基于改进小波包阈值的GIS局部放电信号降噪方法研究

刘 彪，袁文海,徐 浩，王 喆，董小顺，李 杰

(1.国网新疆电力有限公司乌鲁木齐供电公司，新疆维吾尔自治区 乌鲁木齐 830011;2.湖南大学电气与信息工程学院，湖南 长沙 410082)

在高电压系统中，使用分离原件要求每相间距离较大，占用土地资源较多。因此气体绝缘金属封闭开关设备 (Gas Insulated Switchgear，GIS)具有占地面积小、可维护性高、受外界环境影响弱、可靠性高等优点，目前已被广泛应用于电压等级比较高的电力系统中。但是，因为GIS是全封闭的，当内部具有绝缘/放电缺陷或发生故障情况下，处理难度相比敞开式变电站大。且该类型设备大规模应用于高压和城市电网中，设备故障所引发后果比较严重，如不及时处理设置可能引发严重停电事故甚至安全事故。研究和应用结果表明，GIS内部多数故障在潜伏性阶段会引发局部放电，检测局部放电信号可以有效发现设备内部的绝缘劣化或早期绝缘故障，进而避免故障扩大，确保设备的安全稳定运行。

目前特高频法是高压充气电力设备实际运维生产中应用最为广泛的带电或在线检测方法，其具有抗干电晕扰能力强、缺陷感知灵敏度高、可以进行缺陷识别和定位等优点。然而，现场特高频传感器所采集的信号往往含有大量白噪声，会影响信号的信噪比和缺陷识别率，因此如何有效抑制检测信号中的白噪声成为研究重点。小波变换法常被用于信号中白噪声干扰去噪，目前针对局部放电检测的小波去噪方法主要是经验小波、小波阈值法、提升小波分解或提升双树复小波等，其具有较好的对白噪声去噪效果，但上述方法存在小波基选取困难的问题，这会影响计算过程的复杂程度和最终去噪效果。小波包变换可在小波去噪的基础之上，进一步分解信号的高频成分，将信号拆解后进行更精细的分析，从而提高方法的分辨率，更适用于频谱分量比较宽和信号高频分量较丰富的GIS放电超高频信号。

针对GIS设备局放检测时信号噪声较多，会干扰故障判断的问题。对传统小波包分解法进行优化，改进了小波包阈值，实现GIS局部放电信号的有效降噪，方便现场能够很好地提取特征信号。

1 小波包去噪原理

1.1 小波包的构造

构造小波包通常可以使用正交法，首选需要选取与小波相应长度且被重构的高通/低通分解滤波器，设置为()和()。得到相关的方程((),=0,1,2,3，…)如下：

(1)

从函数((),=0,1,2,3，…)和相应的正交小波函数我们可以得到用三个参数描述的小波包函数：

,,=2-2(2--),

∈,(,)∈

(2)

在小波标架中，是一个时间位置的参数，是一个小波尺度参数，是震荡参数，()=()是尺度函数，()=()是小波函数。

1.2 小波包分解原理

(3)

图1 小波分解和小波包分解对比图

1.3 分解系数阈值量化和小波包重构

小波包分解的一个重要步骤是针对分解系统选择适当的阈值，然后实现系统阈值量化。合并的阈值及对阈值进行的有效量化将直接关系到去噪质量。

(4)

传统小波包去噪方法通常包括四个步骤：① 对待分析信号进行多层级分解；② 基于熵标准获得最佳小波分解树；③进行分解系统阈值量化；④ 小波包重构。应用过程中步骤三选取阈值和阈值量化最为关键。

2 局部放电信号构建和小波包阈值改进

2.1 局部放电信号构建

GIS放电检测应用过程中的超高频传感器频带高频区域一般达到2～3 GHz。根据香农采样定理可以值，如果要完整采集并保留信号的原始信息，假设待采集信号频率为3 GHz，那采样频率至少需要大于6 GHz(信号最高频率的2倍)。如果直接采集高达上GHz的局部放电电磁波信号，需要数GHz甚至更高速的采样芯片。同时以常用的串口传输为例，以9600的波特率传输一秒钟采样的数据，大概需要740 h，过于消耗时间。为了提高效率，需对局放信号进行对数检波预处理，如图2所示，为UHF信号检波去噪原理框图。

图2 UHF信号检波去噪流程图

GIS为同轴结构，部分高电压等级设备具有多个L型或T型转角结构，因此局部放电信号在同轴腔体中传播时，可能因为谐振、折反射等现象而最终形成振荡波型号。目前常用单指数衰减震荡函数或者双指数衰减震荡函数来建立信号的数学模型，函数表达式如式(5)、式(6)所示：

()=-sin(2π)

(5)

()=(-13τ--22τ)sin(2π)

(6)

式中，为脉冲型放电信号的幅值，为双指数信号发生周期性振荡的频率，为信号的时间衰减系数。然而上述数学模型与系统中的检测阻抗有关，因此不适用于特高频信号测量的局部放电实验仿真。有研究人员认为，由高斯函数叠加拟合得到的数学模型更能准确描述特高频信号的特征，具体数学表述如式(7)所示：

(7)

其中，为放电脉冲信号极值点个数，根据实验数据的观察推测，其通常取值为3～5，本文统一取值为=5；为各局部放电波峰的幅值；为信号峰值点的横坐标值；反映放电脉冲波的峰值陡度。文中仿真中数据的采样总数为10000，采样频率为20 MHz，系统频率分辨率小于70 MHz。

2.2 小波阈值改进

传统的软阈值函数或者硬阈值函数因为实现简单而被广泛使用，其中前者表达式为：()=(-sgn())(||>)；后者表达式为：()=(||>)。

其中是信号，T是阈值。根据应用经验，软阈值法可以相对平滑地处理信号，可以更为有效地滤除信号中的毛刺噪声，但其缺点是可能造成模糊的边缘从而失去边缘的部分局部特征；相反，硬阈值法能够较好地保留信号边缘特征，但经其处理后的信号平滑度较差，可能存在较多的毛刺噪声。综合以上，结合两种方法的优点，本文提出一种可以兼顾信号平滑度和边缘特征保留率的半软阈值函数，其表达式如式(8)所示：

||<)+(||>)

(8)

其中，0<<。

在此基础上，进一步改进函数，使其具有更高阶特征，以实现对信号局部特征的有效保持，其表达式如式(9)所示：

(9)

3 仿真结果分析

3.1 信号降噪指标

文中利用信噪比(SNR)、均方误差(MSE)和波形相似数(NCC)三种参数作为指标评判降噪方法的性能。其中信噪比的表达式为：

(10)

其中()为原始信号，()为经文中所提降噪方法处理后的信号，为信号的采集数量。SNR的值与信号能量有关，当信号能量小于噪声能量时，SNR为负；而当信号能量更大时，SNR为正，信号能量相比噪声能量越大，SNR的值也越大。

MSE是用于评估局部放电脉冲波形的失真率指标，可表示为

(11)

当去噪后的信号和原始信号相比，相似度越大的时候，即信号失真度越小时，MSE的值越小。

当去噪后波形畸变程度越小时，NCC的值越接近1。其值可由式(12)求得：

(12)

3.2 信号降噪指标

在第2节所构建局放模拟信号的基础上，加入瞬时值服从高斯分布的白噪声信号后，可得到含有噪声分量的待去噪信号，如图3所示。从图3可以看出，加入噪声信号后，原始局放信号的大部分特征都几乎被淹没，这会极大影响判断。在常规阈值情况下，利用小波法和小波包法对信号进行去噪处理后，结果如图4所示。可以发现，虽然大部分噪声已经被去除，去噪后的图像也能够反应原始信号的核心特征。但默认阈值下，去噪后的信号中仍然包含有较多明显的毛刺噪声分量。

图3 GIS局部放电仿真信号和含噪信号

图4 小波去噪和小波包去噪的对比

表1给出了两种去噪方法在默认阈值下去噪后信号的、和三个指标的值。由表中数据可判断，小波包去噪法的效果总体优于小波去噪法。由SNR指标和MSE指标可知，去噪后信号信噪比和失真度较好，已经有效滤除了噪声分量。然而该情况下，两种方法的NCC指标都小于0.9，说明降噪后的波形畸变程度仍然不太理想。

表1 默认阈值去噪仿真结果

3.2 改进阈值仿真

应用改进阈值函数后，对模拟放电信号进行降噪处理，得到的结果如图5所示。相应的信噪比(SNR)、均方误差(MSE)和波形相似数(NCC)指标数据如表2所示。对比图5和图4，表2和表1可以看出，改进阈值函数后，信号的降噪效果明显提升。SNR相比默认阈值情况下提升了31%；MSE由0.0096降低至0.0054；NCC在改进阈值函数处理后则超过了0.9。

表2 改进阈值去噪仿真结果

图5 改进阈值函数后的处理效果图

5 结 论

研究了一种基于改进小波包阈值的GIS局部放电信号降噪方法。小波包去噪分解时同时考虑高频信号和低频信号，相比小波去噪效果更好。改进阈值函数能够同时兼顾信号的平滑度和边缘特征，相比默认阈值，处理后的信号在信号相对能量、波形失真率、波形畸变度等方面都有提升，效果显著。