， ， 陈唐

(西南交通大学 电气工程学院，成都610031)

0 引言

为了检测接触网绝缘子表面的污秽程度，使用监测绝缘子表面泄漏电流这一实时检测法能有效地掌握绝缘子表面的绝缘特性，进而反映绝缘子表面的积污情况。但由于工作地点的特殊性，现场采集的接触网绝缘子泄漏电流信号不仅包含噪声而且列车通过绝缘子支柱时亦会对泄漏电流信号产生强烈的干扰。为了在不影响列车运行的情况下，得到准确可靠的泄漏电流信号。研究如何识别接触网绝缘子泄漏电流信号中的过车干扰并加以去除就显得尤为重要[1-4]。

目前，大多数关于绝缘子泄漏电流信号去噪的方法主要集中在去除常规噪声上：如文献[5]通过大量的现场数据提出了经典噪声、故障噪声和单点噪声，并分别采用时窗、可忽略阈值和最大最小点平滑的方法对噪声进行处理。文献[6]采用小波阈值去噪法对安全区内，不同信噪比的绝缘子泄漏电流信号进行去噪。文献[7]采用EMD去噪法对绝缘子泄漏电流信号进行去噪。但针对接触网绝缘子过车干扰及去除方法的研究却涉及较少。如文献[8]通过提取出泄漏电流漂移趋势波形，计算波形曲线与x轴所围成图形的面积来判别过车干扰。文献[9]采用小波能量比值法对过车干扰信号进行识别。但由于小波分解需根据实际情况事先确定阈值函数，分解层数以及小波基等参数。故不同参数的选择会产生不同的分解结果，最终会影响识别过车干扰信号的准确性。

针对上述现状，笔者首先通过现场过车试验采集到过车过程中连续、实时的接触网绝缘子泄漏电流原始信号。然后根据实际过车时间提取出泄漏电流的过车干扰数据段进行分析并引入能量的概念，提出一种基于经验模态分解(empirical mode decomposition, EMD)与能量相结合的识别过车数据的方法并将识别出的过车干扰数据段加以去除。最后通过大量现场数据验证，证明了该方法具有较高的准确性，能够较好地运用到接触网绝缘子泄漏电流信号去除过车干扰中。

1 信号处理方法

传统的处理信号方法主要有傅里叶变换以及小波变换等。由于接触网绝缘子泄漏电流信号为非线性，非平稳信号。傅里叶变换所采用的时频加窗法由于窗口大小固定而不具备自适应性，难以处理非线性，非平稳信号。小波变换法本身是一种线性变换，不适用于解决非线性问题。而且不同小波基的选取会对处理结果产生较大影响。故也不适用于处理非线性，非平稳信号。相对于传统方法，EMD法是一种直观、后验且自适应的信号处理法，因为其内在的自适应性能解决一些传统方法难以解决的问题，故非常适合处理非线性，非平稳信号[10]。

1.1 EMD方法与希尔伯特变换

EMD是Huang N.在1998年提出来的，是一种自适应的局部时频分析方法。其本质上是对信号进行平稳化处理，其结果是将信号中不同尺度的波动或趋势逐渐分解成一系列具有不同特征尺度的数据序列[11]。而每一个数据序列称为本征模态函数(Intrinsic Mode Function，IMF)。本征模态函数必须满足两个条件：

1)每个IMF序列的极值点数目与过零点数目相同或相互之间相差一个。

2)每个IMF序列的局部极大值和局部极小值所构成的上下包络线均值为零。

对于给定信号x(t)，EMD的分解方法如下流程所示：

1)确定x(t)所有的局部极值点。

2)利用三次样条插值法分别确定局部极大值和局部极小值所构成的上下包络线，并计算出上下包络线的平均值记为h(t)。

3)计算给定信号x(t)与平均值h(t)的差值记为b(t)。

b(t)=x(t)-h(t)

(1)

(4)用b(t)代替x(t)并重复以上(1)—(4)步，直到包络线均值趋近于零为止。

此时，若是所得的b(t)满足IMF的两个条件，则可认为b(t)为第一个IMF分量记为c1(t)。这时的c1(t)为给定信号x(t)经过EMD分解所得到的最高频部分。为了进一步分解，利用x(t)减去c1(t)即可得到相对低频的信号记为x1(t)。再用x1(t)代替x(t)并重复以上所有步骤，可得到相对于x1(t)更低频的信号记为x2(t)和第二个IMF分量c2(t)，直到所得的xn(t)为一个单调函数或者为一个常值函数记为r(t)。

由此给定信号x(t)经过EMD分解可表示为

(2)

式中，ci(t)表示第i个IMF分量，r(t)表示残差分量。给定信号x(t)的频率随着分解而下降。其中IMF1为原始信号的最高频部分，残差函数r(t)为原始信号的最低频部分[12-13]。

希尔伯特变换是一种基于EMD法，采用希尔伯特变换获取信号频谱的处理方法。在进行EMD变换后，将待分析的IMF分量(设其为ci(t))进行希尔伯特变换如式3所示。

(3)

构成复信号zi(t)。

zi(t)=ci(t)+jH[ci(t)]

(4)

可得到其幅值和相位。

(5)

可得每个采样点的瞬时频率为fi(t)为

(6)

1.2 能量分析

对给定信号x(t)进行EMD分解所得到的IMF分量ci(t)可以分别计算出每个IMF分量的能量。

(7)

式中:ci(t)表示第i个IMF分量；Ei为第i个IMF分量的能量[14-15]。

2 过车试验

试验是在北京铁路局，石家庄供电段的正定和邢台区两个区间展开，间选取了5个支柱进行的，分别为12号支柱、36号支柱、205号支柱、209号支柱和301号支柱，每个支柱进行至少5次过车试验。选取两个不同的区间是由于现场干扰源众多，为了保证测试环境的多样性，用以确定过车数据的来源。同时为了防止泄漏电流过于微弱而不易采集或者采集的数据缺乏应用价值。根据供电段提供的绝缘子清洗记录，所选的绝缘子均具有一定的污秽程度且试验过程中湿度为63%左右[16-18]。

2.1 试验设备

泄漏电流检测装置采用公司研制的接触网绝缘子泄漏电流检测装置。其基本原理是将检测装置安装在绝缘子杆塔上，实时检测绝缘子泄漏电流以及环境温度与湿度供后续分析。

装置硬件主要由泄漏电流传感器、温湿度传感器、A/D转换器、微处理器，低功耗唤醒模块以及供电单元组成。

考虑到现场环境恶劣以及泄漏电流信号微弱，变化幅值较大，频率范围宽的特点。泄漏电流采集端选择具有较高线性度、较高测量精度和较宽测量范围的罗氏线圈。

2.2 试验过程

过车试验过程如下。

1)在铁路局工作人员带领下，进入铁路现场。根据过车时间表,在不过车时连接与调试设备，实时采集一段时间的泄漏电流信号以确定所有设备均能正常工作。为了排除其他可能干扰，试验前通过咨询供电段工作人员，确认5根试验支柱附近均无电分相装置。

2)根据过车时间表,等待列车经过试验绝缘子所在的支柱。

3)过车过程主要分为三个阶段：过车前：在列车距离试验绝缘子所在支柱5～6个支柱时记录时间点并开始持续检测绝缘子泄漏电流。

过车时：当列车通过试验绝缘子所在支柱时，记录车头通过支柱与车尾离开支柱这两个时间点，期间持续检测绝缘子泄漏电流。

过车后：直到列车远离试验绝缘子所在支柱5-6个支柱时停止检测绝缘子泄漏电流并记录时间点。

4)保存并整理所记录的数据。

5)重复上述步骤,每个支柱至少做5次过车试验。

3 试验数据分析

为了展现列车在支柱下方通过时对所在的接触网绝缘子泄露电流所产生的干扰，分别以5根杆中每一根杆的一次试验为例进行说明。如图1所示。

图1 试验泄漏电流波形图Fig.1 Experiment leakage current waveform Figure

图1分别包含了过车前、过车时和过车后三个阶段的泄露电流波形变化信息。可以看到在列车通过前，不同试验支柱绝缘子的泄漏电流波形均呈现稳定周期变化趋势。在列车通过时，其泄漏电流波形均出现了不同程度的剧烈畸变。而当列车通过后，不同试验支柱的绝缘子的泄漏电流又均恢复至过车前的状态。可见过车过程会对所采集的接触网绝缘子泄漏电流信号产生较大的干扰。下面以301号杆过车时泄漏电流的变化情况为例来分别以时域和频域两个方面来具体说明。

3.1 过车数据时域分析

在时域方面，分别提取301号杆绝缘子泄漏电流23 s左右(过车时)的波形， 15 s左右(过车前)以及70 s左右(过车后)的波形。

从图2-4中可以看出在时域内过车时泄漏电流变化主要有两个特点：

1)整体上，相对于过车前、后，泄漏电流波形以y轴零点为中心呈不规律振荡变化趋势。

2)具体看，相对于过车前、后，泄漏电流波形出现了少量“毛刺”现象，主要集中在波峰和波谷处。但波形的轮廓并未发生明显变化且信号周期也和过车前、后一致。

图2 301号杆过车时时域局部放大图Fig.2 301 bar leakage current time domain of partial enlargement when train passed

图3 301号杆过车前时域局部放大图Fig.3 301 bar leakage current time domain of partial enlargement before train passed

图4 301号杆过车后时域局部放大图Fig.4 301 bar leakage current time domain of partial enlargement after train passed

3.2 过车数据频域分析

在频域方面，分别提取301号杆过车前、过车时与过车后各5 s的泄漏电流信号进行快速傅里叶变换。结果如图5所示。

图5 301号杆过车过程频谱图Fig.5 No.301 bar leakage current spectrum diagram when train passed

从图5中可以看出在频域内，整个过车过程中泄漏电流频谱变化主要有两个特点：

1)相对于过车前和过车后，过车时的泄漏电流频谱中高次谐波成分并无明显增加而主要的频谱特性变化集中在低频部分。

2)在低频部分，最明显的特征在于过车前与过车后，除了基波分量其他谐波成分几乎为零，而在过车时，低频部分有一个突增的幅值出现。从局部放大图中可以看出，在0～6 Hz范围内出现了明显的低频分量增大现象，最大幅值为0.75 mA左右。

由以上分析可知，在时域范围内，列车通过会使得泄漏电流波形出现不同程度的畸变和不规律振荡。波形出现少量“毛刺”现象表明，过车干扰同时给泄漏电流信号注入了一定的噪声干扰。在频域范围内，过车干扰主要影响泄漏电流频谱的低频部分，在0～6Hz内出现了明显的低频分量增大现象。

4 去除过车干扰

4.1 去除方法

去除过车干扰首先需要有效地识别过车干扰数据段。通过以上分析可以看出，在列车通过绝缘子支柱时会使泄漏电流产生较大波动，可以利用低频内的振荡现象对过车现象加以识别。但由于过车现场环境复杂，诸如列车过电分相时产生的分相过电压以及车载变压器空载合闸产生的励磁涌流可能会导致局部过电压，从而会在测得的信号中产生一个低频直流分量。而这部分信号不属于干扰信号应该予以保留。若是不加区分只提取信号低频部分加以分析判断则容易产生误判。

实践表明，励磁涌流是由过电分相后车载变压器空载合闸时铁芯磁通饱和及铁芯材料的非线性特征引发的，特点是会产生大量高次谐波特别是二次谐波并且波形呈衰减趋势，其衰减系数与系统阻抗有关[19-21]。故可以通过对待分析的信号进行频谱分析，如果频谱中不仅出现较大直流分量而且也含有大量高次谐波特别是二次谐波。则判断为励磁涌流信号，予以保留。对于列车过电分相时的操作过电压。可以通过监测接触网电压的波动情况来判别，若是同时检测到泄漏电流频谱中出现较大直流分量以及接触网电压出现突变，则可判定为过电压信号予以保留。本文限于试验条件没有开展接触网的电压检测。为了排除其他可能干扰，试验前通过咨询供电段工作人员，确认5根试验支柱附近均无电分相装置。

在排除过电压以及励磁涌流的情况后，由于监测泄漏电流所用的传感器为穿心式电流传感器，由文献[22]可知，泄漏电流单位为毫安，所采集的数据易受到现场环境的干扰。且电流传感器对周围环境的感知会对采集的泄漏电流信号造成偏移，且从试验可以看出在不同区段检测的泄漏电流在过车时都产生了较强波动。故可以初步判断过车干扰是由于列车的快速通过对电流传感器造成的扰动引起的。可以利用在过车时泄漏电流频域内低频分量出现振荡突增这一现象。采用经验模态分解原理和希尔伯特-黄变换将低频部分分离，然后通过计算低频部分的能量来识别是否为过车干扰数据段。

在识别出过车干扰后，过车干扰数据段不仅带有噪声干扰而且整体呈不规律振荡变化趋势。说明过车对泄漏电流影响较为复杂，在信号低频部分往往含有信号的本质特征信息，通过高通滤波器过滤可能同时也会去除很多有用信息。故直接将过车数据段从整个数据段中去除就相对容易。

通过分别对301号杆过车前、过车时和过车后各5 s的数据进行EMD分解，提取残差分量作为趋势项(频率最低)。由图8可选定0～6 Hz作为待分析的低频部分范围。为了确定所得趋势项的频率范围，通过希尔伯特-黄变换求取各趋势项的频率范围分别如表1所示，可见趋势项的频率在选定范围之内。然后根据公式(7)分别计算趋势项的能量。如表2所示。

表1 EMD分解趋势项频率

表2 301号杆过车过程直流分量能量表Table 2 No.301 leakage current DC component power scaleTable when train passed

如表2所示，相对于过车前、后，过车时泄漏电流直流分量的能量明显远大于前两者。而后直接将过车数据段从泄漏电流原始数据段中去除即可达到目的。

4.2 过车数据能量分析

通过现场过车试验，分别提取120组过车数据与120组无过车数据，共240组数据进行分析，文中限于篇幅只分别列出26组数据的直流分量能量值、过车情况和杆号，如表3所示。

表3 过车时与无过车时直流分量能量表Table3 Leakage current DC component power scaleTable when train passed or not

通过分别对240组过车时与无过车时的泄漏电流数据进行分析，最终设定用于识别是否为过车数据段的阈值为50，即若直流分量能量大于50则判定为过车数据，直接在泄漏电流原始数据段中予以去除。若小于50则判定为无过车数据段，予以保留。

4.3 误差分析

通过分析，在120组过车数据段中，仅有3处数据的直流分量能量小于阈值50。过车数据段识别率为117/120=97.50%。而在120组无过车数据段中，仅有2处数据段的直流分量能量大于阈值50。无过车数据段识别率为118/120=98.33%，满足实际工程需求[19]。

5 结论

为了去除过车对所采集的泄漏电流信号的干扰，文中通过现场过车试验，对所采集的泄漏电流信号进行时域和频域分析。利用EMD法和希尔伯特变换法提取出原始信号的低频分量，通过计算其能量来识别过车数据段，最后将过车数据段直接从原始数据段中去除。通过以上试验和分析可得出以下结论。

1)相对于过车前、后,过车时的泄漏电流信号在时域内整体以y轴零点为中心呈不规律振荡变化趋势,且带有一定的噪声干扰。但泄漏电流波形轮廓和信号周期并未发生明显变化。

2)相对于过车前、后,过车时泄漏电流信号的频谱特性变化主要发生在低频范围内，具体体现在低频分量幅值突增而基波分量幅值略有下降。

3)根据以上分析，文中首先提出了一种基于EMD分解与能量相结合的识别过车数据段的方法，然后将过车数据段从泄漏电流原始数据段中直接去除。通过大量数据验证，过车数据段识别率为97.50%，无过车数据段识别率为98.33%。满足实际工程需求。