度合適的平滑濾波器，亦能將數(shù)據(jù)中的噪聲分量消除。

3.1最優(yōu)相關(guān)濾波測(cè)量諧波方法

3.1.1最優(yōu)相關(guān)濾波檢測(cè)相位的原理

實(shí)際工作中的電網(wǎng)有高次諧波各種隨機(jī)信號(hào)的干擾。所以依據(jù)電網(wǎng)實(shí)際情況，建立數(shù)學(xué)模型[8]：

u(t)=[1+α(t)]U1msin(ωt+φu)+

(4)

i(t)=[1+β(t)]I1msin(ωt+φi)+

(5)

式中：u1(t)、i1(t)——基波u1(t)=U1msinωt,

i1(t)=I1msin(ωt+φi)；

δ——介質(zhì)損耗角，δ=π/2-φi；

ξ(t)、η(t)——加性噪聲，與u(t)、i(t)不相關(guān)；

α(t)、β(t) ——調(diào)制性噪聲。

為提取沒(méi)有噪聲和高次諧波的噪聲信號(hào)，對(duì)基波分量的正余弦信號(hào)進(jìn)行同步采樣，可以消除各種噪聲及高次諧波的影響，提高測(cè)量精度。最優(yōu)相關(guān)濾波檢測(cè)相位電路如圖2所示。

圖2　最優(yōu)相關(guān)濾波檢測(cè)相位電路原理

Fig. 2Blockofmeasurementonphasecircuitbasedonoptimizationcorrelationfilter

假設(shè)調(diào)制性噪聲為零，由式(4)、(5)及圖2可得：

1/2U1msinφuE[cos 2ωt]+

U1mcosφuE[sinωtcosωt]+

(6)

(7)

介質(zhì)損耗角

δ=π/2-(φi+φu)。

3.1.2調(diào)制性噪聲的處理

調(diào)制性噪聲使電網(wǎng)的電壓和電流產(chǎn)生很大的波動(dòng)，如不正確處理，將使測(cè)量結(jié)果產(chǎn)生很大的誤差，甚至沒(méi)有意義?？紤]調(diào)制性噪聲影響時(shí)，基波信號(hào)可以寫(xiě)成:

u1(t)=[1+α(t)]U1msin(ωt+φu)，

(8)

i1(t)=[1+β(t)]I1msin(ωt+φi)。

(9)

電壓路乘法器輸出信號(hào)中基波信號(hào)u1(t)與標(biāo)準(zhǔn)余弦、正弦信號(hào)相乘的輸出信號(hào)為：

ua1(t)=u1(t)cosωt，

(10)

ub1(t)=u1(t)sinωt，

(11)

把式(7)代入式(10)得

ua1(t)=1/2U1msinφu+1/2U1mα(t)sinφu+1/2U1msinφucos 2ωt+1/2U1mcosφusin 2ωt+1/2U1mα(t)cosφusin 2ωt+1/2U1mα(t)×sinφucos 2ωt。

(12)

調(diào)制性噪聲α(t)的主要成分是頻率遠(yuǎn)小于50 Hz的低頻噪聲，α(t)sin 2ωt、α(t)cos 2ωt是被α(t)調(diào)制的中心頻率在2ω處的調(diào)制信號(hào)。ua1(t)經(jīng)低通濾波后，式(12)中的第3、4、5、6項(xiàng)將被濾除，同時(shí)高次諧波的調(diào)制性噪聲也將被濾除。由于α(t)可能包含頻率極低的成分，而低通濾波器的截止頻率又不可能設(shè)計(jì)的無(wú)限小，所以α(t)不能被完全濾除。令其經(jīng)濾波器后變?yōu)棣痢?t)，若兩路濾波器參數(shù)相同，濾波器的輸出為：

(13)

(14)

3.2基于小波變換的趨勢(shì)提取方法

最優(yōu)相關(guān)濾波在對(duì)調(diào)制性噪聲濾波時(shí)，雖然不影響相位的測(cè)量，但仍有部分噪聲進(jìn)入系統(tǒng)，產(chǎn)生頻譜泄漏和柵欄效應(yīng)。為此，在硬件濾波的同時(shí)，還需要軟件濾波，對(duì)數(shù)據(jù)進(jìn)行平滑處理。文中采用小波消噪原理，通過(guò)小波分解和重構(gòu)，并合理設(shè)置閾值的方式進(jìn)行消噪。

采用門(mén)限閾值形式對(duì)小波系數(shù)進(jìn)行處理，將噪聲部分置零，或者減小到一個(gè)合適的值。處理完小波系數(shù)之后，對(duì)小波進(jìn)行重構(gòu)，噪聲部分已被消除。

4　仿真分析

為驗(yàn)證壓縮算法和預(yù)處理算法，數(shù)據(jù)取自哈東變電所。圖3為原始數(shù)據(jù)和在選擇不同閾值時(shí)的壓縮效率，明顯看出，重構(gòu)信號(hào)與原始信號(hào)之間的誤差隨著閾值的逐漸增大而增大，經(jīng)過(guò)壓縮的數(shù)據(jù)亦可反映原始信號(hào)的特點(diǎn)。

圖4為處理帶有噪聲的不同層次下的低頻信號(hào)與原始數(shù)據(jù)的在線監(jiān)測(cè)數(shù)據(jù)的效果，可以看出不同重構(gòu)下，還原信號(hào)的能力不同，重構(gòu)層次越多，還原信號(hào)的能力越強(qiáng)，算法需要的時(shí)間越多，在實(shí)際應(yīng)用中還要和壓縮閾值層次匹配。

圖5為處理帶有噪聲的最優(yōu)相關(guān)濾波與原始數(shù)據(jù)的在線數(shù)據(jù)監(jiān)測(cè)效果。由于最優(yōu)相關(guān)濾波在測(cè)量方法上，利用矢量正交分解，在測(cè)量原理上能夠完全剔除加性噪聲和調(diào)制性噪聲，但要求低通濾波器的截止特性要好。

圖6a為原始信號(hào)(一個(gè)帶有突變點(diǎn)的正弦波信號(hào))、圖6b為帶有噪聲信號(hào)(原始信號(hào)疊加噪聲)在小尺度j為1、2及固定閾值時(shí)的仿真波形。從圖6中可以看出，利用小波變換的時(shí)頻局部化特性，通過(guò)分解找到原始信號(hào)中的故障點(diǎn)的位置，并且檢測(cè)出的突變點(diǎn)幅值隨著突變點(diǎn)的變化強(qiáng)弱而變化。

圖3　不同閾值下的壓縮效率與原始數(shù)據(jù)

圖4　采用小波重構(gòu)處理的加有噪聲信號(hào)的介損在線監(jiān)測(cè)數(shù)據(jù)

圖5　采用最優(yōu)相關(guān)濾波處理帶有噪聲的介損在線監(jiān)測(cè)數(shù)據(jù)

圖6　原信號(hào)與帶噪信號(hào)的小波變換在小尺度仿真波形

5　結(jié)　論

(1)依據(jù)嵌入式零樹(shù)小波包壓縮算法，通過(guò)選擇不同的閾值及壓縮比，有效地分離出數(shù)據(jù)中規(guī)律性成分與噪聲分量，重構(gòu)信號(hào)與原始信號(hào)基本相同。

(2)采用小波變換的方法提取在線監(jiān)測(cè)數(shù)據(jù)的趨勢(shì)，不僅能處理非平穩(wěn)序列，還可以處理寬帶噪聲在傳統(tǒng)數(shù)字濾波方法上存在的局限性。

(3)采用最優(yōu)相關(guān)濾波理論與對(duì)基波正弦、余弦分量的同步采樣方法相結(jié)合的方式，能濾除大信噪比下的高次諧波和加性噪聲，可以提取不含調(diào)制性噪聲的基波信號(hào)。

[1]沈顯慶. 容性設(shè)備介質(zhì)損耗角的分布式測(cè)量關(guān)鍵技術(shù)的研究[D]. 沈陽(yáng)： 沈陽(yáng)工業(yè)大學(xué)， 2010.

[2]黃晶. 基于小波和改進(jìn)相關(guān)分析的介損值算法研究及其應(yīng)用[D].長(zhǎng)沙： 湖南大學(xué)， 2006.

[3]王劉旺. 容性電力設(shè)備絕緣監(jiān)測(cè)數(shù)據(jù)分析與特征提取[D]. 北京： 華北電力大學(xué)， 2013.

[4]陳海文. 基于小波去噪結(jié)合高階正弦擬合法的介質(zhì)損耗角測(cè)量技術(shù)研究[D]. 鎮(zhèn)江： 江蘇大學(xué)， 2013.

[5]袁飛， 楊震男， 盧毅. 一種基于相對(duì)比較法測(cè)量容性設(shè)備介質(zhì)損耗的濾波算法[J]. 電力系統(tǒng)保護(hù)與控制， 2015， 43(9)： 95-100.

[6]沈顯慶. 變電站容性設(shè)備介質(zhì)損耗角的高精度測(cè)量方法[J].黑龍江科技大學(xué)學(xué)報(bào)， 2014， 24(1)： 91-94.

[7]王劍. 電容性設(shè)備介質(zhì)損耗角tanδ的監(jiān)測(cè)技術(shù)研究[J]. 儀表技術(shù)與傳感器， 2014(3)： 82-84.

[8]郭松林， 王吉元. 基于小波變換的相關(guān)函數(shù)介質(zhì)損耗角測(cè)量算法[J]. 黑龍江科技大學(xué)學(xué)報(bào)， 2012， 22(3)： 273-276.

(編輯徐巖)

Research on data compression and pretreatment method of substation capacitive equipment dielectric loss angle on-line monitoring

SHENXianqing,DUANXiaolong

(School of Electrical & Control Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China)

Dielectric loss angle is an important index reflecting insulation degree of substation capacitive equipment. On-line monitoring and processing method uses the digital measurement technology. This paper proposes an embedded zero tree wavelet algorithm with variable compression ratio designed for overcoming dispersion and redundancy in monitoring data due to aging mechanism of insulation characteristic. This algorithm works by effectively compressing data, improving the efficiency of information management, filtering out false signals such as serrated wave and faulty value using optimal related filter circuit, and transforming the signal to the frequency domain signal, and extracting the eigenvalues by the method of wavelet reconstruction. Both simulation and verification show that the algorithm affords an improved accuracy of capacitive equipment insulation diagnosis.

embedded zerotree wavelet algorithm； optimization correlative filter； wavelet reconstruction； dielectric loss angle； on-line monitoring

2016-02-16

黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目(12541697)

沈顯慶(1969-)，男，吉林省通化人，教授，博士，研究方向：電力系統(tǒng)絕緣參數(shù)檢測(cè)與數(shù)據(jù)處理，E-mail：shenxianqing2001@163.com。

10.3969/j.issn.2095-7262.2016.02.016

TM835.4

2095-7262(2016)02-0187-05

A