GIS局放信号小波去噪和模式识别方法

刘秀瑾 王铭 孙兆堂

摘要： 本文介绍了小波阈值法对GIS局放信号的检测方法及识别模式。小波分析具有多分辨特性，对多变化的信号具有更加敏锐的反应，大大增强了GIS局放信号背景噪声的检测能力，从而达到了较好的滤波效果。

关键词： GIS局放信号小波去噪识别方法

GIS局放信号小波分析的原理建立在傅立叶分析的基础之上，在频域和时域这两个方面进行了有效的调整，是对后者分析方法的有效提高。小波分析具有多分辨率的特点，在低频段的区域内可以使用较高的频率分辨率和较低的时间分辨率，而在高频段的区域内则使用较低的频率分辨率和较高的时间分辨，利用该识别模式实现GIS局放信号小波去噪的目的。

一、小波分析的基本原理

小波分析的基础在于小波基原理的应用，世界上第一个小波基是由Strongberg J.O在1982年提出的。小波在变换特征上具有“变焦距”的特征，也就是上面所说的能够根据其自身的特点结合实际环境的要求改变时频窗口的大小，从而改变局部放电信号测试能力的准确度。当频率越来越高的时候，小波的频宽越来越窄，这种特性反应到局放测试中就变成了当噪声频率越高时，小波检测在时间上的跨度上越窄，在空间的跨度上越长，从而可以抓住所检测范围的细小范围，因此，小波在应用上有“数学显微镜”之美誉。

二、信号的小波分解特性

1.小波分解特性的重要性

GIS局放测试得到的信号是离散的，在利用小波原理进行分析的时候必须了解信号在小波原理下的分解特性，这样才能更好地在实践过程中利用小波分析达到GIS局放测试的去噪作用。经过大量的研究表明，在GIS局放过程中背景噪声在所有检测到信号中占了很多一部分，而且形式多种多样，比如说有连续的周期性干扰、脉冲型干扰，还有更多白噪声干扰等。目前来讲，GIS局放信号中的去噪过程主要是指去除白噪声对于信号检测的干扰影响。 背景噪声的干扰加大了局放信号检测的难度。在分析信号的小波分解特性时，我们需要知道局部放电这一物理过程发生时间实际上非常短暂，而且在绝缘材料中的运动模式也非常杂乱无章，这正是局放信号检测的难度所在。小波原理之所以在GIS局放检测中有其独特的魅力，正是因为其局放信号分解的独特性。

2.基于离散小波分析原理的去噪作用

离散小波分析原理是小波分析手段中的重要组成部分，是GIS局放信号检测去噪过程的重要手段。按照时间频率和空间频率的设定值产生的不同作用，离散小波分析可以简单地分为三种类型。

（1）强制型消燥处理方式。从本质原因上来讲，局部放电产生的原因主要有电介质分布不均匀、制造工艺中出现气泡和杂志等。比如在绝缘材料的制作过程中由于不同电介质的膨胀系数不一样，成品出现不同的密度，使部分区域承受的电压不一样。当电压值超过其承受值的时候就导致了局部放电。介质的干扰作用越大，则局放越明显。强制型消燥的处理方式就是人为地去除一些高频率信号的影响，把频段控制在某一区域进行检测，这种方法虽然使观测结果比较集中，但是容易丢失有用的信号。

（2）默认阈值型消燥处理方式。该方式利用检测设备中自带的数据库，通过适当刷选，从而对局放信号进行消燥。该方式比强制型消燥方式更加科学，但是仍然有可能排除掉很多有参考价值的测试信号。

（3）待定值消燥型处理方式。这种方法结合了强制型和默认阈值型的消燥方式，通过在设备上设置多个参考点，用户可以根据自身产品的特性，使用环境的要求等具体情况预先设定参考值的上下线范围，在这一参考值范围内设备根据自带的数据库自动进行信号的消燥作用。这种消燥方式更加科学化，但是对局放测试设备的操作提出了更高的要求。

三、小波去噪模式识别方式

局部放电过程在时间上是非常短暂的，同样，其在空间上运动轨迹也是飘忽不定的，我们需要设定一个坐标性判断其运动模式，才能进一步根据小波分析原理分析GIS局放测试信号的去噪识别方式。

我们以神经网络的局放模式作为特定的例子，简要地说明小波去噪模式的识别方式，该坐标系也是目前运用得最广泛的一种。我们以神经网络系统举例说明小波去噪模式的识别主要是因为神经网络系统是一个高度复杂的系统，从单一的神经元结构分析其功能和结构是十分简单，这好比在整个小波识别模式中的基本单元——小波基一样。小波基在整个识别模式中是结构和功能最简单的部分，也是我们分析小波去噪识别模式的基础。

由此我们可以设想小波去噪识别系统是类似于神经网络的复杂系统，虽然其基本单位小波基的运行是十分简单的，但整个网络系统充满着大量自学习和变化的因素，假设有一个未知信号进入到该系统中，小波去噪模式系统就会根据原有的映射关系，这些映射关系是在长期的自学习和变化中形成的，将该信号分配到一定的输出状态中，从而完成全部输入信号的分配过程。那么在待定值消燥型原则的作用下，一定范畴内的信号在能被收集成为有效的采样点，这一待定值的设定反映在该系统中就是有部分未知信号进入系统中时，即我们所说的背景噪声，将成为无效值而被排除在采样点之外。

四、结语

本文简要地介绍了在小波原则下测试GIS局部放电信号的去噪原理和模式识别方式举例，显然在局放信号的检测中频宽的设定对局放信号检测的精确性起着至关重要的作用，小波去噪的特性能够有效地满足GIS局放信号检测的要求，应该得到我们足够的重视。

参考文献：

［1］胡明友，谢恒茎等.基于小波原则抑制局部放电监测中平稳性干扰的滤波研究.中国电机工程学报，2000.1，VOL20，（1）.

［2］王晓芙等，电力设备局部放电测量中抗干扰研究的现状和展望电网技术.电工技术学报，2000.6，VOL24，（6）.

［3］蔚承英，陈勇刚，杨利平，王国交.基于GPRS和嵌入式计算机的远程监控系统研究［J］.安防科技，2008，（02）.

［4］欧阳森，王建华，耿英三，宋政湘，陈德桂，张桂青.基于小波和神经网络的电能质量辨识方法［J］.电工电能新技术，2003，（03）.