改进的EMD方法在局部放电信号提取中的应用

臧怀刚，李清志

（燕山大学电气工程学院工业计算机控制工程河北省重点实验室，秦皇岛066004）

改进的EMD方法在局部放电信号提取中的应用

臧怀刚，李清志

（燕山大学电气工程学院工业计算机控制工程河北省重点实验室，秦皇岛066004）

电力设备内部早期故障产生的局部放电信号很微弱，往往处于强大噪声的包围之中。为了从复杂环境中准确提取局部放电信号，提出应用改进的EMD方法进行局部放电特征信号的提取。首先，对放电信号进行EMD分解；其次，应用能量门限法对EMD分解得到的IMF进行筛选；再次，应用敏感固有模态函数选择法找出敏感IMF，并与局部放电特征信号进行对比。最后，应用结果表明了此方法的可行性与准确性。

局部放电；经验模态分解；固有模态函数；能量门限；敏感固有模态函数

变压器运行状况的在线监测能够及时发现变压器内部潜伏性故障，对保障变压器安全运行有重要意义[1]。由于变压器故障信号多为瞬时局部放电信号，如何准确提取局部放电特征信号是变压器在线监测的关键。电力设备内部故障早期产生的局部放电信号很微弱，往往处于强大噪声的包围之中。当前噪声抑制方法是小波阈值去噪法[2-3]，但小波变换有基函数预先确定、分解层数不宜选取和不具有自适应性等缺点。文献[4]用复小波变换来抑制白噪声，文献[5]将遗传算法用于局部小波去噪，都取得了不错的效果，但仍缺乏自适应性。

经验模态分解EMD（empirical mode decomposition）是一种基于信号局部特征的信号处理新方法，其基本模态分量，特别适合于非线性、非平稳信号的分析处理，并获得表达信号特征的信息[6-7]。文献[8]提出了基于经验模态分解和固有模态函数重构的局部放电去噪法；文献[9]将基于经验模态分解的自适应滤波算法应用于局部放电窄带干扰抑制中。由于噪声的存在，EMD分解在局部放电特征信号提取过程中涉及如何判定真假固有模态函数IMF（intrinsic mode function）和如何选取敏感IMF来确定特征信号。

本文在经验模态分解理论的基础上，提出一种能量门限和选择敏感IMF相结合来判定局部放电特征信号所对应的IMF的方法。将此方法应用于局部放电实例，证明该方法有自适应性，能够准确提取出局部放电特征信号。

1 经验模态分解

EMD方法是将1个复杂信号分解为若干个固有模态函数之和，基于以下2个假设：①任何复杂的信号都是由一些不同的固有模态函数组成，每个固有模态函数不论是线性或非线性、非平稳的，都具有相同数量的极值点和过零点，在相邻的2个过零点之间只有1个极值点，而且上、下包络线关于时间轴局部对称，任何2个模态之间是相互独立的；②任何时候1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。由此可以采用EMD方法对任何信号x（t）进行分解，步骤如下。

步骤1初始化。令

步骤2得到第i个IMF。①初始化：令h0= ri-1（t），j=1；②找出hj-1（t）的局部极值点；③对hj-1（t）的极大值点和极小值点分别进行三次样条函数插值，形成上下包络线；④计算上下包络线的平均值mj-1（t）；⑤hj（t）=hj-1（t）-mj-1（t）；⑥若hj（t）是IMF函数，则IMFi（t）=hj（t）；否则，j=j+1，转到②；

步骤3ri（t）=ri-1（t）-IMFi（t）；

步骤4如果ri（t）的极值点数仍多于2个，则i=i+1，转到步骤2；否则，分解结束。其中x（t）是原信号序列，ri（t）是残余分量，代表信号的平均趋势。算法的最后结果为

2 IMF的确定

理论上，EMD分解得到的都是IMF，但由于噪声影响，有可能产生模态裂解，生成伪IMF。

2.1 能量门限法识别真伪IMF

由于每个进行EMD分解的信号都是由能量大小相近的信号分量组成，经过EMD分解得到的IMF也应该有相同等级的能量，因此能量相对较小的IMF可以认为是伪IMF。求其IMF能量，即

归一化得

对应较小ei的IMF可以认为是伪IMF。ei门限的大小可以根据实际情况选取。

2.2 敏感IMF的选择方法

信号EMD分解得到一组IMF，其中一部分是与放电信号紧密相关的敏感IMF，其他则是与放电信号无关或者噪声干扰成分。选出与放电信号密切相关的敏感IMF，忽略其他IMF，以提高算法的速度和准确度。敏感IMF选择的原理是：①IMF与原始信号x（t）越相似，相关系数μ（i）就越大，相关系数作为IMF敏感性评估的一个因子；②IMF与特征信号xtz（t）的相关系数β（i）评估每个IMF中包含与特征信号相关的信息。

敏感IMF的选择方法如下。

（1）计算除残余分量外其余IMF（i）与局部放电信号x（t）之间的相关系数μ（i）。

（2）计算除残余分量外其余IMF（i）与局部放电特征信号xtz（t）之间的相关系数β（i）。

（4）计算信号x（t）的IMF敏感因子，即

（5）根据敏感因子选择敏感IMF。按照敏感因子由大到小的顺序排序，得到序列{IMF′（i）}

计算2个相邻敏感因子的差，即

找出对应最大差值的i，则前i个IMF即为敏感IMF。

能量门限法能够判定IMF真伪，敏感IMF法能够找到对局部放电特征信号敏感的IMF，这2种方法结合既能判定IMF真伪，又能检测出对局部放电特征信号敏感的IMF。把既判定为真，又判定为敏感的IMF作为局部放电特征信号。假设选取门限值为0.01，则局部放电特征信号提取的具体流程如图1所示。

图1 基于改进EMD的局部放电特征信号提取流程Fig.1Flow chart of partial discharge characteristics signal extraction based on improved EMD

3 应用分析

实验室用变压器如图2所示，在其内部设置模拟故障，通过传感器采集放电信号。有噪声时，采集到的是局部放电信号；无噪声时，采集到的是局部放电特征信号。对采集到的局部放电信号进行检测，查看是否存在局部放电特征信号，以此判定变压器是否发生放电。信号采样时，较理想的状况是采样率大于4倍的Nyqusit频率[10]。本文设定采样率fs=100 MHz，采样点数为6 000，采集的局部放电特征信号和局部放电信号如图3所示。

图2 实验室用变压器Fig.2Laboratory transformer

图3 局部放电信号和局部放电特征信号Fig.3Partial discharge signal and characteristics signal

对局部放电信号直接进行EMD分解，分解结果如图4所示。由图4可以看出，分解产生了9个IMF分量和1个残余分量，噪声被有效分离出来，但出现了模态裂解现象，产生了虚假IMF，无法准确判定哪个IMF为局部放电特征信号。

采用改进的EMD算法，EMD分解后，各个IMF的能量值及归一化后的值如表1所示。各个IMF与局部放电信号和局部放电特征信号之间的相关系数与敏感因子如表2所示。排列后的IMF分量和对应相邻敏感因子的差值如表3所示。

图4 局部放电信号EMD分解Fig.4EMD of partial discharge signal

表1 各个IMF能量与归一化后的值Tab.1Energy of each IMF and normalized values

表2 各种系数与敏感因子Tab.2Various coefficients and sensitive factors

表3 排列后的IMF顺序及对应敏感因子的差值Tab.3IMF order and difference of corresponding sensitive factors

以0.1为门限值，确定表1的真IMF有IMF1、 IMF2、IMF3、IMF4、IMF5和IMF7；确定表3的敏感IMF为IMF6、IMF7、IMF8和IMF9。综合分析结果可得既是真IMF又是敏感IMF为IMF7，即为提取的局部放电特征信号，如图5所示。

图5 IMF7图形Fig.5Graphic of IMF7

由表2可知，IMF7具有超声波特性，IMF7与原始局部放电信号的相关系数为0.723 0，相关系数较小和幅值较低的原因是其余虚假分量降低了特征信号的幅值和能量。

4 结语

本文提出的能量门限和选择敏感IMF相结合来判定局部放电特征信号对应的IMF的方法，能够准确地从局部放电信号中提取出局部放电特征信号，为局部放电特征信号的提取提供了一种新方法。此方法具有自适应能力，适用于实际环境。

[1]董明，严璋，杨莉，等（Dong Ming，Yan Zhang，Yang Li，et al）.基于证据推理的电力变压器故障诊断策略（An evidential reasoning approach to transformer fault diagnosis）[J].中国电机工程学报（Proceedings of the CSEE），2006，26（1）：106-114.

[2]胡明友，谢恒堃，蒋雄伟，等（Hu Mingyou，Xie Hengkun，Jiang Xiongwei，et al）.基于小波变换抑制局部放电监测中平稳性干扰的滤波器的研究（Study on WTST-NST filter used for suppression of stationary noises in PD monitoring）[J].中国电机工程学报（Proceedings of the CSEE），2000，20（1）：37-40.

[3]唐炬，谢颜斌，朱伟，等（Tang Ju，Xie Yanbin，Zhu Wei，et al）.用于复小波变换的EWC阈值法抑制周期性窄带干扰（Suppression of narrowband interference with EWC threshold method for complex wavelet transform）[J].电力系统自动化（AutomationofElectricPowerSystems），2005，29（7）：43-47.

[4]唐炬，许中荣，孙才新，等（Tang Ju，Xu Zhongrong，Sun Caixin，et al）.应用复小波变换抑制GIS局部放电信号中白噪声干扰的研究（Application of complex wavelet transform to suppress white-noise interference in GIS PD signals）[J].中国电机工程学报（ProceedingsoftheCSEE），2005，25（16）：30-34.

[5]李剑，程昌奎，江天炎，等（Li Jian，Cheng Changkui，Jiang Tianyan，et al）.遗传算法用于局部放电小波自适应阈值去噪（Adaptive thresholding wavelet de-noising for PD signals using genetic algorithm）[J].高电压技术（High Voltage Engineering），2009，35（9）：2114-2119.

[6]钟佑明，秦树人，汤宝平（Zhong Youming，Qin Shuren，Tang Baoping）.一种振动信号新变换法的研究（Study on a new transform method for vibration signal）[J].振动工程学报（Journal of Vibration Engineering），2002，15（2）：233-238.

[7]Huang Norden E，Shen Zheng，Long Steven R，et al．The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J]. Proceedings of theRoyal Society，1998，454（1971）：903-995.

[8]贾嵘，徐其惠，田录林，等（Jia Rong，Xu Qihui，Tian Lulin，et al）.基于经验模态分解和固有模态函数重构的局部放电去噪方法（Denoising of partial discharge based on empirical mode Decomposition and intrinsic mfde function reconstruction）[J].电工技术学报（Transactions of China Electrotechnical Society），2008，23（1）：13-18.

[9]钱勇，黄成军，戚伟（Qian Yong，Huang Chengjun，Qi Wei）.基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用（Application of adaptive filtering algorithm based on empirical mode decomposition to suppress DSI in PD detection）[J].继电器（Relay），2006，34（22）：27-31.

[10]胡维平，杜明辉（Hu Weiping，Du Minghui）.信号采样率对经验模态分解的影响研究（The limitation of sampling for the empirical mode decomposition）[J].信号处理（Signal Processing），2007，23（4）：637-640.

Application of Improved Emd Method on Extraction of Partial Discharge Signal

ZANG Huai-gang，LI Qing-zhi
（Key Laboratory of Industrial Computer Control Engineering of Hebei Province，Institute of Electrical Engineering，Yanshan University，Qinhuangdao 066004，China）

Partial discharge signals generated by the early inner failure of the power equipments are very weak，and are frequently surrounded by a great deal of noise.To extract the partial discharge characteristics of signals accurately from intricate environments，a method which can extract partial discharge signals on the basis of the improved empirical mode decomposition（EMD）method is given.Initially，the EMD of the discharge signals is obtained.Subsequently，screen the IMF resulting from EMD using energy threshold method.Then，the sensitive IMF is found out by using sensitive function and mode selection method from the previous step，and is compared with the partial discharge characteristics signals.Finally，the application results verify the feasibility and accuracy of this method.

partial discharge；empirical mode decomposition；intrinsic mode functions（EMD）；energy threshold；sensitive imtrinsic mode function（IMF）

TM407

A

1003-8930（2014）11-0078-04

臧怀刚（1960—），男，博士，副教授，研究方向为信号处理、超声波智能仪器仪表的开发与研制以及实用型通信技术的研究与开发等。Email：z_h_g@hotmail.com

2012-08-02；

2012-12-19

李清志（1986—），男，硕士研究生，研究方向为变压器局部放电在线检测、机械故障诊断方面。Email：liqingzhi1010@163. com