變電運維設備中電源噪聲信號優化檢測方法研究

劉 俊

（國網蘇州供電公司，江蘇 蘇州 215000）

隨著電子科技和計算機技術的迅猛發展，很多電子產品已經在航空航天、運輸、醫學以及電力等行業得到了越來越多的應用[1]。電源噪聲信號優化檢測方法是目前國內外變電運維研究領域的熱點之一，也受到了很多學者的關注，并在很多領域都取得了重大成果[2]。然而，隨著科學技術的進步，變電運維設備中的電源電路變得越來越復雜，不僅電源電路的響應和參數可能會有所不同，而且還會出現非線性現象以及反饋環路的差異，這些都使得電源噪聲信號的檢測變得越來越困難，檢測過程也會更加復雜。

陳建國等人[3]采用譜校正技術對通信系統中的噪聲進行峰值檢測。首先，通過對無線信道中的聲源進行定位，利用線性濾波等方法，實現含噪目標的準確定位；然后，通過對含噪信號的離散光譜進行離散譜的解析，研究如何利用光譜校正方法，實現光譜中的“障礙物”“光譜泄露”等現象的修正，通過調整光譜的空間分布和譜線的幅值，使變化后的光譜恢復至初始態。試驗證明，該方法運行穩定、檢測時間短、檢測精度高。

1 電源噪聲信號優化檢測方法設計

1.1 提取電源噪聲信號特征

利用小波變換對變電運維設備中的電源噪聲信號特征進行提取時，存在著信號特征集合過大，提取精度低等問題[4]，需要在提取過程中，合理降低其特征數量，提取出主要的特征即可，具體如下。

在R級尺度下，利用小波變換，分解變電運維設備的電源噪聲信號，得到一個接近于噪聲信號的信號將其長度定義為L，利用公式（1）給出電源噪聲信號特征X的第R維分量XR，即：

在歸一化處理的基礎上[5]，得到電源噪聲信號的特征矢量X'，利用公式（2）提取出電源噪聲信號的R維特征分量，即：

利用歸一化處理，得到電源噪聲信號的特征矢量，提取出艦船噪聲信號特征。

1.2 過濾電源噪聲信號的異常值

為了提高變電運維設備電源噪聲信號的檢測質量，本文引入模糊聚類算法[6]，對電源噪聲信號進行聚類處理，通過差分運算，獲取高質量的電源噪聲信號，具體步驟如下：

Step1：將電源噪聲信號的時域特征與頻域特征進行乘法運算，得到含有異常值的電源噪聲信號y(n)=J+kR，選擇一個噪聲信號的波長作為過濾周期，在模糊聚類算法下，對電源噪聲信號y(n)進行聚類處理，并將其轉換成具有周期特征的聚類信號。

定義Mms表示電源噪聲信號的生成時間，在一個波長內，電源噪聲信號的采樣值為Y，通過收集所有采樣值生成一個Y點序列。

Step2：對電源噪聲信號的時域特征與頻域特征進行循環計算，得到信號的異常值Z，即：

式（3）中，φ表示電源噪聲信號的擾動因子，sk表示模糊聚類算法的輸出值，th表示電源噪聲信號的生成通道，ts表示電源噪聲信號序列的原始時間點，X表示采樣點數量。

Step3：對于后期輸入的電源噪聲信號，重復操作Step1 和Step2，將循環計算的結果代入模糊聚類算法中，經過聚類處理之后，得到如公式（4）的聚類結果U：

公式（4）中，γf表示電源噪聲信號的聚類輸出值，γd表示電源噪聲信號經過聚類處理之后的輸入值，vR表示聚類系數。

Step4：在聚類結果U中，如果電源噪聲信號的最大峰值大于閾值，說明電源噪聲信號的異常值過濾成功，否則需要重新搜索。

在過濾電源噪聲信號的異常值過程中，先設置一個過濾步長Δλ，在該步長下，構建電源噪聲信號的二次曲線模型ai，表示為：

式（5）中，τi表示電源噪聲信號的聚類值，B、c和?表示聚類因子。

根據電源噪聲信號的二次曲線特征，得到電源噪聲信號的頻移?min，即：

將Step4 中成功過濾的電源噪聲信號異常值與公式（6）的頻移進行疊加，實現電源噪聲信號異常值的快速過濾，即：

按照以上步驟，過濾了電源噪聲信號的異常值，接下來通過設計電源噪聲信號檢測算法，實現電源噪聲信號的檢測。

1.3 設計電源噪聲信號檢測算法

過濾掉電源噪聲信號的異常值之后，對變電運維設備的電源噪聲信號進行檢測。假設bi表示電源噪聲信號xi的類別，將bi中前p個樣本作為正類樣本，其余的樣本都作為負類樣本，利用公式（8）給出電源噪聲信號檢測的約束條件為：

式（8）中，ξ表示噪聲信號檢測的松弛變量，C+和C-表示正、負電源噪聲信號樣本的懲罰因子，表示信號檢測的隸屬度函數，Φ(xi)表示變電運維設備電源噪聲信號的非線性映射形式。

利用K 近鄰算法確定電源噪聲信號的聚類中心[7]，選擇電源噪聲信號樣本與聚類中心之間的距離為評價指標，利用公式（9）計算出正樣本xi周圍的緊密程度即：

式（9）中，K表示K 近鄰算法的系數，N+K(xi)表示電源噪聲信號正樣本集合。

綜上所述，在電源噪聲信號檢測的約束條件下，計算了電源噪聲信號樣本的緊密程度，根據信號樣本的分布，實現電源噪聲信號的檢測。

2 實例分析

2.1 實驗環境

為了驗證文中方法在變電運維設備電源噪聲信號檢測中的可行性，選擇一臺變電運維設備為研究對象，實驗需要保證服務器具有強大的性能，那么具體的實驗環境為：

服務器型號：Inter(R)Core(TM)i9-8400HQ CPU

服務器頻率：3.8 GHz

內存：5TG

顯卡：12G 的NVIDIA RTX 2080Ti

代碼編寫軟件：Python5.0

操作系統：Windows7

2.2 電源噪聲信號檢測測試

在2.1 的實驗環境下，引入基于頻譜修正的檢測方法作對比，對5 類電源噪聲信號進行檢測，測試了電源噪聲信號的檢測效率，結果如圖1 所示。

圖1 電源噪聲信號的檢測效率

從圖1 的結果可以看出，采用基于頻譜修正的檢測方法時，對電源噪聲信號的檢測效率較低，均在80%以下，原因是經頻譜修正之后，電源噪聲信號仍然會存在異常值，導致檢測效率偏低。而采用文中方法時，根據提取出的電源噪聲信號特征，可以將噪聲信號的異常值過濾，從而將電源噪聲信號的檢測效率提高到90%以上。

3 結語

本文提出了變電運維設備中電源噪聲信號優化檢測方法研究，通過提取電源噪聲信號特征，過濾掉噪聲信號的異常值，結合噪聲信號檢測算法設計，實現變電運維設備電源噪聲信號的檢測。經過實例分析發現，該方法通過過濾噪聲信號的異常值，大大提高了檢測效率。本文的研究雖然取得了一定成果，但是由于時間有限，還存在很多不足，在今后的研究中，希望可以考慮到變電運維設備在運行過程中，環境噪聲對電源噪聲信號檢測結果的影響，提高檢測的準確性。