基于小波變換域的電力電子設備干擾信號自動檢測方法

摘 要：常規的電力電子設備干擾信號自動檢測方法主要使用壓縮感知（Compressed Sensing，CS）理論處理高聚合度干擾信號能量譜，易受偽峰值變化影響，導致檢測干擾信號電平與實際干擾信號電平不一致。因此，本文提出一種基于小波變換域的電力電子設備干擾信號自動檢測方法。利用小波變換域構建設備干擾信號時間擴展模型，設計電力電子設備干擾信號自動檢測算法，完成電力電子設備干擾信號自動檢測。試驗結果表明，使用本文設計的電力電子設備干擾信號小波變換域自動檢測方法檢測的干擾信號電平與實際干擾信號電平擬合，檢測效果較好，應用價值較高，為提高電力電子設備的運行可靠性做出貢獻。

關鍵詞：小波變換域；電力電子設備；干擾信號；自動檢測

中圖分類號：TN 972" " " " 文獻標志碼：A

電力電子設備是一種特殊的電能轉換以及功率控制設備，其主要是由電力電子元件組成的。按照功能可以將其分為電能轉換、電能控制和電能調節3種類型。常見的電力電子設備包括變壓器、電阻器等[1]，在工業化、新能源等領域應用廣泛。我國的電力電子設備正在向多功能與智能化的方向發展。在電力電子設備運行過程中，存在來自外部環境與設備內部的干擾信號[2]，其中，外部干擾信號可能來自無線電波、磁場耦合等，內部干擾信號來自晶體管噪聲或設計缺陷等。無論是外部干擾信號還是內部干擾信號都會影響電力電子設備的綜合運行性能[3]，因此，需要對電力電子設備干擾信號進行自動檢測。文獻[4]利用異常性檢測算法對干擾信號進行切片重組，減輕了檢測的依賴性，但是易受真實數據樣本影響導致異常性判斷失誤，文獻[5]根據子波變換檢查干擾信號，降低檢測風險，但是整體計算量較大，計算復雜度過高。為了滿足電力電子設備的運行可靠性要求，本文基于小波變換域設計了一種有效的電力電子設備干擾信號自動檢測方法。

1 電力電子設備干擾信號小波變換域自動檢測方法設計

1.1 基于小波變換域構建干擾信號檢測時間擴展模型

小波變換域可以將信號分解為不同的尺度與頻率，提取信號局部時頻特征，保證干擾信號檢測指令。因此，本文基于小波變換域構建了設備干擾信號檢測時間擴展模型。電力電子設備干擾信號具有局域化特征，可以根據接收信號的理想傳播狀態進行擴展[6]，此時生成的連續小波函數f（a，b）如公式（1）所示。

（1）

式中：a、b分別為尺度參數與平移參數；f（t）為有限能量函數；g為母小波；t為檢測時域[7]。

對該函數進行尺度分析平移處理，可以獲取可允許性自動檢測條件，重構的小波變換信號Cg如公式（2）所示。

（2）

式中：CG為傅里葉變換后的檢測函數；WG為重構原信號；ga，b為小波變換條件。

假設待檢測的電力電子設備干擾信號滿足時頻、帶寬要求，那么可以對其進行多途徑調整[8]，確定干擾信號的波形時間擴展，接收的卷積時間信號r（t）如公式（3）所示。

r（t）=α∫h（l）s（t）+Cgv（t）dt " （3）

式中：α為檢測衰減因子；h（l）為檢測時延；s（t）為傳輸回波信號；v（t）為白噪聲。

如果檢測噪聲存在獨立關系，就證明LFM信號假設成立，可以進行離散化處理[9]，利用副本相關積分器擴展時間信道，構建的干擾信號檢測時間擴展模型ηglrt如公式（4）所示。

（4）

式中：N為小波域形式。

小波變換具有時頻觀測優勢，因此能夠精確捕捉捕捉并解析信號中的細節變化和突變點。構建小波變換域的時間擴展模型，可以對干擾信號在時域方面進行精確定位和擴展分析。該方法主要包括對干擾信號進行小波變換，提取變換后的特征信息，并基于這些信息構建時間擴展模型，對干擾信號進行檢測、識別與深入分析，為信號處理、噪聲抑制以及信號增強等領域提供強有力的技術支持。

1.2 設計電力電子設備干擾信號自動檢測算法

根據干擾信號特征設計有效的電力電子設備干擾信號自動檢測算法，進行自動檢測量化處理。利用第1.1節構建的時間擴展模型，設計電力電子設備干擾信號的自動檢測算法。該算法可以根據時間擴展模型中的信息自動判斷是否存在干擾信號，并對干擾信號進行量化處理。利用PDC（相位差編碼）進行信號轉換，從而得到更易于分析的干擾信號時域表達式。

在時間擴展模型ηglrt中的目標接收干擾信號S（T）如公式（5）所示。

S（T ）=p（t）exp[j?（t）] " " " "（5）

式中：p（t）為發射干擾信號載頻；j為脈沖寬度；?（t）為干擾信號相位。

對信號相位進行量化處理，利用PDC進行干擾信號接收轉換，得到的干擾信號時域表達式Y（ f ）如公式（6）所示。

（6）

式中：m為主譜線；δ為干擾機輸出頻率。

在相位量化后，原本的干擾信號頻譜轉換為主譜線，可以進行正弦調制，進行變頻基帶處理，檢測有效的干擾向量。基于此，生成的電力電子設備干擾信號自動檢測算法流程如圖1所示。由圖1可知，當算法自動檢測電力電子設備干擾信號時，其核心是利用先驗信息精準地識別并處理干擾信號。采用該算法分析干擾信號的特征，確定其中心軸線信號錐，識別與干擾信號無關的標量，明確干擾信號的實際狀態。該算法運用廣義似然推導技術對檢測的干擾向量進行分類。經過計算，算法能夠判斷這些向量是已知的還是未知的。對未知的干擾向量來說，算法會進一步估計其先驗信息，這是一個迭代的過程，其作用是不斷提升對未知干擾向量的認識。這個過程將持續進行，直至滿足信號錐中心軸線的自動化檢測要求，即算法能夠準確、可靠地識別并處理所有的干擾信號。

在處理電力電子設備干擾信號的過程中，由于信號變化多樣且難以預測，傳統檢測方法難以獲得準確的檢測概率，因此設計自動檢測算法。利用蒙特卡羅法進行相位量化分析，構建高斯噪聲協方差矩陣，計算信號干擾功率與檢測噪聲的功率比來確定干擾信號的虛警概率檢測門限。該算法能夠適應不同環境的干擾信號檢測需求，提高檢測的準確性和可靠性。信號干擾功率與檢測噪聲的功率比JNR如公式（7）所示。

（7）

式中：Aj為干擾信號幅度；σ為虛警概率。

為了確定干擾信號虛警概率的檢測門限，需要進一步進行能量檢測調整，選取抗混疊低通濾波器完成采樣處理，同步進行三元假設檢驗，直至輸出最佳檢測結果。使用本文設計算法可以有效提高檢測噪聲的擬合性，降低環境欺騙對干擾信號檢測造成的影響。

2 試驗

為了驗證本文設計方法的檢測效果，本文設置了符合試驗要求的實驗平臺，將其與文獻[4]、文獻[5]2種常規的電力電子設備干擾信號自動檢測方法進行對比并試驗，具體過程如下所述。

2.1 試驗準備

根據電力電子設備干擾信號自動檢測試驗要求，本文選取EMTP平臺作為實驗平臺，根據DCS210模仿設備干擾信號，假設初始雷達發射脈寬T=20 μs，帶寬B-10 MHz，此時調頻斜率與接收機采樣頻率擬合，彌散干擾信號子脈沖為4個，調頻斜率為2×1012 Hz/s。試驗預設的背景噪聲為白噪聲，信噪比為10 dB，干噪比為20 dB，設置的試驗環境如圖2所示。

由圖2可知，在試驗過程中，需要不斷輸入模擬干擾信號，利用接收機等進行實時檢測。考慮干擾信號運行周期，需要進行Wigner-Vile分布調整，在T/2處到達頻率尖峰。此時試驗中心內存在若干個不同片段，包括干擾信號自主項、交叉項，需要分別進行WVD提取，調整信號的耦合關系。

當處于部分狀態時，受頻譜彌散作用影響可能出現試驗信號參數異常問題，需要利用Hough變換技術進行干擾信號處理，其流程如圖3所示。由圖3可知，信號處理完畢后原本的分布交叉項減少，干擾信號參數平滑性增強，頻率分辨率降低，時頻特征更突出。待上述試驗信號處理完畢后，得到可靠的電子設備干擾信號自動檢測結果。

2.2 試驗結果與討論

結合上述試驗準備，本文選擇不同型號的電力電子設備，調整了干擾信號輸入強度，分別使用本文設計方法、文獻[4]方法以及文獻 [5]方法進行檢測，將3種方法檢測的干擾信號電平與實際干擾信號電平進行對比，得到的試驗結果見表1。

由表1可知，使用本文設計方法檢測各種電力電子設備（例如A-121、B-122、C-126、D-135、E-139和F-142）的干擾信號電平，干擾信號類型（例如電磁、射頻）和干擾強度不同，本文方法準確性較高，檢測的干擾信號電平與實際干擾信號電平擬合；當檢測A-121、B-122、C-126、D-135和F-142設備時，文獻[4]方法檢測干擾信號電平與實際干擾信號電平之間的差異較大；文獻 [5]方法在某些設備（例如A-121、B-122）中的檢測誤差較小，但是在其他設備（例如C-126、D-135和E-139）中的誤差較大。上述試驗結果表明，本文設計的信號自動檢測方法的檢測效果較好，可靠性較強，有一定的應用價值。

3 結語

綜上所述，在科學技術與電力信息化雙重發展背景下，電力電子設備的應用領域越來越廣，其能夠進行電能控制、轉換以及調節，保證電網穩定、可靠運行。在運行過程中，電力電子設備容易受外界環境、內部負載等影響，出現大規模干擾信號，不僅會導致設備損傷，還可能出現電網故障，影響電網運行安全。因此，本文基于小波變換域設計了一種有效的電力電子設備干擾信號自動檢測方法。對該方法的檢測效果進行試驗，結果表明，使用該方法檢測效果較好，擬合性較高，可靠性較強。該方法有一定應用價值，能夠為推動電力智能信息化發展做出貢獻。

參考文獻

[1]湯永濤，王雪寶，王青波，等.基于FastICA算法的多源固定頻干擾背景下語音信號去噪[J].電腦知識與技術，2024，20（6）：77-79.

[2]李家強，危雨萱，任夢豪，等.基于時頻域分析的車載毫米波雷達干擾抑制方法[J].中國電子科學研究院學報，2024，19（2）：109-118.

[3]陳馨，楊東升，孟沖，等.一種基于層次分析法的復雜電磁環境相似度評估方法[J].中國電子科學研究院學報，2024，19（2）：127-137.

[4]白帆，張慧，李鵬斐，等.異常性檢測算法在引信干擾信號識別中的應用[J].裝備環境工程，2022，19（11）：41-47.

[5]趙亮.關于子波變換的無線通信網絡干擾信號檢測探析[J].電子測試，2022，36（23）：33，48-50.

[6]王大偉，孫全，劉建軍，等.基于分段線性模型針對TLP瞬態干擾信號的芯片協同防護設計方法研究[J].中國高新科技，2024（2）：99-101.

[7]劉萌瑤，鄒棋，肖培，等.基于PE-TDPO的110m射電望遠鏡遠-近場耦合計算方法[J].中國科學：物理學力學天文學，2024，54（1）：143-153.

[8]周文，郝新紅，楊瑾，等.基于多尺度色散熵與支持向量機的調頻引信掃頻干擾信號識別方法[J].探測與控制學報，2023，45（6）：21-26.

[9]劉冰，郝新紅，段俊法，等.基于經驗模態分解特征的無線電引信抗掃頻式干擾方法[J].北京理工大學學報，2023，43（12）：1290-1297.