电力电缆故障诊断中的信号检测与增强技术探讨

马光华

摘要：在城市化建设背景下，地埋电缆逐渐替代架空电缆，成为电力工程中应用最广泛的电缆。在地埋电缆出现故障后，主要通过信号检测定位故障点。文章从电力电缆故障诊断中的信号检测技术应用分析入手，结合信号检测过程中存在的环境噪声干扰问题，分析信号增强技术的应用，提高电力电缆故障诊断准确性。

关键词：电力电缆故障;信号检测;信号增强

前言：随着社会对电力需求的增多，电网工程规模扩大，电网改造工程增多，线缆负荷增加，加大了电缆故障出现的概率，对电力电缆故障运维提出更高要求。因电力电缆跨区域，故障诊断难度较高，如不能及时诊断故障，将会扩大影响范围，导致大面积停电事故，影响正常生产生活。

1. 电力电缆故障诊断中的信号检测技术

1.1 EMD滤波技术的原理

EMD滤波技术是指经验模态分解滤波技术，在获取故障检测信号的基础上，可结合信号的时频域分布特征，对信号采取滤波降噪处理，准确获取故障信号，为故障定位奠定基础。在该技术应用中，可根据信号的局部时间尺度，按照高频至低频的顺序，对检测信号进行层层分解，以此获得一定数量的本证模态函数，每个函数中均体现了检测信号在不同时间尺度的特征与振荡状况。在此基础上，可利用EMD滤波技术的分解特征和检测信号处理要求，选择本征模态函数完成故障信号的重构，明确故障信号在某个频率的表示，以此实现滤波。该技术可有效保障故障信号的非线性特征，凭借EMD的优异局部性能，无需设置滤波参数，即可获得理想的滤波效果。

1.2 EMD滤波技术的应用要点

在EMD滤波技术应用中，运维人员首先要明确故障信号与干扰信号的分界点，在干扰信号中有效提取故障信号，并进行重构，方可实现故障的精确检测。

1.2.1信号间分界点的明确

在EMD滤波技术应用中，故障信号与干扰信号的自相关函数存在较大差异。在不同时间尺度，以噪声为主的干扰信号在关联性方面较弱，表现出较强的随机性。就此，干扰信号在零点时具备最大的自相关函数值，其他点表现出衰减的趋势。故障信号在不同时间尺度具备加强关联性，在零点时具备最大的自相关函数值，其他点的函数值与时间差相关。基于两种信号在函数变化规律方面的不同，在EMD滤波技术设定较小的分解尺度时，会破坏所得本征模态分量的噪声特征，但自相关函数的特征不变。就此，可分析分解后的自相关函数，了解本征模态分量中的故障信号与干扰信号分量的分界点。以某电力电缆的低阻故障为例，直接应用EMD滤波技术分解获得的信号分量如图1所示。

根据上图中不同阶的模态分量，开展自相关函数分析，发现前4阶为干扰信号主导分量，其余阶为故障信号主导分量。就此，将4阶作为分界点，选择4阶之后的信号分量进行故障信号重构，将重构信号与故障采样信号相比，发现二者波形一致，重构信号的干扰更小，信噪比更高，说明重构信号具备良好的滤波效果。

1.2.2故障信号的提取与重构

但上述分析环节中，因去除了前4阶分量，易使部分故障信号的高频分量被剔除，导致重构信号与故障采样信号存在一定偏差，影响故障信号检测的准确性。就此，需对干扰信号中的故障信号进行提取与重构，工作原理如下：筛选干扰信号中的故障信号，将其置于故障信号主导分量上，将噪声主导分量剔除，实现故障信号的提取，强化滤波效果，提高故障检测准确性。基于上述原理，运维人员可引入小波变换方法，对时域与频域上的信号实施局部变换，调节信号采样，将信号分解至多个频带范围，便于故障信号的提取。

以某电力电缆的低阻故障为例，将尺度设定为5，通过sym4小波基对干扰信号分量实施多尺度一维小波分解，并在同样尺度下对低频成分实施重构，重构部分的信号加载至4阶后的故障信号分量上，获得完整的故障信号，实现滤波的强化，强化后的故障检测误差从0.5%降低至0.15%。

2. 电力电缆故障诊断中的信号增强技术

在电力电缆故障诊断中，信号检测技术可用于对故障进行预定位。为获取故障点的精确位置，应采用冲击放电技术，通过高压脉冲信号击穿电力电缆的故障点，使其产生冲击放电信号，进而明确具体的故障位置。在冲击放电技术应用中，采集的冲击放电信号中存在大量背景噪音，影响故障定位的准确性。就此，应采用信号增强技术，有效提取冲击放电信号，提高电力电缆故障诊断的科学性及有效性。

2.1小波分析与遗传算法

针对电力电缆故障诊断中存在的混合信號问题，本文设计一种基于小波分析与遗传算法的信号增强技术，通过小波包变换对混合信号进行分解，再根据自适应滤波提出干扰噪声信号，最后应用遗传算法进行冲击放电信号的重构，实现冲击放电信号的增强。

2.1.1小波分析

在小波分析中，尺度参数设定为1，可将原始信号分解为2个信号;尺度参数设定为2，可将原始信号分解为5个信号;尺度参数设定为k，可将原始信号分解为2k个信号。尺度越大，获得的信号越多，分解的频带越窄，分辨率越高，使信号分析结果更为准确，便于信号增强。结合电力电缆故障的特点，通常将尺度参数设定在3-7之间。在原始信号小波分析完成后，可将涉及冲击放电信号的频段保留，并剔除包括背景噪声信号的频段，即可获得精确的冲击放电信号。常用的小波为Daubechies小波，小波的阶数会影响信号数据的处理过程与结果。小波阶数越大，计算量越大;小波阶数越小，分解信号中干扰信号越多。结合电力电缆故障冲击放电信号特点，其适应的小波阶数为15-25。

2.1.2遗传算法

在电力电缆故障诊断中，遗传算法的应用需遵循如下流程：

第一，编码。结合电力电缆故障特点，可将遗传算法的编码设定为二进制。经过小波分析后，信号分解为2k个，则遗传算法中染色体个数为2k。在第λ位数据为1时，重构信号的随机组合内包括xkλ;在第λ位数据为0时，重构信号中不包括xkλ，使染色体完全表示信号的随机组合。

第二，设定初始种群。对N个染色体进行随机组合，即可获得初始种群，规模为N。种群规模会对遗传算法中的迭代计算产生影响，规模过大，会加大计算的复杂性，降低收敛速度;规模过小，会影响算法的性能。结合冲击放电信号特点，初始种群规模应控制在10-160之间。

第三，计算个体适应度。将种群内的个体进行编码转换处理，使其置于真实问题空间内。结合冲击放电信号特点，可将个体对应的重构信号与背景噪声信号的2范数平方计算适应度值。

第四，选择。应用锦标赛法，根据适应度值进行个体的选择，获得最优解。

第五，交叉与变异。在保留最优个体的条件下，对于进入选择中进入下一代的个体，应对其进行交叉与变异处理，获得更高适应度值的个体。交叉是指随机更换两个个体的数据位;变异是指将染色体的某个数值从0变为1或者从1变为0。

在上述遗传算法应用中，運维人员需设定阈值，明确最大适应度值与迭代次数的最大值。即在达到最大适应度值或最大迭代次数时，算法结束，反之则根据个体的下一代，重新进行适应度计算等步骤，直到获得最优解。

2.1.3信号增强

在信号增强技术应用中，因遗传算法的适应度计算需考虑混合信号的背景噪声，需将混合信号看做是自适应滤波器的参考信号，遵循误差最小原则进行噪声处理，使适应度计算更为精准，规避噪声较强相关性引发的误差。在自适应滤波器应用中，运维人员可结合故障类型与特点进行参数的调整，使其更贴合信号增强需求。基于自适应滤波器的特点，信号增强流程包括小波分析、自适应滤波器处理与遗传算法重构三部分，具体程序要点如下：

第一，采集冲击放电信号与背景噪声信号的混合信号，记为x（t）;采集前一刻的背景噪声信号，记为d（t-1）。

第二，对混合信号进行小波分解，将分解层设定为k，初步剔除背景噪声信号。

第三，将小波树[k，i]（i=0，1，…2k-1）节点为基础，对信号进行重构，以此获得个2k子信号。

第四，根据二进制原则，实施问题域编码，获得初始种群。

第五，应用自适应滤波器对采集的混合信号进行处理，明确与混合信号中最为相似的背景噪声信号。

第六，计算种群中的个体适应度，如达到最大迭代次数，则进行下一步，反之则选择交叉或变异，重新计算种群中的个体适应度，直到达到最大迭代次数。

第七，获得最优解并实施信号重构，将冲击放电信号输出，完成信号增强。

2.2信号增强技术的实践验证

为验证本文提出信号增强技术的有效性，选择故障电力电缆为试验对象，在故障电缆现场构建实验平台。该故障电缆的埋深为0.54m，实验采用的高压脉冲信号幅值为15V，采集高压脉冲信号击穿产生的冲击放电信号。按照上述流程对冲击放电信号进行增强处理，处理时小波分解尺度设定为5，小波阶数设定为16。处理结果显示，在电力电缆的故障点处于故障定点设备的前方区域时，前一次冲击放电信号间的时间差为1.3ms，此时的信号时间差为0.8ms。就此，能够判断检测时间差越小，和故障点的距离越近。

在电力电缆的故障点处于故障定点设备的后方区域时，前一次冲击放电信号间的时间差为0.8ms，此时的信号时间差为1.5ms。就此，能够判断检测时间差越大，和故障点的距离越远。

在电力电缆的故障点处于故障定点设备的正上方时，此时的冲击放电信号时间差为0.7ms。结合故障定点设备的通用守则，其时间差应为0.54ms，实际检测数值存在0.16ms的误差，其误差满足通用守则的要求。同时，与电力电缆故障智能精确定点设备的检测结果相比，本实验检测的故障点与其相同。就此，可以判断本文设计的故障增强技术可有效提高故障检测的准确性。

3.结语

综上所述，在电力电缆故障诊断中，运维人员可引入EMD滤波技术，对故障信号与干扰信号进行模态分解，了解二者主导分量的分界点，并对干扰信号主导分量进行故障信号的提取，将其加载至故障信号为主导的分量上，实现故障的精确检测。在故障信号增强中，运维人员可引入小波分析与遗传算法，通过冲击放电信号的增强处理明确故障点。

参考文献：

[1]崔本涛.配电线路故障定位的实用方法研究[J].科技资讯，2020，18（10）：23+25.

[2]张艺驰.基于分数阶电路模型的电缆信号传播特性及故障定位研究[D].华北电力大学，2019.

[3]洪炎森.电力电缆故障定位及检测信号去噪分析[J].无线互联科技，2018，15（14）：111-112.