《现代信号处理技术在变压器局放信号提取中的应用Word.docx》由会员分享，可在线阅读，更多相关《现代信号处理技术在变压器局放信号提取中的应用Word.docx（9页珍藏版）》请在三一文库上搜索。
1、现代数字信号处理技术在局放干扰抑制中的应用班级： 电信1308班 学号： 21313011 姓名： 张冬波 专业： 电机与电器 摘要：分析了变压器局部放电在线检测中局部放电干扰信号的特征，并对在滤除干扰信号中常用的傅立叶变换和小波变换的原理进行了介绍，通过实例仿真验证并比较了它们在滤除变压器局放干扰信号的作用，最后对更好的使用这两种滤波方法进行了探讨。关键字：变压器；傅立叶变换，小波变换，去噪，局放信号0 引言电力变压器作为电力系统中重要的电力设备，一旦变压器发生事故，不仅给电力系统造成巨大的损失，也给国民经济造成了无法估计的影响。因此，电力变压器安全可靠的运行直接决定了电力系统的供电可靠性。
2、目前，随着电力系统电压等级的升高，局部放电已经成为变压器绝缘老化的重要原因之一。局部放电信号的检测和定位, 对运行中的电力变压器的维护或者是对有故障的电力变压器的维修, 变得越来越至关重要。因此, 无论是电力部门、电力变压器制造商, 还是高电压工程科研人员, 都积极开展了局部放电的研究。 变压器局部放电监测的最终目的是通过研究局部放电的放电特性来反映变压器绝缘的状态，这就要求提取的放电信息要准确、全面。然而，在局部放电监测的现场有大量的干扰和噪声，给局部放电的检测带来了很大的困难，如何去除噪声干扰，把局部放电信号良好提取出来是现在局部放电在线监测的重点。 变压器所处的环境含有大量的电磁干扰，监
3、测到的局部放电信号几乎湮没在很强的噪声干扰之中。从变压器所处的环境来看，与局部放电信号一起通过传感器进入监测系统的干扰信号，按照波形特征可分为：周期性干扰信号、随机脉冲干扰信号和白噪干扰。周期性干扰信号又分为连续性和脉冲性两种，如广播、通信、谐波等信号的干扰一般呈正弦波，为连续性周期干扰，也称窄带周期干扰；而可控硅开、闭时产生的脉冲干扰信号则周期地出现在工频的某相位上，为周期性脉冲干扰。白噪干扰则多是由电气设备及监测系统等运行过程中发热而引起的本篇报告将对在局放信号提取中常用的FFT阀值滤波方法和小波分析方法进行介绍并对其滤波效果进行比较。1.FFT频域阀值滤波法去噪分析局部放电的信号通常可分
4、解为傅里叶级数或可进行傅里叶变换。对周期性信号，经傅里叶级数分解后，得到各次谐波的幅度和相位，它们构成了信号的幅度频率特性和相位频率特性，统称为信号的频谱。从频率的角度出发，在频域对信号或系统进行分析，称为频域分析。 傅里叶变换是频域分析的基础。FFT频域阈值滤波法主要用来去除周期性窄带干扰。该方法首先对信号进行FFT变换得到信号的频谱分布，而后在信号的频谱上设一门限值，把所有的大于门限的值置零，可方便地去除窄带干扰。此方法的缺点是门限的选取非常困难，尤其在现场条件下，干扰信号随时间不断变换，门限就更难确定。另外，由于FFT计算量与N(logN)成比例，计算时间也较长。但由于该技术实现简单，目
5、前仍被广泛采用。下面通过例子说明FFT频域阀值滤波法在去除周期性窄带干扰的效果，原始信号x(t)由三部分组成：局部放电脉冲信号 将局放信号模拟为单指数衰减波： F(t)=Ae-t/ 式中为衰减系数取值2us;A为系数取值1mV. 为考察在时域上 的处理效果和分辨率并便于观察,本文采用 由10个局放脉冲构成的一簇脉冲,其时间间隔服从=75us的泊松分布。并使这一簇脉冲集中出现,以模拟实际局放主要集中在工频峰值附近的现象。高斯白噪声 采用零均值白噪声来模拟系统的热噪声，白噪声的幅值大约为局放信号幅值的1/3。周期性窄带干扰信号 由正弦信号按40%调幅生成,选取表1中8个不同频率的正弦信号,采用恒定
6、的1KHZ作为调制频率。表中INR为各窄带干扰的功率与背景噪声的比值。频率/HZ200300450500620700800980INR/dB1.859.81-0.763.0710.60-6.402.68-6.44表一 原始信号中周期性窄带干扰信号的参数FFT频域阀值滤波法不同阀值下的处理效果如下：(a)原始信号的时域波形 (b) FFT频域阀值法处理后的时域波形（阀值为80）(c)FFT频域阀值法处理后的时域波形(阀值240)图1 FFT阀值滤波方法效果展示由图一可知FFT频域阀值滤波法去除周期性窄带干扰的效果还是很好的，但是阀值必须选择正确，否则效果要差很多。而原始信号里的白噪声信号依然存在
7、，几乎没有被滤除，由此可知FFT频域阀值滤波法在滤除白噪干扰上，效果并不好。2.小波变换的去噪分析2.1小波变换的原理和特点 小波变换是近年来发展起来的一种信号处理工具， 已成功地应用于许多领域。 它作为一种数学理论和方法引起了越来越多的关注和重视。在工程应用领域，特别是在信号处理等领域， 它被认为是近年来在工具及方法上的重大突破。小波变换是基于非平稳信号的分析手段，非常适合于突变信号的处理，在时域、频域上同时具有良好的局部化性质。利用其捕捉突变信号的能力和优越的消噪功能，小波分析可以作为抑制干扰、提取局放信号强有力的数学工具。小波变换可以分为连续小波变换和离散小波变换两种。 下面以连续小波变
8、换为例，说明小波变换的特点。一个平方可积函数 x（t）L2（R）的连续小波变换（Continuous WT，简记为 CWT）定义为：WTX(a,)=1a-xt*(t-a)dt=-xt*attdt=xt,att,a0式中：(t)基本小波（也称为母函数）a 尺度因子反映位移的系数，其值正负都可*共轭符号att基本小波的位移和尺度伸缩att=1a(t-a) 其重构公式为xt=1C-1a2WTx(a,)(t-a)dad 连续小波变换过程可以理解为信号x(t)通过一个带通滤波器，尺度a决定了时间域和频率域观测窗的大小，而只影响时间域内窗的位置，a,bt,a,bw分别是时域窗口函数和频窗函数。 图2 小波
9、变换的时频域 如图2所示，尺度a越大，时窗越宽，频窗越窄且频窗中心往低频方向移动，可获得信号的低频信息，具有较好的频域局部性；a越小，则时窗越窄，频窗越宽且频窗中心往高频方向移动，能够获得信号的高频信息，具有较好的时域局部性，这就是小波变换的优势所在。在实际运用中，尤其是在计算机上实现时，由于连续小波变换的冗余性较大，连续小波必须加以离散化。需要强调指出的是，这一离散化都是针对连续的尺度因子a和连续位移系数的，而不是针对时间 t的。这一点与我们以前的习惯不同。对于尺度因子 a，一般按幂级数进行离散化，即分别取 a 值为a0,0a01a0j，j=0，1，2。 通常，取 a0=2，即a分别取 20
10、，212j，此时相应的小波为 2-j/22-j （t-），j=0，1，2。对于位移，通常按均匀离散取值，并加以归一化。 当尺度及位移离散化时，小波att可改写为jkt。jkt=2-j22-jt-k,j=0,1,2；KZ2.2小波去噪方法和效果分析 小波去噪方法也有很多，本文将主要介绍近年来常用的小波阀值去噪法来说明小波去噪的过程。小波阀值去噪过程可用流程图3来表示： 图3 小波去噪过程要实现较好的消噪效果关键是要解决阀值的选取和闽值处理方法的选择。这是整个消噪过程的关键。选择合适的阀值直接关系到去噪的效果，如果选择的阀值过大，则信号的能量丢失太多，若果选取的阀值过小，就得不到好的去噪效果。大多
11、数阈值选择过程是针对一组小波系数,根据本组小波系数的统计特性,计算出一个阈值。对阀值的处理方法上分为软阀值法和硬阀值法两种。硬阈值处理只保留较大的小波系数并将较小的小波系数置零，而软阈值处理将较小的小波系数置零但对较大的小波系数向零作了收缩。软阈值处理是一种更为平滑的形式，在去噪后能产生更为光滑的结果，而硬阈值处理能够更多的保留真实信号中的尖峰等特征。下面通过例子说明小波阀值去噪法去除白噪声信号的效果： 为使效果明显并未使用真实的局部放电信号，而是使用了随机方波加白噪声的信号，其中随机方波是要提取的信号，包括方波的尖峰和突变时信号的特征。其中小波函数选择db8,分级层数为4，其结果如图4所示：
12、图4 随机方波去除白噪声效果图a为原始方波信号，b为含噪信号，c为软阀值去噪，d为硬阀值去噪由图可知小波阀值去噪可以很好的保存游泳信号的尖峰和突变部分，也就是最大限度的保持了原始信号的特征，而且硬阀值去噪效果要略好于软阀值去噪效果。3.结论 在处理周期性窄带干扰时，傅里叶变换具有比较高的应用价值，但这种优势是建立在干扰频带很窄的前提下的。若频带过宽的话，可能会使部分有效信号丢失。用小波变换进行信号白噪声的消除，可以很好的保存信号的特征，而傅里叶变换对白噪声的去除效果不明显，因此小波分析在非平稳信号消除白噪声比FFT变换有着不可比拟的优势。因此在变压器局放信号提取时可以考虑综合使用两种方法进行干
13、扰信号的去除。参考文献： 1 赵敏. FFT 变换与小波变换在变压器局部放电信号去噪中的应用J. 变压器, 2009, 46(5): 28-31. 2 覃华, 刘云鹏, 律方成. 小波变换在局部放电在线检测抗干扰中的应用J. 电力科学与工程, 2003, 3: 45-46. 3 赵阳阳. 大型电力变压器局部放电信号分析与干扰抑制D. 重庆理工大学, 2012. 4 薛雷. 变压器局部放电监测中去噪技术与放电特征提取的研究D. 东北电力大学, 2011.5 杨霁. 基于小波多尺度变换的局部放电去噪与识别方法研究 D. 重庆大学, 2004. 6 高电压技术M. 中国电力出版社, 2007. 7 徐剑, 黄成军. 局部放电窄带干扰抑制中改进快速傅里叶变换频域阈值算法的研究J. 电网技术, 2004, 28(13): 80-83. （注：素材和资料部分来自网络，供参考。请预览后才下载，期待你的好评与关注！）