ＥＭＤ方法在局部放电超声信号提取中的应用

卢　丽

摘 要：超声波定位法是一种对变压器内部不同部位放电点进行检测的行之有效的方法。由于变压器所处现场存在大量电磁干扰，采集到的信号包含大量噪声，因此必须做相应的预处理。变压器局部放电超声波定位中，首要任务是对超声波信号的提取，其准确性将直接影响到定位的实现。EMD方法可以将非线性、非平稳信号分解为不同频率成分的内禀模态函数，从而提取超声波信号。以陕西省高压电气设备局部放电定位项目为背景，详细分析了EMD方法的原理、实现过程，并用实例测试仿真，验证了该方法的有效性与准确性。

关键词：EMD；内禀模态函数；局部放电；超声检测

中图分类号：TP23文献标识码：B

文章编号：1004-373X(2009)03-137-03

Application of EMD Method in Extracting Ultrasonic Signals of Transformer Partial Discharge

LU Li

(Shaanxi Regional Electric Power Group,Xi′an,710061,China)

Abstract：The ultrasonic wave locating is an effective metheod on the examination to the transformer interior electric discharge spot of different parts.The transformer at the scene exsits massive electromagnetic interference and the gathered signal contains massive noise,so the signal must make corresponding pretreatment.In the ultrasonic location of transformer partial discharge,the most important is to extract the ultrasonic signals.Its precision directly affects the accuracy of the location.The Empirical Mode Decomposition(EMD) method can decompose the nonlinear and non-stationary signals to Intrinsic Mode Functions(IMF) with different frequency,then the ultrasonic signals are extracted.Based on the Shaanxi Project of High Vol-tage Instruments,the principle and realization process of EMD method are analysed,the correctness and stability are verified.

Keywords：EMD；IMF；partial discharge;ultrasonic examination

0 引 言

变压器内部局部放电在线监测和定位对变压器的故障检修十分重要。超声波定位法是一种对变压器内部不同部位放电点进行检测的行之有效的方法。由于变压器所处现场存在大量电磁干扰，采集到的信号包含大量噪声，因此必须做相应的预处理。

基于经验的模态分解(Empirical Mode Decomposition,EMD)方法可以有效地对非平稳信号中的各频率成分进行分离，提取出超声波信号。其主要过程是采用EMD方法将信号分解为若干个内禀模态函数(Intrinsic Mode Function，IMF)分量之和，然后对每个IMF分量进行时频率分析。该方法实现速度快，提取波形精度高，对非平稳、非线性信号具有良好的时频聚集性。本文对EMD方法的原理、实现过程进行了详细分析，并通过仿真数据验证了算法的有效性与准确性。

1 EMD方法

从物理学的角度来看，信号可分为单分量和多分量信号两大类。单分量信号在任意时刻都只有一个频率，称为信号的瞬时频率。多分量信号则在某些时刻具有各自的瞬时频率。瞬时频率可以很好地表示信号频率随时间变化的情况。EMD方法通过将信号分解为若干个IMF分量之和，从而分析各分量的时频特性。

1.1 内禀模态函数IMF

在EMD变换中，为了计算瞬时频率，定义了内禀模态函数。一个内禀模态函数必须满足下面两个条件：

(1) 在整个数据段内，极值点的个数和过零点的个数必须相等或相差最多不能超过一个；

(2) 在任意时刻，有局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，即上、下包络线相对于时间轴局部对称。

内禀模态函数反映信号内部固有的波动性，在它的每一个周期上，仅仅包含一个波动模态，不存在多个波动模态混叠的现象。

1.2 EMD方法——“筛分”过程

对于内禀模态函数，可以用Hilbert变换构造解析信号，然后求出瞬时频率。而对不满足内禀模态函数条件的普通信号，先要采用EMD方法将其分解。这个分解过程基于一个基本的假设：任何复杂的信号都是由一些不同的内禀模态函数组成，每一内禀模态函数不论是线性或是非线性、非平稳的，都具有相同数量的极值点和过零点，在相邻的两个过零点之间只有一个极值点，而且上、下包络线关于时间轴局部对称，任何两个模态之间是相互独立的；任何时候，一个信号都可以包含许多内禀模态函数，如果模态函数相互重叠，便形成复杂信号。在此假设的基础上，可以采用EMD方法通过下面的步骤对任何信号x(t)进行分解：

(1) 确定信号的局部极值点，用三次样条插值［4］将所有的局部极大值点连接形成上包络线。

(2) 用三次样条插值将所有的局部极小值点连接形成下包络线，上、下包络线应该包络所有的数据点。

(3) 上、下包络线的平均值记为m1，求出:

x(t)－m1=h1

(1)

理想地，如果h1是一个IMF，那么h1就是x(t)的第1个IMF分量。

(4) 如果h1不满足IMF的条件，把h1作为原始数据，重复步骤(1)~(3)，得到上、下包络线的平均值m11，再判断h11=h1－m11是否满足IMF的条件，如不满足，则重循环k次，得到h1(k－1)－m1k=h1k，使得h1k满足IMF的条件。记c1=h1k，则c1为信号x(t)的第1个满足IMF条件的分量。

(5) 将c1从x(t)中分离出来，得到:

r1=x(t)－c1

(2)

将r1作为原始数据重复步骤(1)~(4)，得到x(t)的第2个满足IMF条件的分量c2，重复循环n次，得到信号x(t)的n个满足IMF条件的分量。这样就有:

r1－c2=r2髍n－1－cn=rn

(3)

当rn成为一个单调函数不能再从中提取满足IMF条件的分量时，循环结束。这样由式(2)和式(3)得到:

x(t)=∑ni=1ci+rn

(4)

式中，rn称为残余函数，代表信号的平均趋势。

EMD的分解过程其实是一个“筛分”过程，在“筛分”的过程中，不仅消除了模态波形的叠加，而且使波形轮廓更加对称。EMD方法从特征时间尺度出发，首先把信号中特征时间尺度最小的模态分离出来，然后分离特征时间尺度较大的模态函数，最后分离特征时间尺度最大的分量，因此可以把EMD方法看成是一组高通滤波器。

2 实验仿真

在变压器局部放电在线检测项目中，声源信号频率为40～300 kHz,采样频率为5 MHz，采样点n=2 048,噪声为高斯白噪声，在频率为50 Hz的工频信号上，采集到的初始信号x(t)用Matlab模拟，如图1所示，对其用EMD方法进行分解,得出的各个IMF分量ci，取c1～c6分别如图2～图7所示，图8中r6为残余分量，其中，横坐标为采样点数，纵坐标为信号幅值。

图1 初始信号x(t)

图2 第1个IMF分量c1

图3 第2个IMF分量c2

图4 第3个IMF分量c3

图5 第4个IMF分量c4

图6 第5个IMF分量c5

图7 第6个IMF分量c6

图8 残余分量r6

从图1~图8可以看出，对初始信号(图1)很难确定出其有效成分，更不能直接用来计算时延。经过EMD分解后，总共得到了10个IMF分量，这里取了前6个，其余的均作为残余函数处理。c1～c3基本形状相似，对照实验数据，可以解释为白噪声;c4可以解释为工频;而c5则可以清楚地表现出超声波信号;对c6意义不大，而残余分量r6范围也可以接受。这样一来，对所采集到的信号经过预处理，可以直接提取出最有价值的超声波信号部分，为后面的定位计算做了很好的铺垫。

3 结 语

本文以陕西省高压电气设备局部放电定位项目为背景，通过理论分析和实验仿真，充分说明了在对采集到的初始信号进行超声波信号的提取应用中，EMD方法具有比较好的有效性和准确性,可以取得较高质量的超声波信号，为后期的定位计算做足准备。

参考文献

［1］Huang N E,Shen Z,Long S R,et al.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis.Proc.R.Soc.Lond.A,1998,454:903-995.

［2］Huang N E,Shen Z,Long S R.A New View of Nonlinear Water Waves:The Hilbert Spectrum.Annu.Rev.Fluid Mech.,1999,31:417-457.

［3］于德介,程军圣,杨宇.机械故障诊断的Hilbert-Huang变换方法.北京：科学出版社,2006.

［4］David Kincaid,Ward Cheney.Numerical Analysis:Mathematics of Scientific Computing.3版.北京:机械工业出版社,2005.

［5］李海涛,邓樱.Matlab程序设计教程.北京：高等教育出版社，2002.

［6］何文林,赵寿生,刘浩军.大容量电力变压器局部放电定位试验研究［J］.电力设备,2006,5(10):35-37.

［7］Judd M D，Cleary G P，Bennoch C J，et al.Power Transformer Monitoring Using UHF Sensors：Site Trials［A］.Proceedings of the 2006 IEEE International Symposium on Electrical Insulation［C］.Boston,2006:145-149.

［8］Raja K，Devaux F，Lelaidier S.Recognition of Discharge Sources Using UHF PD Signatures［J］.IEEE Electrical Insulation Magazine，2007,18(5)：8-14.

［9］葛为民.变压器局部放电综合判断分析［J］.高压电器,2006,42(2)：144-148.

［10］龚庆武，刘美观，左克锋，等.GPS同步采样装置中防止干扰GPS秒脉冲信号的措施［J］.电力系统自动化，2006,24(1):45-47.

作者简介

卢 丽 女，1975年出生，陕西米脂人，硕士研究生。主要研究方向为电力电气工程。

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。