基于自適應集合經驗模態分解算法的局部放電信號降噪研究

孫 聰 鞠鵬飛 李大華 李 棟

基于自適應集合經驗模態分解算法的局部放電信號降噪研究

孫 聰1,2鞠鵬飛1,3李大華1,2李 棟1,2

（1. 天津理工大學電氣電子工程學院，天津 300384；2. 天津理工大學機械工程學院天津市先進機電系統設計與智能控制實驗室，天津 300384；3. 天津理工大學機電工程國家級實驗教學示范中心，天津 300384）

高壓開關柜被廣泛應用在電網體系中，保障其運行安全穩定尤為重要。本文針對目前在分析高壓開關柜局部放電過程中存在窄帶干擾及其他噪聲干擾等問題，提出一種新的降噪算法——自適應集合經驗模態分解（AEEMD），其核心思想為在原始信號中加入白噪聲后只分解一階模式，然后將噪聲不斷加到剩余信號中進行循環處理。該方法簡化了去噪過程，并減少了模態混疊現象。試驗結果表明，通過該方法所得到的信號波形與實測原始信號波形基本一致，同時與另外兩種算法對比體現出其優越性。

局部放電；信號降噪；窄帶干擾；算法對比

0 引言

高壓開關柜是電網系統中非常重要的裝置，它關乎著供電安全，在國家工業的正常運轉和人們日常生活的正常推進中，扮演著十分重要的角色，因此保證其安全可靠運行是維系電力網絡穩定的必然要求[1-3]。

評價開關設備狀態的重要依據是局部放電測量的結果，開關柜的局部放電檢測通常要結合暫態對地電壓（transient earth voltages, TEV）檢測法和超聲波（acoustic emission, AE）檢測法[4-6]，這兩種檢測方法為開關柜局部放電檢測提供了有力的技術支持[7-9]。

本文提出一種自適應集合經驗模態分解（adaptive ensemble empirical mode decomposition, AEEMD）算法對原始放電信號進行降噪處理[10-13]，并與常用的兩種去噪算法進行對比[14-19]，驗證本文所提方法的優越性。

1 高壓開關柜局部放電的原因

在開關柜運行過程中，開關柜各部分的電場強度是不同的，當某一區域的電場強度達到擊穿電場強度時，就會出現放電而不破壞絕緣系統的現象，稱為局部放電（partial discharge, PD）現象[2]。

局部放電導致脈沖電流的釋放和產生，并且脈沖電磁波會伴隨著局部放電產生并向外輻射，在正負顆粒的影響下直接引起光的釋放和產生。局部放電也可能導致開關柜周圍的介質被分解，進而使其產生一些被分解物。同時，在局部放電過程中也會直接產生諸如臭氧等化學物質，當這些化學物質遇到水分子后就會被轉變為對絕緣體具有腐蝕性的酸性物質，進一步減弱絕緣體的性能。引起局部放電的主要原因有以下幾點：

1）絕緣子表面和內部存在一定的氣隙，導致相應的強度放電現象。

2）絕緣體中某種導電材料邊緣相對集中的電場環境，也會引起局部放電問題。

3）在電場強度相對密集的開關柜的高壓端口，電介質暴露在空氣中也可能引起局部放電問題。

2 TEV檢測法和AE檢測法

針對不同的檢測物理量，開關柜局部放電檢測方法可分為電檢測法和非電檢測法。

目前，在開關柜內局部放電檢測中，電檢測方法應用比較多的有脈沖電流檢測法、超高頻電壓檢測法及TEV檢測法。在開關柜中廣泛采用的非電檢測法主要有兩種，即溫度檢測法和AE檢測法[3]。

2.1 TEV信號的發現及檢測方法

瞬態對地電壓是由Dr. John Reeves在1974年首次發現并命名的，而后大量實驗表明，TEV信號的頻率范圍基本固定在3～100mHz之間，并且在3～30mHz之間的信號相對較強。

應用TEV法進行檢測，首先要在機柜外表面安裝TEV傳感器，采集TEV信號并對其進行放大處理，然后對采集到的信號進行降噪處理，最后對信號進行對比分析來判斷是否存在異常放電現象[4]。

2.2 AE檢測法

利用超聲波傳感器將開關柜發生局部放電時產生的沖擊波，由超聲振動信號轉化為數字信號的方法稱為超聲波檢測法。該檢測方法的優點是對局部放電信號的抗干擾能力較強，缺點是檢測的效果容易受到復雜機械噪聲的影響[5]。

由于超聲波在固體中傳播時衰減很快，為了更好地接收信號，檢測時要將傳感器安置在柜體的縫隙處，將超聲波換能器安裝在開關柜外殼上，用壓電晶體作為聲電換能器。

3 自適應集合經驗模態分解算法

經驗模態分解（empirical mode decomposition, EMD）算法作為改進算法的基礎算法，其時頻特性良好而且自適應性較強，但由于模態混疊嚴重，不利于信號去噪分析[8]。

利用集合經驗模態分解（ensemble empirical mode decomposition, EEMD）算法對信號進行分解時只對信號的一階模式進行分解，直到信號的剩余部分達到EEMD分解終止條件。去除第一階模式后，將噪聲加入殘差信號，并在下一階段對殘差信號進行分解，該算法很大程度上消除了模態混疊現象，但該方法的復雜性和計算的多面性也隨之提高[11]。為了解決這一問題，本文提出了新型降噪算法AEEMD，算法流程如圖1所示。

AEEMD算法的具體步驟如下：

圖1 AEEMD算法流程

6）構建新的信號用于下一次分解，即

從式（1）～式（10）可以看出，AEEMD算法巧妙地利用了白噪聲譜均勻傳輸的特性。使信號能在白噪聲背景下投影，并在整個時頻空間上傳播。

把原始信號分解為一系列按照頻率順序從高到低依次排列的IMF分量。通過分析相應的噪聲性能評價指標來確定各個階段的IMF分量是否存在噪聲或者信號。去除噪聲的分量，對其中剩余部分IMF分量進行重組，得到降噪信號[15]。

本文提出一種基于能量密度和平均周期的IMF相關系數法來選擇重構的IMF分量。選擇重構的IMF分量是降噪過程中的一個關鍵步驟，能量密度和平均周期的計算公式分別為

考慮到不同模態分量中高斯白噪聲的能量密度與平均周期之積為常數，定義S為次IMF的能量密度和平均周期的乘積，則有

式中，S為次IMF的能量密度和平均周期的乘積。

AEEMD算法的裕度不依賴每次添加噪聲后的獨立分解，而是依賴最后一次分解的裕度。結合能量密度和平均周期IMF的相關系數法，自適應地選擇降噪重構的本征模態分量。通過分析相應的噪聲性能評價指標來確定各個階段的IMF分量是否存在噪聲或者信號，去除噪聲的分量，對其中剩余部分IMF分量進行重組，依此循環最終得到降噪信號，從而實現局部放電信號的自適應分解。

4 實驗結果及分析

脈沖信號由雙指數振蕩衰減模型進行理論分析，雙指數振蕩衰減模型計算公式為

表1 局部放電仿真模型參數

噪聲信號的AEEMD根據獲取的7個因子來完成，RS8是信號余量，模態函數的AEEMD如圖2所示。

圖2 模態函數的AEEMD

從圖2可以看出，PD信號基本存在于IMF1和IMF2模式中，白噪聲信號主要集中在IMF3模式中。IMF4～IMF6模式包含不同頻率窄帶周期性干擾信號，IMF7為分解的錯誤部分。

此外，IMF的過渡是漸進自然的，不同尺度的頻率分量明顯分離。此外，本文所提AEEMD方法可以將PD信號從干擾信號中分離出來，減少模態混疊現象。為了進行去噪后的波形特性評估，對信噪比（signal-to-noise ratio, SNR）、波形相關系數（normalized correlation coefficient, NCC）和方均根誤差（root-mean-square error, RMSE）估計為[16]

表2 三種去噪算法的評價指標值

通過比較表2的前兩組數據可以得出，小波去噪法的RMSE值比基于EMD的閾值去噪法的RMSE值低（RMSE值越小越好），但SNR值和NCC值都比其低（SNR、NCC值越大越好），表明這兩種方法的去噪程度都不夠精細[17-19]，而AEEMD去噪的三個指標都優于前兩種方法，說明所提方法的去噪效果較好，也進一步說明了該方法更適合在局部放電去噪中應用。

為了驗證降噪效果，按照圖3所示的局部放電試驗接線進行放電信號的采集。全向天線帶寬為0.2～2GHz，示波器的采樣率為5GS/s，以每個工頻周期采樣的放電信號為樣本。

圖3 開關柜局部放電試驗接線

圖4和圖5為局部放電試驗中高壓電源和針板模型的實物，通過調節高壓電源的電壓進而控制局部放電信號幅值。試驗中使開關柜發生局部放電的最低電壓為7kV，經過多次實驗最終將電壓幅值確定為10kV，其余幅值區間的信號變化并不明顯。

圖4 高壓電源接線

圖5 實驗室針板模型實物

通過對采集到的PD信號進行去噪，并對三種降低信號的方法進行比較和分析，驗證了所要求的降低信號方法在設計中的有效性，如圖6所示。

圖6（a）為實驗室采集到的原始信號波形。從圖6（b）可以看出，小波去噪法基本上完成了局部放電信號的去噪處理，但原始信號頻譜的一小部分丟失了，去噪后仍然存在一些噪聲毛刺。通過圖6（c）和圖6（d）可以看出，基于EMD的閾值去噪法和AEEMD去噪法都比較成功地進行了局部放電信號的去噪，并且很大程度上抑制了信號降噪后噪聲毛刺的產生，其中圖6（d）處理效果優于圖6（c）。

完成PD信號測量后對三種方法進行去噪頻譜分析，得到的結果如圖7所示。

圖7 PD信號去噪后的頻譜分析

從圖7可以看出，AEEMD去噪后的頻率分布曲線優于基于EMD的閾值去噪后的頻率分布曲線，與原始信號的頻率分布曲線更接近，這是因為每次經過AEEMD方法得到的邊緣不依賴于每次噪聲相加后的獨立分解邊緣，但它依賴于最后一次分解的邊緣，從而減小了重構誤差，使信號恢復更加真實。

5 結論

通過分析局部放電問題的產生和局部放電信號的檢測及對窄帶干擾等問題的處理得出了以下結論：

1）新型的降噪算法成功抑制了窄帶干擾信號，并很大程度上保持了原始信號的頻譜波形，而且該方法不存在選擇基函數和分解層數的問題。

2）在去噪過程中，降噪算法對局部放電信號進行了完全去噪，并保持了每個分量的閾值去噪特征。

[1] 陳路易. 高壓開關柜故障檢測與預警系統研究[D].淮南: 安徽理工大學, 2019.

[2] 劉財明. 氣體絕緣開關設備局部放電帶電檢測綜合應用[J]. 電氣技術, 2020, 21(10): 117-122.

[3] 徐兆丹. 10kV開關柜局部放電檢測技術分析[J]. 電工技術, 2020(24): 102-104.

[4] 程曦. 基于TEV和超聲波法的高壓開關柜局部放電綜合檢測方法及診斷技術[D]. 北京: 華北電力大學, 2017.

[5] 孟祥海, 王文華, 彭飛. 超聲波測試技術在高壓開關柜局部放電檢測定位中的應用[J]. 電氣應用, 2019, 38(3): 108-112.

[6] 孫進, 梅凡, 陳月, 等. 聲電聯合檢測法在開關柜局部放電事故分析中的應用[J]. 電工技術, 2020(24): 94-95.

[7] 陳磊, 唐建, 王智睿. 開關柜局部放電超高頻在線監測天線的研究[J]. 電氣技術, 2019, 20(5): 24-28, 32.

[8] KEDADOUCHE M, THOMAS M, TAHAN A. A com- parative study between empirical wavelet transforms and empirical mode decomposition methods: appli- cation to bearing defect diagnosis[J]. Mechanical Systems and Signal Processing, 2016, 81: 88-107.

[9] ROOSTAEE S, THOMAS M S, MEHFUZ S. Experi- mental studies on impedance based fault location for long transmission lines[J]. Protection and Control of Modern Power Systems, 2017, 2(1): 1-9.

[10] ZHU Bangzhu, MA Shujiao, XIE Rui, et al. Hilbert spectra and empirical mode decomposition: a multiscale event analysis method to detect the impact of economic crises on the European carbon market[J]. Computational Economics, 2018, 52(1): 105-121.

[11] 王永強, 李長元, 胡芳芳, 等. 基于改進EMD的GIS局部放電特高頻信號降噪方法研究[J]. 電測與儀表, 2017, 54(9): 1-5, 29.

[12] 胡威. 局部放電超聲信號檢測與小波包變換在信號去噪中的應用[D]. 昆明: 昆明理工大學, 2016.

[13] 王異凡, 朱冠霖, 王兆強, 等. 基于改進小波閾值的GIS局部放電在線監測白噪聲干擾抑制研究[J]. 高壓電器, 2019, 55(3): 37-43, 50.

[14] 張彪, 焦良葆, 史塨毓, 等. 基于小波去噪的開關柜局部放電聲檢測方法[J]. 南京工程學院學報(自然科學版), 2018, 16(4): 55-60.

[15] 丁一, 張磐, 戚艷, 等. 基于EEMD-CCA組合去噪的新型配電開關柜局部放電抗干擾檢測[J]. 電子器件, 2020, 43(6): 1335-1340.

[16] 高佳程, 田蘊卿, 朱永利, 等. 基于完全集合經驗模態分解和排列熵的局部放電信號的小波包去噪方法[J]. 電力系統及其自動化學報, 2018, 30(3): 1-7.

[17] 秦金飛, 朱琦, 周瑋, 等. 基于經驗小波與小波變換的GIS局部放電信號去噪方法研究[J]. 高壓電器, 2019, 55(7): 70-77, 86.

[18] 錢帥偉, 彭彥軍, 周澤民, 等. 以提升小波包系數熵為特征值的隱馬爾科夫電纜局部放電識別[J]. 電氣技術, 2020, 21(10): 93-102.

[19] 馬星河, 張登奎. 基于改進經驗小波變換的高壓電纜局部放電噪聲抑制研究[J]. 電工技術學報, 2021, 36(增刊1): 353-361.

Research on noise reduction of local discharge signal based on adaptive ensemble empirical mode decomposition algorithm

SUN Cong1,2JU Pengfei1,3LI Dahua1,2LI Dong1,2

(1. School of Electrical and Electronic Engineering, Tianjin University of Technology, Tianjin 300384;2. Tianjin Advanced Mechatronic System Design and Intelligent Control Laboratory, School of Mechanical Engineering, Tianjin University of Technology, Tianjin 300384;3. National Experimental Teaching Demonstration Center of Mechanical and Electrical Engineering, Tianjin University of Technology, Tianjin 300384)

High voltage switchgear is widely used in power system, so it is very important to ensure its safe and stable operation. Aiming at the problems of narrow-band interference and other noise interference in the analysis of partial discharge of high-voltage switchgear, a new noise reduction algorithm called adaptive ensemble empirical mode decomposition (AEEMD) is proposed in this paper. The core idea of the proposed algorithm is to decompose only the first-order mode after adding white noise to the original signal, and then add noise to the remaining signal for cyclic processing. The denoising process is simplified and modal aliasing is reduced. Experimental results show that the signal waveform obtained by this method is basically consistent with the measured original signal waveform, and it is superior to the other two algorithms.

partial discharge; signal denoising; narrowband interference; algorithm contrast

2021-09-09

2021-10-10

孫 聰（1996—），男，碩士研究生，研究方向為高壓開關柜局部放電檢測系統的研究。