文/葛少偉 侯建峰 鄺濤 王家斌 周金寶

1 引言

局部放電檢測技術(shù)的難點(diǎn)之一是電力設(shè)備的運(yùn)行環(huán)境復(fù)雜，并且局部放電屬于瞬態(tài)微弱信號(hào)，局部放電監(jiān)測設(shè)備常處于強(qiáng)電磁環(huán)境中，檢測的原始信號(hào)一般包含多種干擾信號(hào)和不同類型的局部放電信號(hào)，不同類型的局部放電信號(hào)疊加同樣也會(huì)給局部放電的診斷造成困難，因此要對局部放電進(jìn)行準(zhǔn)確測量前，必須對各種干擾信號(hào)進(jìn)行排除，從而準(zhǔn)確地進(jìn)行電氣設(shè)備故障診斷和故障處理。

本文提出了一種小波自適應(yīng)閾值降噪方法，不但能夠較好的保證信號(hào)的局部化特征，而且能夠從復(fù)雜干擾中有效提取局部放電信號(hào)，可用于高壓電纜局部放電降噪。

2 小波閾值降噪方法

用于局放信號(hào)的小波去噪方法主要有：模極大值法和閾值法兩類。模極大值法實(shí)現(xiàn)過程比較復(fù)雜，重構(gòu)信號(hào)誤差較大。閾值法算法簡捷，在局部放電信號(hào)去噪中應(yīng)用較多。

一般來講，小波閾值去噪主要由以下3個(gè)步驟組成：

（1）小波分解；

（2）小波分解系數(shù)閾值量化；

（3）信號(hào)重構(gòu)。

2.1 小波分解

選定小波母函數(shù)和分解層數(shù)后，可以對信號(hào)進(jìn)行多尺度小波分解。典型的3層分解見圖1所示。

圖1：3層小波分解結(jié)構(gòu)

2.2 小波分解系數(shù)閾值量化

小波分解能夠使有用的局放信號(hào)集中在小波域數(shù)值大的系數(shù)上，而噪聲是分布在整個(gè)小波域上，對應(yīng)的小波系數(shù)也較小，因此通過在不同尺度上選取恰當(dāng)?shù)拈撝?，將小于閾值部分的系?shù)作為干擾噪聲去除，從而實(shí)現(xiàn)降噪。閾值選取方法較多，主要有Sqtwolog通用閾值式、Heursure混合閾值式、Minmax最大最小準(zhǔn)則閾值式等。

圖2：局放信號(hào)與干擾信號(hào)模擬裝置

圖3：原始波形

2.3 信號(hào)重構(gòu)

根據(jù)小波分解底層得到的低頻系數(shù)及閾值處理得到的各層高頻系數(shù)，通過小波逆變換進(jìn)行信號(hào)重構(gòu)，最終實(shí)現(xiàn)去噪。

3 試驗(yàn)驗(yàn)證

為了驗(yàn)證局部放電中小波自適應(yīng)降噪的效果，如圖2所示，使用局放信號(hào)與干擾信號(hào)模擬裝置在試驗(yàn)中將不同類型的局部放電信號(hào)與干擾信號(hào)相互疊加，對生成的數(shù)據(jù)進(jìn)行小波降噪。

對圖3中檢測的原始信號(hào)波形經(jīng)db4小波8層分解后分別選?。簊qtwolog、regrsure、heursure和minimaxi四種閾值處理后的波形如圖4所示。

從圖4中可以看出，db4小波的8層分解對原波形的降噪效果比較理想，但是不同濾波閾值的選取對最終濾波后波形影響較大。從圖4可以看出，minimaxi和sqtwolog閾值規(guī)則對高頻脈沖的過濾效果最好，但是本試驗(yàn)注入的脈沖為單脈沖，濾波波形中實(shí)際的脈沖應(yīng)為幅值最大的那個(gè)，然而在這兩種閾值規(guī)則下，波形中的起始脈沖并不是實(shí)際注入的脈沖，即這兩種閾值規(guī)則無法過濾實(shí)際脈沖前的一小段周期性的噪聲信號(hào)。而在rigrsure和heursure閾值規(guī)則下，雖然這兩種閾值規(guī)則對周期性噪聲干擾的過濾效果一般，但是經(jīng)過這兩種規(guī)則的濾波后，波形中脈沖起始位置的信息仍被保留下來。在后續(xù)分析時(shí)使用的脈沖起始時(shí)刻判斷算法中考慮到信號(hào)的噪聲因素，需要對脈沖的噪聲功率進(jìn)行估計(jì)，因此不宜對原始信號(hào)進(jìn)行過度的濾波處理。

綜上因素，本章選擇使用db4小波對檢測點(diǎn)采集的信號(hào)進(jìn)行8層分解，并用heursure閾值規(guī)則對分解后的高頻系數(shù)進(jìn)行濾波。

4 結(jié)論

本篇提出了一種小波自適應(yīng)閾值降噪方法，不但能夠較好的保證信號(hào)的局部化特征，而且能夠從復(fù)雜干擾中有效提取局部放電信號(hào)，可用于高壓電纜局部放電降噪。

圖4：濾波后波形