胡南

（国网电力科学研究院，湖北 武汉 430074）

交叉验证法在GIS超声局部放电信号提取中的应用

胡南

（国网电力科学研究院，湖北 武汉 430074）

针对气体绝缘组合电器超声波局部放电检测信号常伴随有振动噪声的特点，提出了基于交叉验证的气体绝缘组合电器超声波局部放电信号提取方法。该方法无需先验知识进行噪声判断，自动选取去噪小波基、阶数及阀值。实验表明，该方法能够有效滤除振动干扰信号，实现超声信号到达时刻的精确辨识。

局部放电；交叉验证；小波消噪；气体绝缘组合电器；超声

0 引言

超声法是气体绝缘组合电器 GIS（gas insulated switchgear） 局部放电检测的常用手段之一[1]，精确读取超声信号波形是成功进行局部放电检测的前提。然而，复杂的现场环境以及GIS管壁的振动等使得超声信号中混入了大量噪声，给信号的准确读取造成了困难。

小波变换具有良好时频特性，能够对信号的时域及频域进行局部化地调整，国内外已有诸多学者将其应用于信号去噪。文献 [2]给出了局部放电的数学模型，文献 [3—7]选择小波阀值去噪，但却没有对小波基的选取以及分解层数的选定给出判断依据。如何选择合适的小波基、分解层数以及去噪阀值仍然是小波去噪的难点。通过大量的尝试和对比是一种确定小波基和选定去噪阀值的方法，然而，这无疑将造成大量时间和精力的浪费。将交叉验证法CV（cross-validation）[8-9]引入到局放信号的提取中，通过构造平方误差函数 ISE（integrated square error），比较不同小波基，分解层数以及阀值，自动确定最优去噪方案。

1 小波变换去噪

c）对W进行小波逆变换，得到消噪后的函数。

1.2 交叉验证法

交叉验证法是一种有效的小波函数选取和阀值优化方法。该方法认为，最优的去噪信号应该与理想不含噪信号之差的平方和 RSE（reconstruction square error）最小。RSE定义如下

1.1 小波去噪原理

含噪信号F（t） 实际上由两部分构成，超声信号f（t）以及噪声γ（t），即

按照如下步骤进行去噪。

a）选择合适的小波函数，对含噪信号F（t）进行小波变换：=TF（T为小波变换矩阵）

其中，fd为去噪后信号，t（j）为理想无噪信号，N为采样点数 (N=2m)。

然而，实际工程中，不含噪信号是未知的，交叉验证法提供了一种在理想信号未知的情况下估计RSE的方法，其原理如图1所示。

图1 交叉变换原理图

具体的，可将交叉验证法分解为如下几步。

a)将原始信号序列按奇偶分成两列并重新排序。

b)用偶数列中的元素来对奇数列中的元素做出估计。

g)同理对奇序列进行交叉变换，得到ISE（奇），ISE=ISE（奇）+ISE（偶）。

选取不同的阀值带入上式将得到不同的ISE值，其中最小ISE对应的thr即为最优去噪阀值。上述过程是对N/2个点的阀值tN/2的估计，由N个点构成的序列阀值为[8]

c)将偶数列信号fe通过小波变换矩阵W变换到小波域：we=Wfe。

d)选取适当的阀值函数（T），对小波系数进行修改：wet=T(we)。

（其中WR为重构变换矩阵）

2 最优去噪小波基及阀值

现场测试经验表明，局放产生的特征脉冲超声波时间很短，通常只有为ms级。其双指数衰减波形如图2所示。

图2 局部放电信号模型

加入了噪声后的波形如图3所示。 (信噪比SNR=1.835 dB)可以看到，加噪后，有效信号被覆盖，严重影响判断。

图3 加噪后的局部放电波形

下面应用各种小波基对信号进行基于交叉验证法的去噪。为进一步提高小波基选择的可靠性，将信噪比SNR也纳入考量。不同小波基下的RSE和SNR如表1所示。

表1 不同小波基的RSE和SNR（暂定分解层数为6）

从信噪比的角度考虑，较优的选择为：db10，db2，db20，db4。从RSE角度考虑，较优的选择为：db4，sym2，db6，db12。

综上，考虑使用db4进行去噪。下面考察小波db4在不同分解层数下的RSE和SNR值，如表2所示。

表2 db4的RSE,SNR及阀值

综合RSE和SNR，选择db4小波为去噪小波，分解层数4层，阀值设为0.569 1，去噪后的波形如图4所示。

图4 去噪后的局部放电波形

3 实例分析

为验证本文方法对GIS超声信号的提取效果，进行了实验室条件下的模拟局放实验，实验接线图如图5所示。人工模拟罐体内因金属突出物而产生的尖端放电,如图 6所示。示波器采用Tektronix MDO3014(带宽1 GHz，采样率5 GS/s)，超声探头采用美国物理声学公司 (PAC)R151-AST(频率响应范围：80～200 kHz)。

图5 超声信号采集接线图

图6 金属突出物缺陷模型

采用10 M/s的采样率进行信号采集，测得的含噪超声信号如图7所示，采用本文方法进行去噪后的波形如图8所示。

图7 含噪的超声局放信号

图8 去噪后的超声局放信号

对比图7和图8可以发现，去噪后的信号完整地保留了超声脉冲首波，有效滤除了信号噪声，增强了波形图的可读性。

4 结论

本文提出了一种基于交叉验证法的超声局放去噪方法，该方法能够通过算法自动选取去噪小波基及阀值，而无需知道噪声的性质。实验表明，该法操作简便，去噪效果良好，去噪精度能够满足工程实际需要。

[1] 陈敏,白尧,汪涛,等.GIS设备击穿放电定位技术研究与现场应用 [J].高压电器,2014,50(6):81-90.

[2] 唐炬,周倩,许中荣,等.GIS超高频局放信号的数学模型[J].中国电机工程学报,2005,25(19):106-110.

[3] BOZCHALOOIIS,LIANG M.A smoothness index guided approach to wavelet parameter selection in signal de-noising and fault detection [J].Journal of Sound and Vibration,2007,308(1/2): 246-247.

[4] 胡明宇,王先陪,肖伟,等.基于UHF的局部放电信号小波包去噪与模式识别研究 [J].仪表技术与传感器,2016(7):93-96.

[5] 张子毅,巴文祥.基于小波分析的GIS局部放电检测与应用[J].仪器仪表与检测技术,2015,34(9):70-74.

[6] 唐炬,樊雷,张晓星,等.用谐波小波包变换法提取GIS局部放电信号 [J].电工技术学报,2015,30(3):250-257.

[7] 汤宝平,刘文艺,蒋永华.基于交叉验证法优化参数的Morlet小波消噪方法 [J].重庆大学学报,2010,33(1):1-6.

[8] PASTI L,WALCZAK B,MASSART D L.Optimization of signal de-noising in discrete wavelet transform[J].Chemometrics and Intelligent Laboratory Systems,1999，48(1):21-34.

[9] NASON G P.Wavelet shrinkage using cross-validation[J]. Journal of the Royal Statistical Society. Series B: Methodological,1996,58(2):264-279.

Application of Cross Validation in Extracting Partial Discharge Signals in GIS

HU Nan
（State Grid Electric Power Research Institute,Wuhan,Hubei430074,China）

Since vibration noise is contained in the signals for ultrasonic partial discharge detection in Gas Insulated Substation(GIS), a method for GIS ultrasonic partial discharge signal extraction based on cross validation is proposed.The method does not need a priori knowledge to make noise judgments,and automatically selects the de-noising wavelet,order and threshold.The experimental results show that the method proposed has a good de-noisingperformance and it is precise in definingthe arrival instant ofultrasonic signals.

partial discharge;cross-validation;wavelet de-noising;GIS;ultrasonic wave

TM835

A

1671-0320（2017）04-0006-04

2017-04-10，

2017-06-05

胡 南（1990），男，湖南长沙人，国网电力科学研究院2015级硕士在读，研究方向为电力设备的状态检测。