VMD和小波阈值重构的电力电缆局部放电信号去噪法

赵永梅

摘 要：矿用电力电缆的绝缘在劣化初期会产生局部放电信号，因此通过测量局放信号能够判断电缆的绝缘状态。然而由于局放信号微弱，受干扰信号影响严重，导致其提取难度大，从而降低了根据局放量判断设备绝缘劣化的准确性。提出以一种基于变分模态分解和小波阈值重构的矿用电力电缆局部放电信号去噪方法，将局放信号从干扰中提取。利用变分模态分解法首先将含噪的局放信号分为多个本征模态分量，其次采用小波阈值法对每个本征模态分量进行处理，最后将处理后的信号进行重构，得到去噪后的局放信号。对实验室6 kV电力电缆施加2.5 kV直流电压获得的局放电压信号进行去噪处理，与已有的去噪方法对比去噪效果。经对比分析，该方法的去噪效果优于现有的其他方法，尤其是对于信噪比极低的信号，采用该方法后，重构信号的信噪比、相关系数、均方根误差、噪声抑制比均得到了显著提升。

关键词：矿用电力电缆;局部放电;变分模态分解;小波阈值;去噪算法

中图分类号：TM 247;TD 687

文献标志码：A

文章编号：1672-9315（2021）04-0739-08

DOI：10.13800/j.cnki.xakjdxxb.2021.0421开放科学（资源服务）标识码（OSID）：

Denoising method of cable partial discharge signals

based on VMD and wavelet threshold reconstruction

ZHAO Yongmei

（CHN Energy Technology & Economics Research Institute，Beijing 102209，China）

Abstract：The insulation of mine power cable will produce partial discharge signals at the initial stage of deterioration with its insulation state judged by measuring the partial discharge signals.However，it is difficult to extract the partial discharge signals due to weak signals and strong interference signals，which reduces the accuracy of judging the equipment insulation deterioration.This paper proposes a denoising method of cable partial discharge signal based on variational mode decomposition and wavelet threshold reconstruction.By means of variational modal decomposition，the noise-containing partial discharge signals are divided into several intrinsic mode functions，each being processed by wavelet threshold，and the processed ones are reconstructed to obtain the de-noised partial discharge signals.The partial discharge voltage signal obtained by applying 2.5 kV DC voltage to 6 kV power cable in laboratory is denoised，and the denoising effect is compared with that the existing denoising methods，which shows that the de-noising effects of the method presented is better than that of other existing methods，especially for signals with extremely low snr，the signal-to-noise ratio（SNR），correlation coefficient，root-mean-square error（RMS）.And noise suppression ratio（NCR）of the reconstructed signal are significantly improved.

Key words：mining cable;partial discharge;VMD;wavelet threshold;denoising algorithm

0 引 言礦用电力电缆的绝缘性能直接关系着煤矿供电系统的安全可靠性，测量局部放电信号能够提前判断电力电缆的绝缘性能。然而局放信号本身较弱，其幅值与现场其他电磁波等干扰信号相差较小，故局放的检测过程中受到的干扰严重，导致采集信号的信噪比低。因此，尽可能地保证局放信号不失真，同时增加采集信号的信噪比是电力电缆进行局放检测的关键。局放信号具有非线性、时间序列非平衡的特征，且频带范围分布较广，所以很难通过选取局放信号的频带进行有效去噪[1]。目前，局部放电的去噪方法主要有经验模态分解法（empirical mode decomposition，EMD）和小波阈值法。EMD方法递归地检测信号中的局部最大值和最小值，高度依赖于极值点搜索法，根据能量法则直接丢弃了阶数小的本征模态（intrinsic mode function，IMF），使得部分有用信号丢失[2-6]。小波变换可以实现信号在时域和频域上同时局部化，具有良好的时频分析能力[7-9]，但小波变化会导致局放的暂态过程丢失。2014年Konstantin Dragomiretskiy基于EMD最早提出了变分模态分解法（variational mode decomposition，VMD）[10]。相较于EMD，VMD的分解层数少，具备严密的数学理论，提高了对噪声干扰的鲁棒性[11-19]。VMD法能够较为完整的保留局放的暂态过程，但对噪声的抑制能力较弱。综上所述，对于受现场干扰信号影响较为严重的局放信号，上述方法在单独使用时的滤波效果均不太理想。笔者提出的基于VMD和小波阈值的电力电缆局部放电信号去噪方法，结合了VMD法能够自适应地调整各模态中心频率和小波阈值良好的时频分析能力的优点，同时避免了VMD法对噪声抑制能力较弱和小波阈值丢失暂态过程的缺点，用于提高局放信号的信噪比，更好地保留局放信号的有效信息。对比分析和实验表明，该方法的去噪效果优于现有其他方法。

1 基本原理

1.1 VMD算法VMD能够自适应、非递归地将输入信号分解为多个具有特定稀疏性质的IMF，且每个IMF均有对应的中心频率。分解过程中不断地评估各个模态，使各IMF及其中心频率的分布达到最优。VMD法的主要分解过程如下。

1）初始化确定IMFs的个数K，对于每个本征模态uk，k=1，2，…，K，通过希尔伯特变换计算相关的解析信号，从而获得单边频谱。

δ（t）+jπt

*uk（t）

（1）2）将每个本征模态uk乘以e-ωkt，使其与对应的预测中心频率ωk进行频率混合，从而将子信号的频谱移位到“基带”。

δ（t）+jπt

*uk（t）

e-ωkt

（2）

3）通过解调信号的高斯平滑度来估计带宽。产生的约束变分问题见式（3）。

min

{u（k）}，{ωk}

∑Kk=1t

δ（t）+jπt

*uk（t）

e-jωkt

22

s.t.∑Kk=1uk=f

（3）

式中 {uk}为所有本征模态集合;{ωk}本征模态对应的中心频率集合。

4）通过二次惩罚项α获得了良好的收敛性，同时通过拉格朗日乘子λ（t）严格地重建约束。引入的增广拉格朗日见式（4）。

L（{uk}{ωk}，λ）=

α

∑Kk=1t

δ（t）+jπt

*uk（t）

e-jωkt

22+

f（t）-∑Kk=1uk（t）

22+

〈λ（t），f（t）-∑Kk=1uk（t）〉

（4）

5）步驟（3）中最小化问题的解可用AMMD[20]求得。通过交替更新来求最小值点，本征模态uk的交替更新表达式见式（5）。

un+1k=

arg minuk∈X

α

t

δ（t）+jπt

*uk（t）

e-jωkt

22+

f（t）-∑Ki=1，i≠kui（t）

+λ（t）2

22

（5）

式中 ωk和ui≠k为最近可用的更新值。将上述问题转换到在频域求解，求解结果见式（6）。

n+1k=

arg mink，uk∈X

α

jω[（1+sgn（ω+ωk））

k（ω+ωk）]

22

+

（ω）-∑Ki=1，i≠k

i（ω）+（ω）2

22

（6）将公式（6）中的第1项中的变量ω←ω-ωk进行变更，并转化为非负频率上的积分形式。

n+1k=arg min

k，uk∈X

∫∞04α（ω-ωk）2|k（ω）|2+

2

（ω）-∑Ki=1，i≠k

i（ω）+

（ω）2

2dω

（7）最后，得到二次优化问题的解见式（8）。

n+1k=

（ω）-∑Ki=1，i≠k

i（ω）+

（ω）2

1+2α（ω-ωk）2

（8）按照与uk同样的求解过程，中心频率ωk的二次优化问题的解见式（9）。

ωn+1k=

∫∞0ω|k（ω）|2dω

∫∞0|k（ω）|2dω

（9）得到的新的ωk是相应的本征模态uk的功率谱的中心。

1.2 小波阈值算法小波阈值法的基本原理是，含噪信号经小波分解后，可得到原始信号和噪声的分解系数，且原始信号的分解系数大于噪声的分解系数，因此，需选取合理的阈值，当分解系数大于阈值时认为分解系数由原始信号而来，保留相应的信号分量;反之，当分解系数小于阈值时，舍弃相应的信号分量[7]。小波阈值算法的关键是确定小波基、分解尺度以及阈值函数。经分析，选db.4小波作为小波基，分解尺度为3层，阈值的计算采用固定阈值估计法。为了保证信号的平滑性，选用软阈值函数进行处理。软阈值函数的数学表达式见式（10）。

ws（j，k）=

sign（w（j，k））（|w（j，k）|-λ），

|w（j，k）|>λ

0，     |w（j，k）|≤λ

（10）

2 基于VMD和小波变换的局放信号去燥局放信号的频带宽，主频率不明显[21-25]。通过上述基本原理可知，VMD法可以自适应地将局放信号分解为多个具有中心频率的本征模态。为了既能将局放信号从干扰中提取出来，又能尽可能地保留局放信号暂态过程。根据VMD与小波阈值的基本原理，笔者提出一种基于VMD与小波阈值重构的局放去噪方法。首先，利用VMD法将实际输入的信号分解为K个初始信号{u1，u2，…，uK}及其对应的初始中心频率{ω1，ω2，…，ωK}，利用公式（6）～（9），不断更新

uK，直至各uK的精度小于其判别精度，停止更新分解出K个IMFs，即{u1，u2，…，uK}及其对应的中心频率

{ω1，ω2，…，ωK};然后，对每个IMF进行小波阈值去噪，进一步将每个IMF去噪处理，从而得到每个IMF的去噪分量，最后对所有IMFs的去噪分量进行信号重构，得到去噪后信号。

VMD分解过程中，IMFs的个数K和惩罚因子α是决定信号分解效果的主要因素。其中，K值太大会造成各IMFs的中心频率发生重叠，太小会导致信号中某一频带的分量同时出现在多个IMFs中。因此，须通过多次尝试来确定K的取值。

2.1 本征模态个数K经多次反复试验发现，当K=5时，信号的分解效果最好，此时本征模态分量及其对应的频谱如图2所示。可以看出，模态u2的频谱峰值与含噪信号的频谱峰值重合，模态u3的频谱峰值与含噪信号在2 MHz附近的峰值重合，此时含噪信号的VMD分解效果最好。

2.2 惩罚因子α

确定K值后，对惩罚因子的取值做大量的测试。通过重构信号与原始“纯净”信号的相关系数来确定惩罚因子，图3为惩罚因子在200～5 000之间变化时对应的相关系数的走势图。可以看出，当α取值在600～2 800范围内时，相关系数大于0.64，即信号的重构效果最佳，因此α的取值在该范围内均可，取值α=1 000。

确定α值后，对含噪信号进行VMD分解，分解后得到的各模态分量uk中仍含有明显的噪声干扰，因此分别对各模态分量uk进行小波阈值去噪，以达到更好的去噪效果。如图4（a）为各本征模态

uk的波形，图4（b）为各本征模态经小波阈值处理后得到的对应波形ck。从图4可以看出，各本征模态分量uk经小波分解后得到的重构信号ck中，噪声被明显抑制。特别是，在u4和u5中局放分量被完全淹没在了噪声中，经小波阈值分解后，c4和c5中局放分量明显。VMD的特点是可以将一个宽频带信号分解为由多个窄频带组成的信号，因此有学者通过VMD对IMFs进行选择性的取舍，实现了低频混合信号或低频含噪信号的分离。但是局放脉冲信号的特征在于其频带极宽且难以找到固定的主频率，因此对IMFs的舍弃会导致有用信号的信息缺失。通过小波阈值去噪的二次处理，有效地去除了噪声干扰，极大限度地保留了各IMFs中的有用信号。

3 与EMD自相关、小波变换对比分析将经小波阈值处理后的信号ck进行重构，得到基于VMD和小波阈值的重构信号。为了对比笔者提出的局放去噪方法的去噪能力，将该方法与目前几个主流的局放去噪方法进行比较。图5为含噪的局放信号经VMD、小波阈值、EMD自相关以及VMD和小波阈值重构等方法处理后的重构信号波形。其中，EMD自相关法是经EMD法改进后的去噪方法，其去噪效果优于EMD法。可以看出，笔者提出的基于VMD和小波阈值重构法优于其他3种方法，并且很好的保留了局放信号的暂态部分。经小波阈值处理后的信号的去噪效果也比较显著，但是局放信号的暂态部分缺失较为严重。

从图5可以直观地看出，各种方法的去噪能力，为了进行进一步的定量比较，结合实际情况，对不同信噪比的局放信号进行去噪，同时引入信噪比SNR、相关系数R以及均方根误差RMSE作為判断去噪能力的依据。

可以看出，VMD与小波阈值重构法的去噪效果明显优于VMD法、EMD自相关法和db4小波阈值法，尤其是对于信噪比愈小的信号，其去噪效果愈加显著，见表1。

4 实验信号分析为了进一步验证文中提出的去噪方法对实测信号的去噪效果，在实验室中对6 kV电力电缆施加2.5 kV直流电压，采用检测阻抗法测量其局放电压信号，并通过Matlab处理实验获得的信号数据。图6（a）为实验室实测到的局放信号的波形，可以看出局放信号几乎淹没在噪声干扰中。图6（b）和（c）分别是利用VMD法和VMD与小波阈值重构法对实验信号进行去噪处理后的信号。

从图6可以看出，变分模态分解法去噪后，信号中仍然存在震荡现象和较多的噪声含量。经VMD与小波阈值重构的去噪信号中不存在震荡现象，同时噪声被明显地抑制。由于信噪比 、相关系数以及均方误差的计算需要原始“纯净”信号，而实验信号的原始“纯净”信号未知，故此处引入信号去噪前后的噪声抑制比（noise rejection ratio，NRR）来衡量去噪效果。NRR表征去噪后有效信号的突出程度。表2所示为2种方法的NRR计算结果。

NRR=10log10（σ21-σ22）

（11）

式中 σ21和σ22分别为信号去噪前后的方差。

可以看出，VMD与小波阈值重构法的噪声抑制能力更优越，优于VMD法。

5 结 论矿用电力电缆早期绝缘劣化时产生的局部放电特征信号微弱，受现场环境干扰较为严重，故障识别准确率低。为了提高局放信号的信噪比和故障识别准确率，提出一种基于变分模态分解和小波阈值重构法。经仿真和实验分析表明，根据所处理的信号，须提前确定VMD法的分解个数与惩罚因子，以确保其去噪能力。VMD方法能够自适应地将信号分解为多个频带的模态，且各模态及其中心频率在不断地更新，同时恰当地平衡各模态之间的误差，使各模态的分布达到最优。通过小波阈值法对各模态分量作进一步处理，可以提高各模态的信噪比。与现有的去噪方法比较，对于信噪比越低的局放信号，VMD与小波阈值重构法的滤波性能越好。目前需通过多次尝试确定K值，后续将研究自动求解最优K值的方法。

参考文献（References）：

[1] MCALLISTER I W.Electric field theory and the fallacy of void capacitance[J].IEEE Transactions on Electrical Insulation，1991，26（3）：458-459.

[2]孙博，张建文，潘磊落.基于EMD的局部放电去噪方法的研究[J].绝缘材料，2014，47（3）：89-94.SUN Bo，ZHANG Jianwen，PAN Leiluo.Study on denoising method of partial discharge based EMD[J].Insulating Materials，2014，47（3）：89-94.

[3]朱永利，王刘旺.并行EEMD算法及其在局部放电信号特征提取中的应用[J].电工技术学报，2018，33（11）：2508-2519.ZHU Yongli，WANG Liuwang.Parallel ensemble empirical mode decomposition and its application in feature extraction of partial discharge signals[J].Transactions of China Electrotechnical Society，2018，33（11）：2508-2519.

[4]郭晨城，文玉梅，李平，等.采用EMD的管道泄漏声信号增强[J].仪器仪表学报，2015，36（6）：1397-1404.GUO Chencheng，WEN Yumei，LI Ping，et al.Enhancement of leak signals using EMD in pipeline[J].Chinese Journal of Scientific Instrument，2015，36（6）：1397-1404.

[5]姚林朋，郑文栋，钱勇，等.基于集合经验模态分解的局部放电信号的窄带干扰抑制[J].电力系统保护与控制，2011，39（22）：133-139.YAO Linpeng，ZHENG Wendong，QIAN Yong，et al.A narrow-band interference suppression method based on EEMD for partial discharge[J].Power System Protection and Control，2011，39（22）：133-139.

[6]贾嵘，徐其惠，田录林，等.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[J].电工技术学报，2008，23（1）：13-18JIA Rong，XU Qihui，TIAN Lulin，et al.Denoising of partial discharge based on empirical mode decomposition and intrinsic mode intrinsic mode function reconstruction[J].Transactions of China Electrotechnical Society，2008，23（1）：13-18.

[7]陈仲英，巫斌.小波分析[M].北京：科学出版社，2007.

[8]臧怀刚，王志斌，郑英.改进小波阈值函数在局放去噪分析中的应用[J].自动化仪表，2010，31（5）：5-8.ZANG Huaigang，WANG Zhibin，ZHENG Ying.Application of improved wavelet threshold function in partial discharge signal denoising analysis[J].Process Automation Instrumentation，2010，31（5）：5-8.

[9]钱勇，黄成军，陈陈，等.多小波消噪算法在局部放电检测中的应用[J].中国电机程学报，2007，27（6）：90-96.QIAN Yong，HUANG Chengjun，CHEN Chen，et.al.Application of multi-wavelet based on denoising algorithm in partial discharge detection[J].Proceedings of the CSEE，2007，27（6）：90-96.

[10]

DRAGOMIRETSKIY K，DOMINIQUE Z.Variational mode decomposition[J].IEEE Transactions on Signal Processing，2014，62（3）：531-541.

[11]楊华，陈云良，徐永，等.基于VMD-HHT方法的水电机组启动过渡过程振动信号分析研究[J].工程科学与技术，2017，49（2）：92-99.YANG Hua，CHEN Yunliang，XU Yong，et al.Analysis of the hydropower unit vibration signal in the start transient process based on VMD-HHT method[J].Advanced Engineering Sciences，2017，49（2）：92-99.

[12]梁智，孙国强，李虎成，等.基于VMD与PSO优化深度信念网络的短期负荷预测[J].电网技术，2018，42（2）：598-606.LIANG Zhi，SUN Guoqiang，LI Hucheng，et al.Short-term load forecasting based on VMD and PSO optimized deep belief network[J].Power System Technology，2018，42（2）：598-606[13]王晓龙，唐贵基.基于变分模态分解和1.5维谱的轴承早期故障诊断方法[J].电力自动化设备，2016，36（7）：125-130.WANG Xiaolong TANG Guiji.Incipient bearing fault diagnosis based on VMD and 1.5-dimension spectrum[J].Electric Power Automation Equipment，2016，36（7）：125-130.

[14]吕中亮.基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D].重庆：重庆大学，2016.LYU Zhongliang.Research on incipient fault diagnosis methods for rotating machinery based on VMD and optimized MSVM[D].Chongqing：Chongqing University，2016.

[15]朱永利，贾亚飞，王刘旺，等.基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类[J].电工技术学报，2017，32（9）：221-235.ZHU Yongli，JIA Yafei，WANG Liuwang，et al.Feature extraction and classification on partial discharge signals of power transformers based on improved variational mode decomposition and hilbert transform[J].Transactions of China Electrotechnical Society，2017，32（9）：221-235.

[16]武英杰.基于變分模态分解的风电机组传动系统故障诊断研究[D].北京：华北电力大学（北京），2016.WU Yingjie.Research on fault diagnosis of wind turbine transmission system based on variational mode decomposition[D].Beijing：North China Electria Power University（Beijing），2016.

[17]孙抗，张露，王福忠.基于变分模态分解和奇异值分解的局部放电信号去噪方法[J].河南理工大学学报（自然科学版），2020，39（6）：119-126.

SUN Kang ZHANG Lu WANG Fuzhong.Partial discharge signal denoising method based on variational mode decomposition and singular valuedecomposition[J].Journal of Henan Polytechnic University（Natural Science），2020，39（6）：119-126.

[18]王同安，王元红.基于VMD的瓦斯信号自适应压缩感知算法[J].西安科技大学学报，2019，39（2）：366-373.WANG Tongan WANG Yuanhong.Gas signal adaptive compressed sensing algorithm based on VMD[J].Journal of Xian University of Science and Technology，2019，39（2）：366-373.

[19]LI H，LIU T，WU X，et al.An optimized VMD method and its applications in bearing fault diagnosis[J/OL].https：//doi：10.1016/j.measurement，2020.108185.

[20]钟轶君.范数最优化问题的交替方向乘子算法[D].大连：大连理工大学，2013.ZHONG Yijun.Norm optimization via alternating direction method of multipliers[D].Dalian：Dalian University of Technology，2013.

[21]XIE B，XIONG Z Q，WANG Z J，et al.Gamma spectrum denoising method based on improved wavelet threshold[J/OL].Nuclear Engineering and Technology，http：//doi：10.1016/j.net.2020.01.025.

[22]孙永辉，王馥珏，邓鹏.高压电缆局部放电带电检测技术的应用研究[J].南京理工大学学报，2019，43（4）：505-510.

SUN Yonghui，WANG Fujue，DENG Peng.Application of discharged detection technology for partial discharge of high voltage cable[J].Journal of Nanjing University of Science and Technology，2019，43（4）：505-510.

[23]

李铁成，文武，阮江军，等.用于电缆接头局放检测的插入式传感器频响特性研究[J].高压电器，2019，55（8）：131-136.LI Tiecheng，WEN Wu，RUAN Jiangjun，et al.Study on frequency response characteristics of plug-in sensor for cable joint partial discharge detection[J].High Voltage Apparatus，2019，55（8）：131-136.

[24]RUAN J J，TANG L Z，CHEN R，et al.Study on sensitivity characteristic of capacitive coupler for PD detection in HV cable joint[J].IEEJ Transactions on Electrical and Electronic Engineering，2019，14（10）：117-124.

[25]程江洲，唐阳，熊双菊，等.基于电缆频率特性及信号脉冲宽度的电缆局部放电在线定位方法[J].科学技术与工程，2019，19（33）：213-219.CHENG Jiangzhou，TANG Yang，XIONG Shuangju，et al.On-line of cable partial discharge localization method based on cable frequency characteristics and signal pulse width[J].Science Technology and Engineering，2019，19（33）：213-219.