基于组合滤波器组的变压器局部放电信号识别

谭菊华，谢芳娟，吴福英

（1.南昌大学科学技术学院，江西南昌 330029；2.江西师范大学软件学院，江西南昌 330022）

基于组合滤波器组的变压器局部放电信号识别

谭菊华1，谢芳娟1，吴福英2

（1.南昌大学科学技术学院，江西南昌 330029；2.江西师范大学软件学院，江西南昌 330022）

文中提出了一种基于组合滤波器组实现变压器局部放电信号识别的算法。首先对变压器局部放电信号进行数学建模和噪声分析，设计出对应的抑制噪声滤波器组合信号检测滤波器组，通过将局部放电信号去噪。非线性放大，以及电压抬升特征提取，最终结合阈值比较滤波器，实现对于局部放电信号的定位。所述算法可实时高效，对于仿真数据和实际数据均表现良好。

滤波器组；变压器；局部放电

在现代化电网建设中，变压器是实现电力传输，电网控制以及电能转化的重要元件，扮演着重要的角色[1-3]。局部放电是造成变压器等高压设备故障的最主要原因之一，放电产生的绝缘击穿效应能够造成变压器漏电或瘫痪。因此，对于运行中的变压器设备进行实时，快速的局部放电监测，识别破危险性的局部放电始终是电力控制研究领域的焦点[4-7]。

局部放电相对于正常的电能信号而言，属于一种随机突发事件，其产生的时间以及具有的能量有明显的时变特性。同时，因局部放电会引起电路发生局部振荡，使得局部放电信号同时会伴随着电压振动产生，这种振动使得局部放电具有非平稳性[8-10]。虽采用经典的信号分析手段可解决部分局部放电识别或去除噪声的问题，但在识别的准确度和效果上却依然难以控制[11-12]。造成这一问题的部分原因是局部放电信号本身受到各种干扰，易淹没在噪声环境中；另一方面的原因在于缺少专门针对局部放电信号特性建立的识别技术，难以从信号的本质上把握住局部放电的特点[12]。

不同研究者对上述问题提出自己的解决策略，通过小波分析以及结合功率谱估计，广义双谱估计或神经网络等方法，这些新的技术手段提升了变压器局部放电信号的监测精度。但在实际使用上，小波分析和神经网络均不能实时进行，而基于功率谱或多种特征融合的方法却过于复杂，难以应用于工业实践中[3-9]。本文从变压器局部放电的通用模型入手，分析局部放电信号的基本特点，以及影响局部放电信号监测的噪声特点，通过建立组合滤波器组，实现变压器局部放电信号的监测。

1 变压器局部放电信号的数学建模

在我国，目前的高压变压器局部放电被定义为电压超过252 kV，其在信号上，一般表现为一个短时冲击，因为局部放电后，会伴随着电压击穿，所以最终信号整体近似可被表达成一个单边衰减指数函数，单边振荡衰减指数函数，或双边衰减指数函数、双边振荡衰减指数函数[5-6]，一般数学描述如下。

单边衰减指数函数：

单边振荡衰减指数函数：

双边衰减指数函数：

双边振荡衰减指数函数：

式中：A1，A2，A3，A4分别为信号的幅度；α1，α2，α3，α4分别为不同信号的衰减系数，这里约定衰减系数均为正数；t0为一个随机数，服从均匀分布；ω2，ω4为不同的频率信号；θ是一个随机数，表示初始相位信息，服从均匀分布；u（t－t0）是以t0为分界时间的单位函数，当t－t0≥0时，u（t－t0）为1，其他情况为0。

从图1中可看出，变压器局部放电信号一般包含一个快速明显的电压抬升过程，然后迅速的衰减，这种变化说明变压器局部放电信号本身在频谱上包含丰富的高频信息，采用高通滤波器可有效的提取表征其电压突变的信息。

2 变压器局部放电信号的噪声分析和建模

变压器局部放电信号受到来自电路系统内部热噪声，以及电压传输过程的电压波动，同时还可能伴随着监测放电设备的测量噪声。因此，变压器局部放电信号的噪声成分比较复杂，夹杂了白噪声和有色噪声[10-12]。现有的文献对变压器噪声的消除算法主要集中在处理变压器局部放电信号的高频噪声，或者可能与监测局部放电的方法相关，然而局部放电信号同时受到各种电压波动的低频噪声影响，因此合理的分析和去除变压器局部放电信号的噪声成分，对于准确监测变压器局部放电故障十分重要。

图1 4种常见的变压器局部放电信号Fig.1 Four above-mentioned partial discharge signals of the transformer

变压器局部放电信号的噪声建模，本文主要考虑影响其最重要的低频电压波动噪声以及高频热噪声，下面对应给出其数学模型。

低频电压波动噪声：

高频热噪声：r（t）=Xt，Xt=（xt1，xt2，…，xtm），xtj，j=1，2，…，m服从均值为0、方差为σ2的正态分布。

其中，Bi分别表示信号的幅度；ωi表示不同的频率信号，ωi一般小于5 Hz的频率成分；θi是一个随机数，表示初始相位信息，服从均匀分布。

图2 2种不同的变压器局部放电噪声信号Fig.2 Partial discharge noise signals of two different transformers

图2详细展示了低频电压波动噪声和高频热噪声两种不同的变压器局部放电噪声信号，对于实际的噪声信号，这2种噪声信号的加性叠加，可取得较好的近似效果。

3 组合滤波组设计以及性能分析

从前文的描述不难看出，实际采集的变压器局部放电信号可看作为纯粹的变压器局部放电信号和噪声信号的叠加信号，设计组合滤波器用来分析和提取局部放电信息，实际上就是将与监测电压快速提升过程无关的信息抑制或剔除的过程。因此，整个组合滤波器组可以由噪声抑制滤波器组以及局部放电信号检测滤波器组构成。

噪声抑制滤波器组，主要用于去除到信号的噪声信息，本文采用正交镜像滤波器和中值滤波器来削弱噪声对于局部放电信号监测的影响。正交镜像滤波器，最初用于通信领域信号的传输和重建，该种滤波器的最大特点是，将输入的信号进行高频和低频的拆分，再基于拆分后的高低频信号再次重新组合所述信号。换言之，这种操作可对信号的不同频带进行分离，结合前文对于热噪声的分析，可以得出，热噪声主要集中在信号高频部分，通过将拆分后的高频信号归零，或者选择性归零，再经过信号重组，便可实现对于高频热噪声的有效消除。图3展示了镜像滤波器分解重构信号的一般流程。

图3 镜像滤波器分解重构信号的一般流程Fig.3 General flow of the image filter decomposition reconstruction signal

本文选取了常见的n阶消失矩db正交镜像滤波器，用于实现消除热噪声的影响，接着采用中值滤波器作为非线性滤波器，去除低频电压波动噪声。

经过噪声消除，就能得到相对纯粹的变压器局部放电信号。这时，再进行波形识别和检测，实现对于电压快速抬升变换的检测。局部放电信号因波形特点，一般均比周围的电压幅度大，为了更好的突出这种变化，局部放电信号检测滤波器组描述如下：

第一步，包含一个非线性放大滤波器，本文采用平方放大器用于放大局部放大信号；

第二步，包含一个低通滤波器，将放大的局部信号再通过一个汉明窗低通滤波器，将表征局部放电信号的部分频带保留，而将不属于其部分的频率信息剔除；

第三步，包含一个高通滤波器，本文采用一个帽型函数，将表现电压跳变的信息突显出来，而抑制无关信息；

第四步，包含一个阈值比较器，筛选出电压跳变点，即发生了局部电压跳变的位置。上述局部放电信号检测滤波器组的一般流程如图4所示。

图4 局部放电信号检测滤波器组的一般流程Fig.4 General flow of partial discharge signal detection filter banks

4 实验仿真和数据结果

本文首先采用了仿真数据验证，所述算法的准确性，因为双边衰减信号在信号特点上和单边信号相一致，因此，仿真验证的数据采用单边数据。采样频率为2 500 Hz，采样时间为20 s，仿真的单边衰减信号包含热噪声和低频电压波动噪声，下面展示一个典型的包含噪声的仿真信号。

采用前文所述的滤波器组对上述信号进行滤波处理，可检测得到局部放电的准确位置，见图6，展示整个算法流程每一步处理得到的结果，结合图5的仿真信号，展示一个局部放电滤波定位结果。

图5 典型的仿真变压器局部放电信号Fig.5 Typical simulation transformer partial discharge signal

从图中得出，所述组合滤波器组可有效的定位和检测出局部放电信号，并将其发生时刻准确地进行标记和显示，说明了所述算法的有效性。为了进一步验证算法的可靠性，本文对历史采集的多组局部放电数据进行了算法验证，得到与仿真数据基本一致的结果，且局部放电的定位准确率达到90%以上。

图6 本文所述组合滤波器用于进行局部放电信号的检测结果图Fig.6 Results of the combined filter used to detect partial discharge signals

5 结语

基于组合滤波器组的变压器局部放电监测算法，可以准确、高效地检测变压器的局部放电位置。进一步研究将主要集中在上述阈值比较滤波器的优化，采用动态或自适应的阈值比较滤波器，能更进一步提高本算法的局部放电定位精度和准确性。

[1]刘太洪，赵永雷.动态加权模糊聚类在变压器故障诊断中的应用研究[J].电网与清洁能源，2016，32（4）: 89-92.LIU Taihong，ZHAO Yonglei.Application of dynamic weighted fuzzy clustering in transformer fault diagnosis[J].Power System and Clean Energy，2016，32（4）:89-92（in Chinese）.

[2]程昌奎，郑永建，庞军，等.变压器局部放电监测中的最优小波与脉冲鉴别去噪方法研究[J].高压电器，2016，52（3）:123-128.CHENG Changkui，ZHENG Yongjian，PANG Jun，et al.Study on optimal wavelet transform and pulse discriminant denoising in partial discharge monitoring of transformers[J].High Voltage Apparatus，2016，52（3）:123-128（in Chinese）.

[3]赵磊，朱永利，高艳丰，等.基于变分模态分解和小波分析的变压器局部放电去噪研究[J].电测与仪表，2016，53（11）:13-18.ZHAO Lei，ZHU Yongli，GAO Yanfeng，et al.Research on transformer partial discharge denoising based on variational mode decomposition and wavelet analysis[J].Instrument and Meter，2016，53（11）:13-18（in Chinese）.

[4]孙小平，王刚.空间高可靠高压变压器局部放电分析与检测[J].电源技术，2016，40（3）:642-644.SUN Xiaoping，WANG Gang.Partial discharge analysis and detection ofspace high reliability high voltage transformer[J].Power Technology，2016，40（3）:642-644（in Chinese）.

[5]孙柯，张强，卢歆.变压器局部放电检测系统[J].电子科技，2012，25（9）:70-71.SUN Ke，ZHANG Qiang，LU Xin.Transformer partial discharge detection system[J].Electronic Science and Technology，2012，25（9）:70-71（in Chinese）.

[6]吴德贯，余忠田，周禹，等.±800 kV特高压直流工程换流变压器阀侧对称加压局部放电试验的现场试验方法探讨[J].高压电器，2015，51（2）:136-140.WU Deguan，YU Zhongtian，ZHOU Yu，et al.Study on field test method of valve side symmetrical pressurized partial discharge test for±800 kV UHV DC converter transformer[J].High Voltage Apparatus，2015，51（2）:136-140（in Chinese）.

[7]朱翔宇，王宝华.基于改进希尔伯特黄变换的变压器励磁涌流识别[J].电子设计工程，2015，23（18）:148-152.ZHU Xiangyu，WANG Baohua.Transformer excitation inrush identification based on improved hilbert-huang transform[J].Electronic Design&Engineering，2015，23（18）:148-152（in Chinese）.

[8]吕帅，张靠社.基于小波变换去噪预处理的EMD谐波检测方法[J].电网与清洁能源，2016，32（6）:58-61.LÜ Shuai，ZHANG Kaoshe.Harmonic detection method based on wavelettransform denoising pretreatment[J].Power System and Clean Energy，2016，32（6）:58-61（in Chinese）.

[9]王友臣.大型油浸式变压器中局部放电的超高频特征研究[D].上海:上海交通大学，2014.

[10]XIN X，LI Jisheng，JI Haiying，et al.Study of crossshaped ultrasonic array senor applied to partial discharge location in transformers[J].Review of Scientific Instru-ments，2013，84（11）:115001-115001-5.

[11]ZENG Zhehao，ZHOU Yong，HU Kai.Research on partial discharge signal detection method based on extended Duffing oscillator[J].Acta Physica Sinica，2015，64（7）：70505-070505.

[12]WANG Xinglin，TONG Xiaolong.Transformer partial discharge monitoring based on optical fiber sensing[J].Photonic Sensors，2014，4（2）:137-141.

（编辑 张晓娟）

Transformer Partial Discharge Signal Recognition Based on Combined Filter Banks

TAN Juhua1，XIE Fangjuan1，WU Fuying2
（1.College of Science and Technology，Nanchang University，Nanchang 330029，Jiangxi，China；2.College of Software，Jiangxi Normal University，Nanchang 330022，Jiangxi，China）

This paper presents an algorithm for the identification of partial discharge signals in a transformer based on the combination filter banks.First，modeling and mathematical analysis of the transformer partial discharge signal are performed，and second，the filter is designed to suppress the noise detection signal corresponding to the filter，and the partial discharge signal is de-noised and amplified non-linearly and the voltage rise is raised for feature extraction.Finally，compared to the threshold filter，the positioning for the partial discharge signal is realized.Both the simulation data and the actual data suggest that the algorithm can be real-time and efficient and the proposed method can have an identification accuracy of more than 90%，which has the engineering application value.

filter banks；transformer；partial discharge

2016-05-27。

谭菊华（1980—），女，硕士，讲师，研究方向为信号传输和电子自动化设计；

谢芳娟（1985—），女，硕士，讲师，研究方向为通信技术与信息处理；

吴福英（1979—），女，硕士，讲师，研究方向为图像处理。

江西省教育科学技术研究项目（GJJ151505）。

Project Supported by the Jiangxi Provincial Education Science and Technology Research Program（GJJ151505）.

1674-3814（2016）12-0082-04

TM855

A