杜 欣

（国网杭州供电公司，浙江 杭州 310000）

0 引 言

暂态信号的增强技术应用中，可以较为快速地检测初始行波的准确到达时间，增加了测距精度，使得距离检测过程中形成一定的可靠通路。根据信号增强技术的应用，能够有效提取相角信息，准确提取特征频率点，及时增强信号。提取不同频带之间的暂态信号特征，并观察其在不同频率内的波形变化。有效减少局部故障特征信息产生单一暂态信号而形成的异常问题[1,2]。在受到噪声的影响下也能够对暂态信号进行增强动作。由于传统信号增强方法在小波变换时对暂态信号的增强效果不明显，当变换尺度增大时，时频局域性较差，使得增强效果减弱，提取暂态信号过程中无法准确找到故障位置。变换过程中受衰减直流分量影响，频率分辨力较差导致结果难以达到预期。因此，现阶段以新型电力系统的衰减暂态信号增加技术以研究对象，结合实际情况对其展开研究与分析。

1 新型电力系统暂态信号增强

1.1 电流行波幅值衰减

设定电力系统行波与故障点的距离为x，行波首波头信号为s(x)，得到信号的计算公式为

式中：I为电力系统的行波初始幅值，其大小与故障电阻等因素相关；χ为频率w下电力系统的行波传播数值。当频率为w时，电力系统行波首波头含有的分量设定为sw(x)，这时其幅值的表达式为

根据不同频率的暂态信号幅值，可以得到在不同传播距离x的变化量。当x值逐渐变大时，信号的衰减效果越显著，衰减的程度与行波传播常数的实部χ呈正相关。

1.2 消除幅值误差

运用Prony算法分析故障暂态信号取样数据长度。新型电力系统故障暂态信号经一阶差分滤波后衰减因子e=0，设定需要测试信号中频率分量的阶数为q，根据电路状况选取符合设定的阈值，满足取样点数存在的表达式为N＞2q。建立电力系统故障暂态信号特征模型，在计算幅值过程中，由于畸变形成的误差均在计算中体现，因此存在一定的积累误差[3-5]。设定误差值为k，根据不同间距的取样点进行取样，当输入衰减暂态信号时，不同分量的时间保持相同，相同频率分量的移动距离也保持相同。运用差分算法可以增强时频分量，将衰减的直流分量进行合理过滤和消除，在一定程度上还原频率信号幅值[6]。运用神经网络的故障暂态信号法进行分析，将权向量等输入模型中，不同频率幅值根据计算得到对应的调整量。不同频率分量的频率权值调整量为

式中：λ为频率的学习率。当λ值满足范围为0 ＜λ＜n+1时，神经网络运算进行收敛[7]。调整频率过程中，设定幅值的权重为固定值，将权向量设定为g，函数为。根据网络神经算法要想形成收敛态势，需要在频率学习率满足时，F(n)＜0。在不同取样长度中得到其优化范围值，即为上述频率学习率。根据神经网络训练方法进行学习，完成学习后得到第h个谐波分量的幅值为

式中：R为幅值；c为衰减直流量的起始值；C为衰减常数值；d为频率分量个数。根据神经网络训练可以得到不同频率分量的幅值，这样就能减少计算误差累积，从而消除幅值之间的误差。

1.3 暂态信号增强

在电力系统的输电线路发生故障时，故障分量中存在不同信息，故障会生成高频暂态分量，在行波传播过程中存在一定的折反射现象[8,9]。运用小波变换对时频进行分析，对暂态信号的频率特征进行提取。将暂态信号特征不断进行调整，适当对其进行放大处理，在此过程中，如果发现有与小波函数波形不同的部分进行清除，这样才能完整地将特征提取出来[10]。波形相同的判断系数为ρ，通过比较ρ的大小可以判断波形的相似程度。ρ的值越大，就表示提取的暂态信号波形与设定波形的相似程度高，通过波形的相似程度来得到故障信息。在电力系统发生故障时，通过计算变换熵来进行小波变换。将衰减暂态信号进行小波变换得到关系矩阵，并对其进行奇异值拆分，拆分得到的奇异值表示关系矩阵特征。将信息进行奇异值拆分，设定一个维数为n×m的矩阵，对其进行拆分，拆分公式为

式中：T为n阶矩阵；V为联合矩阵；Δ为中间矩阵，中间元素α表示矩阵Δ的奇异值。将奇异值进行归一化处理，得到小波奇异熵的计算公式和最大奇异熵的计算公式为

式中：D为奇异熵值；Δz为最大奇异熵。在经过小波变换后，将奇异值进行拆分，并完成增强处理。运用小波变换时频末段的特征，奇异值拆分提取数据特征，运用变换熵对特征信号进行整合与增强，同时还能在一定程度中得到不同时频信号并进行区分。信号增强程度与Δz成正比，Δz越大，暂态信号增强程度越明显，从而完成了对于电力系统中衰减暂态信号的增强。

2 实验测试与分析

2.1 搭建实验环境

选择某地新型电力系统中的某条225 kV 线路。该线路发生三相单相接地故障，对故障进行实际勘测并记录对应故障数据。设定从母线A 端到B 端对故障信号数据进行记录，录波设备在对故障线路进行取样时的频率为1 634 Hz。完成操作后，启动保护装置，设定取样数据点，并记录保护动作的数据。其中故障电路参数如表1 所示。

表1 故障线路参数

根据电力系统中提供的故障信息，测定故障点位于距B 端15 kA 处。同时，模型参数设定为100π，衰减系数为20。

2.2 结果与分析

新型电力系统中的2 处发生接地故障时，在经过对其暂态信号进行变换后，对信号的信号复杂度进行仿真实验分析。设置3 个小组，运用不同方法进行实验，给定信号为暂态分量中的直流衰减分量。设定基波频率为65 Hz，相位为0.3π，幅值为15。针对给定信号，本文提出方法、传统方法1 以及传统方法2 计算得到的拟合信号如图1 所示。

图1 不同方法信号增强效果

由实验结果可知，在较强的噪声影响下，传统方法的计算结果与给定信号有较大的差距，而且均没有呈现出信号增强的趋势。而相比于给定信号，本文方法的信号增强效果明显，起到了对于电力系统衰减暂态信号增加的功能。

为验证方法的应用性和有效性，计算电力系统衰减暂态信号故障后，将B 端的电流进行分解。将分解后的稳态信号、暂态信号与B 端数据进行运算。运用上述3 种算法，在相同计算时间内对其信号受到噪声影响程度的结果进行实验。计算得到上述3 种算法的最大相对误差，分析受到噪声影响的结果，具体如表2 所示。

表2 结果比较

从实验结果可知，本文方法的最大相对误差为0，受到噪声的影响程度最小，说明本文方法在计算能力和抗干扰能力上均有较高的应用性与准确性。同时，本文方法可以有效地将暂态信号中的稳态和暂态分量分解，在减少计算误差的同时对信号进行增强。当发生故障时，相位的位移不发生改变。A、B 两端计算出的故障点处电压波形相同，证实了本文提出的暂态信号增强技术的有效性。

综上所述，根据暂态信号的衰减特征产生的误差可以精准消除。在给定信号的对比下，本文方法可有效分解故障信号的暂态信号分量，并对其进行精准增强，达到较好的增强效果。

3 结 论

本次从暂态信号增强技术入手，深入分析新型电力系统方面的有关问题，探究了新型电力系统衰减暂态信号增强技术研究。对暂态信号进行了多方面识别与衰减，为搭建新型电力系统提供了重要依据。但方法中还存在一些不足之处，如特征训练集有关问题，实际信号捕捉要实时流动，对涉及到的功能进行优化等。今后应更加完善计算，通过多种增强方法进行特征提取，对动态的暂态信号进行准确捕捉和精准增强，避免了因为手动输入增强和经验限制造成无法提升信号。通过对于信号增强技术的计算和改善，实现了对新型电力系统衰减暂态信号更有效、更准确地增强。