《一种有效抑制PD信号中白噪干扰的WTRIn复合信息序列研究》由会员分享，可在线阅读，更多相关《一种有效抑制PD信号中白噪干扰的WTRIn复合信息序列研究（8页珍藏版）》请在金锄头文库上搜索。
1、一种有效抑制PD信号中自噪干扰的wTRP复合信息序列研究一种有效抑制PD信号中白噪干扰的WTRI“复合信息序列研究唐炬1 莫文强2 唐世宇2 谢颜斌1 周倩1(1重庆大学高电压与电工新技术教育部重点实验室，重庆400030；2重庆电力公司，400000)摘要：根据局部放电信号与白噪干扰经复小波变换后的不同特点，构造出抑制白噪干扰的WTRP复台信息序列，分析WTRl4的指数n对去噪性能的影响，用去噪前后描述信号波形相似参数(NCC)，结合信噪比(SNR)，对用复小波变换去噪的效果进行综合评价，给出了不同的局部放电波形对应的最佳去噪复合信息。晟后，用所构造的db4复小波对仿真和实测PD信号进行了去
2、噪。研究结果证明了该复合信息比简单信息的去噪能力强在众多的复合信息中WTRI“序列是抑制局部放电白噪干扰的最佳去噪复台信息引言由于现场存在强烈电磁干扰，使气体绝缘电器(Gas Insulated Switchgear，简称GIS)中十分微弱的局部放电(Partial Discharge，简称PD)信号被淹没在噪声之中。因此，必须设法对干扰加以有效抑制。传统的去噪方法大都基于FFT变换【lJ对GIS局部放电这种奇异性很强的信号会造成很大的畸变，效果也并不理想。小波变换在时域和频域同时具有良好的局部性，不仅更适合于非平稳信号的处理，而且还可以用不同尺度对信号小波变换的结果进行干扰分析，从中提取故障
3、信号特征参数，因而得到广泛应用。特别是文献【2，3】提出的复小波变换，可用调节其相频特性的方法使之与信号更加适应，从而具有更强的去噪能力。用复小波变换去噪后得到的是复信号，它有实部和虚部两个简单信息。根据电力系统信号的特点，文献4l中提出了复合信息算法，利用简单信息来构造复合信息，以增加复小波变换处理信号的手段。本文在复小波变换去噪的基础上，提出一种用于抑制白噪声的复合信息新算法，该算法不但能从强白噪干扰中有效地提取出PD信号，还能保证对信号的畸变尽可能小。幅频特性、改变其相频特性的方法，就能获得与现有实小波相同特性(正交、紧支撑、消失矩和正则性等)的复小波。采用上述方法，作者构造了db4复小
4、波，作为本文去噪用复小波。12复小波变换的简单信息和复合信息通过复小波变换，能够得到实部(WTR)和虚部(WTI)两种基本信息”，因此，复小波变换的模(WTM)和相角(WITH)信息可以由下式定义，即WTM=4WrR2+、vTl2 (1)WTPH：arctarIf旦1(2)LWTR J通常将以上4种信息定义为复小波变换的简单信息。根据复小波具有多信息的特点和文献4-61提出的方法，用以上的简单信息可以构造下列复合信息，即WTIPH=WTPH (3)WTRPH=rIRWTPH (4)WTMPH=WTMWTPH (5)WTRIPH=IWTRI1wIWTPH (6)上述4种简单信息和复合信息，主要用
5、于电力系统故障检测嗍，研究发现它们不适合从白噪干扰中提取PD信号，提取出的信号信噪比不高，波形畸变严重。为了能尽可能地提高信噪比，同时减小波形畸变，作者构造一种全新的复合信息，即WTRI“=WTR1w11I (7)从本文第3部分可以看到，式(7)中随n取值的不同，删。的去噪性能会相应发生变化，为了便于分析计算，本文取n为小于等于6的非负整数。当n=0时，复合信息WTRP就是简单信息兀R。1复小波变换 2描述去噪效果参数定义11复小波的构造文献【2，4】指出，只要采用保持实小波滤波器的对局部放电信号去噪应满足两个基本原则，去噪算法能有效地提取信号，即去噪后信号的信噪重庆市电机工程学会2006年学
6、术会议论文比高；去噪后信号的畸变小。因此，作者引入波形相似性参数NCC(Nomalized Correlation 趔Coefficient)来描述去噪前后波形的相似程度，并 罂结合信噪比SNR进行综合评价。它们主要用于理论仿真研究，其定义见式(9)和(10)。J()t，(n)NCC=；：；：；：一(8) 扣州篓九n，)其中，J是原始信号，是去噪后的信号。NCC的值在一1到1之间，一l代表变换前后的波形反向；0代表两波形正交；1则代表完全相同。NCC大的波形其幅值不一定高，因为NCC只描述两个波形的相似程度，与波形幅值、能量衰减的多少无关。maxs(i)l SNR；20lgLy)max tn1
7、0dB时，对去噪效果的评价应主要由NCC的大小表明。3复小波变换抑制白噪干扰仿真研究31 GIS局部放电仿真信号源采用常用的4种函数2,31来模拟PD信号，即单指数衰减脉冲、双指数衰减脉冲、单指数衰减振荡脉冲和双指数衰减振荡脉冲。根据GIS局部放电的特性，本文选择时间常数为c=15ns，=25ns，五为300MHz。仿真中。设每个脉冲的采样率均为20Gs，采样点数为2000，幅值做归一化处理，其峰值的标么值为1，并将其分别编号为、，如图1(a)所示。用算法生成一组随机数作为白噪声”I，其归一化峰值为1和178，并与图1(a)所示仿真信号分别叠加，得到如图1(b)、(c)所示的染噪信号。趔罂采点
8、数。(a)原始波形捌馨采样点数(b)染噪波形SNR=0dB采样点数10dB。因此，在SNR一7dB时，WTRll是信号的最佳去噪复合信息；w珊2是信号、的最佳去噪复合信息：WTRl3是信号的最佳去噪复合信息。表3 SNR=7dB时的NCC复合信息 WTR 06310 07399 05989 n6522WTRll o8534图o8139 o9009WTRl2黼0,8054 08840嘲TRl3 o83617 O7715獭褐09186表4 SNR一7dB时去噪后SNRdB复合信息 WTR l_54 468 376 224删1 918 1215 594 8348WTRI 1320 1518 921
9、1283WTRI 1423 1820 1248 1742当噪声水平发生变化时，不同类型的PD信号所对应的最佳去噪复合信息会发生相应的改变，并且在相同的噪声幅值下，不同PD信号也会有不同的最佳去噪复合信息。但是，无论在什么噪声水平下，复合信息wn心序列都能提取出PD信号，并且对信号的畸变最小。322幂次n对w心的影响分析 ，由上面的两个算例可以看到，wTRIn复合信息一种有效抑制PD信号中自噪干扰的WlRI复合信息序列研究序列中幂次n的选择对其去噪能力有很大影响，本文对于n的选择，主要依据NCC和SNR的综台描述。用wTRJ复合信息序列去白噪时，其去噪后的SNR比较高，且随着n的增大而增大，都能
10、满足去噪要求；NCC随n变化如图6所示，这里取n=l，26噪声归一化峰值取1、15、2、25即染噪信号的SNR分别等于0dB、一352dB、602dB、795dB。l 2 3 4“5(a)SNR-0dBoo圆囝Z 3 4 5 6 7(b)SNR=352dBo钙o9n 8S釜蔗0 7n e506(c)SNR；-602dB0 l 2 3 4 S 6 7(d)SNR=-795dB图6NCC的变化从图6所示，随着噪声水平的不断提高，各信号的最佳去噪wTRr复合信息序列q，的n有增大的趋势。以信号为例，随着噪声的增强，WTRll的去噪效果逐渐降低，而wTRl2的效果逐渐上升，当染噪信号SNR=0dB时，
11、WTRI。去噪后的NCC比、wRl2大003，而当噪声增大到SNR一795dB时，WTRll去噪后的NCC比WTRl2小002，wn汗上升为最佳去噪复合信息。由图可见，其余3种仿真信号的最佳去噪复合信息也有类似的变化趋势。但是，对于不同种类信号，WTRIo中n值增大的速率并不相同。4 WTRI“复合信息序列对实测PD信号的去噪为检验wrRIo复合信息序列对实测PD信号的去噪能力，作者从实验室GIS模拟实验装置上获取了由金属突出物、金属微粒、绝缘子表面污染、绝缘子与高压导体问气隙缺陷产生的PD信号12,13j。由于试验中难以获得无干扰的PD信号实测波形。因此无法再用NCC和SNR来对去噪后的实验
12、室实测PD信号进行综合描述，为了定量地对实测PD信号去噪效果的分析比较，作者引入噪声抑制比(NIm)【l卅来描述，其定义如下，NRR=lo(190?-go-2：) (8)式中，晚为噪声方差。对上述实测PD信号进行复小波变换，分解层数为5。对信号进行去噪后，选取NRR较高，且波形畸变相对较小的作为去噪结果，如图8和表5所示。可以看见，wTRIn复合信息序列对实测PD信号也有很好的去噪效果。螽孽采样点数(a)实测金属突出物缺陷PD波形采样点数(b)金属突出物缺陷去噪波形蠢搽揲撼纛：詈揲撼重庆市电机工程学会2006年学术会议论文晷馨采样点数(c)实测金属微粒缺陷PD波形罂晷罂采样点数(d)金属微粒缺
13、陷去噪波形采样点数(e)实剥绝缘子表面污染缺陷PD波形采样点数(f)绝缘于表面污染缺陷去噪波形采样点数(g)实测绝缘子与高压导体问气隙缺陷PEt波形采样点数(h)绝缘子与高压导体问气隙缺陷去噪波形国8复小波变换抑制白噪声表5实测信号的最佳去噪效果金属 金属 表面 绝缘缺陷 突出物 微粒 污染 气隙所置换复根位置 4 4、5 全部 1分解层数 5 5 5 5复台信息 W1RI， WTRI， WTRl3 WTRl2NRR(dB) 17225 17188 16588 100975结论构造了抑制PD信号检测中自噪干扰的复小波变换的wTRJ“复合信息序列。通过对4种典型仿真PD信号的去噪研究，证明了选择
14、不同的n，wTRIn复合信息序列是抑制白噪干扰的最佳去噪复合信息；当白噪的强度发生变化时，不同PD信号对应的最佳去噪复台信息会发生相应的改变，不同PD信号也会有不同的最佳去噪复合信息。因此，针对不同噪声水平和PD信号应选择与其对应的最佳去噪复合信息；在不同SNR下，n的选择对wrRI复台信息序列的去噪能力有较大影响，随着噪声水平的提高，n值有增大的趋势，但对于不同种类的PD信号，其n值增大的速率并不相同。参考文献【1】高胜友，朱德恒等变压器局部放电在线监测信号处理技术的研究哪清华大学学报(自然科学版)，2003，43(9)：1181-1183 Gao Shengyou，Zhu DehengSi
15、gnal processing technique for on-line partialdischarge monitoring ofpower transformersJJTsinghua Univ(SciTech)，2003，43(9)：118183【2】唐炬，许中窖等应用复小波变换抑制GIS局部放电信号中自噪声干扰的研究明中国电机工程学报2005 25(16)：30-34Tang Ju，XuZhongrongApplication Of Complex WaveletTranforiil to Suppress Whire-Noise InterferenceIn GIS PD SignalsJProceedings of the CSEE,200525(16)：8388【3】 唐炬，谢颜斌等用于复小波变换的EWC阈值法抑制周期性窄带干扰的研究田电力系统自动化，2005，29(7)：15,Tang JuXieYanbinSuppressionofNarcowbandInterfeteacewithEWCthresholdMethoct之晕警之掣馨一种有效抑制PD信号中白噪干扰的WTRI。复合信息序列研究forComplexWaveletl协lsfomJ】AutomationofElectric Power Systems，200529(7)：1
