利用差模滤波和BP网络技术抑制超声波法测GIS局放噪声干扰

中山市惠丰达电气设备有限公司 余繁荣

随着经济的高速发展、工业用地日益紧张，对电力的需求与日剧增，电力部门为解决用电不受影响，新建或改造了大量的变电站，在新建或改造的变电站中大量使用GIS或者HGIS。目前对运行中的GIS的维护手段主要是气体成分检测和局部放电带电检测。在进行局放带电检测时，环境干扰造成了局放检测的准确性极低，经常出现漏判和错判的情况。有效排除噪声干扰一直是困扰一线工作人员的难题。

1 现状

目前在利用超声波局放检测测试GIS局部放电时，大多数都是采用背景采集进行比对的方法，此方法好处是不牺牲整机的灵敏度。但是在实际使用过程中大部分工况下背景噪声比局放信号的水平高出很多，导致无法测试（图1）。

图1 背景采集图片

在实际的测试过程中大部分环境下的背景远超上面的情形，比如：HGIS、架空线进出的变电站背景的噪声高达10mV以上，而设备本体的某些放电信号很微小、在5mV以下(例如电晕放电)，导致设备本体的局放信号淹没在背景噪声中，从而误判设备正常，给设备的安全运行埋下重大隐患。

也有一些产品采取带通滤波和背景对比相结合的办法进行滤波。带通滤波在仪器内部添加高低通组件，选取一定的频率范围进行测量。此方法确能大大增加抗干扰能力，却也极大的牺牲了仪器的灵敏度，导致带通频率范围以外的信号无法进行有效测试。也给后期设备的安全运行埋下重大隐患。

基于以上现状，对超声法测GIS局放采用差模滤波和BP网络相结合的方法抑制噪声，会让测试变得更高效、测量更准确，为GIS的安全运行保驾护航。

2 工作流程图及BP神经网络

流程图介绍如下：

背景正常情况下（背景噪声＜1.5mV）：传感器接收超声信号；经低噪放大器；到采集处理芯片；信号峰值＜1.5mV，背景正常，可进行测量；背景噪声不正常的情况下（背景噪声＞1.5mV）：传感器接收超声信号；经低噪放大器；到采集处理芯片；信号峰值＞1.5mV；开启差动滤波电容；经低噪放大器；芯片采集处理单元(PD网络)；峰值信号＜1.5mV；背景正常，进行局放测量。

图2 工作流程图

极其恶劣的环境下开启带通滤波功能和差模滤波相接结合进行测量。

图3为100mV的噪声经差动滤波电容滤波后的仿真图。其中Cdiff为差动电容、NA333为输出端和反向输入端。差动电容的作用就是让共模噪声变差动噪声，极大提高滤波效果。

图3 差模滤波原理

BP网 络（Back Propagation）是1986年 由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。

通过BP神经网络的神经网络学习训练的过程，对差模滤波检测的准确性进行学习训练，一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。

3 实验验证

通过实验验证了本文提出基于差模滤波原理改进的超声波局放检测仪的有效性。结果表明,采用本文的差模滤波方式可有效过滤来自外接环境的干扰，较大幅度地降低了干扰的强度，能够准确地识别出原本掩盖在背景干扰下的局放信号，但对干扰信号与本体局放信号类型及特征相同的情况下识别率有所下降，需要结合其他检测手段综合判断。

综上，超声波局放检测采用差模滤波方式可以在不牺牲仪器灵敏度的前提下快速有效的排除干扰、提升工作效率，提高GIS局放检测的准确性，减少漏判和错判的情况，有助于及时发现和消除事故隐患，可以更好地保障电力设备的安全运行。