基于压缩感知的嵌入式弧光传感系统研究

2022-07-20白桦孔王莺邱益林严泽鑫李江涛徐凯宏

电力大数据 2022年2期

白桦，孔王莺，邱益林，严泽鑫，李江涛，徐凯宏

(1.浙江华云电力工程设计咨询有限公司，浙江杭州 310002；2.电力设备电气绝缘国家重点实验室(西安交通大学)，陕西西安 710049)

开关柜等电力设备在长期运行过程中由于绝缘劣化、浮尘、多次遭受暂态过电压冲击后产生绝缘缺陷[1]，可能产生局部放电并逐步发展成贯穿性的电弧[2-3]。

局部放电监测方法有脉冲电流法、超声法、特高频法和暂态地电压法等[4-5]，但实际应用效果受现场环境影响较大，监测结果置信度较差。目前监测主要采用弧光阈值，即采集电力设备内弧光信号峰值作为判断是否存在电弧的主要依据[6]，但也存在忽视电弧信号波形、放电形式、放电发展等其他要素的问题[7]。

基于光电二极管的弧光传感器可以将内弧光信号转变成电信号。根据检测光波可分为紫外光传感器、可见光传感器和红外弧光传感器。典型电力设备放电产生的紫外线波长集中在230nm～400nm之间，可通过紫外弧光传感器检测设备是否故障。

由于弧光脉冲宽度仅为数个毫秒，对采样频率要求较高，给数据的传输和存储造成严重负担[8-10]。为降低数据对通信速率的要求，文献[11-14]提出了压缩感知技术，基于稀疏信号能在较低采样率下准确重构信号。压缩感知技术不仅能用于数据压缩，还能应用于去噪、模式识别等诸多领域。目前，压缩感知技术在电气领域的应用也日渐广泛[15-17]。袁博等人利用压缩感知技术对电网中的谐波分量进行分析，发现当压缩比为30%时，谐波的频率、幅值和相角误差分别在0.1%、0.15%和0.1°以内，十分精确。而弧光信号信息集中在少量频段，同样具有稀疏性，适用于压缩感知技术。

然而，要推广弧光波形监测技术，还需要协调好两个矛盾：一是弧光传感器高增益信号调制电路的设计和电磁兼容的矛盾；二是弧光传感器监测数据量和数据可靠性的矛盾。

1 紫外弧光信号测量与压缩感知技术

1.1 紫外弧光信号测量方法

随着电力设备绝缘逐渐劣化，设备内部会产生局部放电。根据电场强度的不同，会产生电晕、闪络或电弧放电现象。在电离过程中，电子不断吸收和释放能量，并伴随有光波辐射。经光谱分析可知，电弧光谱中既包含红外光、可见光，也包含紫外光[18]。随电弧放电加剧，辐射中紫外线的成分会继续增加[19]。由此，测量电力设备内紫外弧光信号即可检测是否发生电弧放电故障以及故障程度，此即紫外弧光信号测量法。

紫外弧光信号测量法的装置一般包括紫外弧光传感器、取样电路、信号调理电路以及信号处理电路。当开关柜等电力设备内发生电弧故障时，基于光电二极管紫外弧光传感器将紫外光信号转化为电信号。取样电路对电信号进行采样。由于电信号较小，因此还需信号处理电路将信号进行适当放大以及滤波，降低电弧放电产生的射频电磁波干扰。最后将信号传输至信号处理电路做进一步分析和处理。

弧光辐射在紫外频段集中在230nm～400nm，不完全与“日盲区”重合，紫外弧光传感器测量时会产生零漂现象。需注意大气紫外辐射对传感器工作的影响。此外，由于传感器本身的特点以及电力设备内电磁环境，还需对弧光传感器进行封装设计以及电磁兼容试验。

紫外弧光测量法相较于目前常用的脉冲电流法、超声法、特高频法和暂态地电压法,具有灵敏度高、成本低、抗干扰能力强能优势，对开关柜等电力设备能起到很好的保护作用。

1.2 一维信号压缩感知技术

传统的一维信号采样过程需要遵从奈奎斯特采样定理，即要想让采样得到的数字信号完整保留模拟信号的全部信息，采样频率必须大于信号中最高频率的两倍，否则信号将在频域中发生混叠。

在电力设备在线监测领域，传统的采样方法需要设备硬件提供很高的采样速率，使得弧光、局部放电、振动、暂态电压等诸多传感器的信号处理系统面临巨大的压力，搭建电力设备状态监测系统将消耗大量的通信系统资源。

压缩感知理论表明，只要数据经过某一线性变换，在正交空间(谱域)中具有稀疏性，就能以远低于奈奎斯特采样频率的亚采样率对信号进行压缩采样和重构，并将该研究成果命名为压缩感知(compressed sensing, CS)技术[20]。压缩感知技术也被称为压缩采样或稀疏采样，是一种寻找欠定线性系统的稀疏解的技术，根据其对信号的处理环节可划分为信号的稀疏表示、构建测量矩阵和信号重构三个部分[21-22]。

(1)信号的稀疏表示过程是指构造一组适合该类型信号的稀疏基，满足信号在稀疏基上进行稀疏变换所得稀疏系数呈指数级衰减的近似稀疏条件。使得稀疏变换后产生接近零的次要成分尽可能多，即对于长度为N的原始信号x，存在一组正交基Ψ，满足式(1)：

α=ΨTx

(1)

式中向量α称为稀疏系数，满足近似稀疏条件。稀疏变换常用的变换基包括傅立叶基(fast Fourier transform, FFT)、离散余弦基(discrete cosine transform, DCT)、离散小波基(discrete wavelet transform, DWT)等。

(2)测量矩阵实现对谱域中的稀疏信号进行测量，是从谱域中捕获稀疏信号特征的过程。测量矩阵需要满足受限等距特征准则(restricted isometry property, RIP)，即测量矩阵与稀疏基的相干性较低，其数学表达如式(2)所示:

y=ΦM×Nα

(2)

式中ΦM×N为与Ψ低相干性的测量矩阵，M远小于N；y为亚采样后得到的长度为M的测量值。

根据信号种类的不同实现稀疏表示采用的稀疏基也不同。常用的测量矩阵有高斯白噪声矩阵、伯努利矩阵、亚高斯矩阵等[23]。目前许多研究中都采用高斯白噪声矩阵作为测量矩阵，原因在于高斯白噪声矩阵中任一元素都满足独立正态分布，能高概率确保和任意稀疏基不相干，具有较强的兼容性。它的优点在于所需的观测次数较小，缺点是存储矩阵元素占用空间大和计算复杂度较高。

(3)信号重构的过程是将亚采样信号还原的过程，一般通过最小l0范数求解最优化的方法得到α’，主要基于匹配追踪算法进行实现。目前常用的算法有正交匹配追踪算法(orthogonal matching pursuit, OMP)、树形匹配追踪(tree matching pursuit, TMP)和分段匹配追踪算法(stagewise orthogonal matching pursuit, StOMP)等。求解得到的α’经过稀疏基的逆变换完成对原始采样信号的还原。

2 嵌入式弧光传感器设计

2.1 基于光电二极管的弧光检测电路设计

电力设备内局部放电发展，形成间断性的微电弧，这种放电形式往往伴随紫外信号的增加。相比于采用电压、电流或者力学信号进行电力设备的故障电弧检测，采用紫外波段光学信号的弧光检测方法抗干扰能力强、对故障电弧识别的准确率高、识别速度快、设备造价低。

本文选取氮化镓基底肖特基型光电二极管进行弧光原始信号的采集[24]，该光电二极管工作于光伏模式时具有快速响应、低暗电流、光电响应特性对温度变化敏感性低的优点，且生产成本较低，设备体积较小，对240nm～370nm的长紫外光(ultraviolet A, UV-A)波段具有良好的响应特性。

光电二极管工作波段的响应曲线如图1所示，其他特征参数如表1所示。

图1 氮化镓肖特基型光电二极管光电频率响应曲线Fig.1 Light-electric frequency response curve of GaN Schottky photodiode

表1 氮化镓肖特基型光电二极管传感器性能参数Tab.1 Performance parameters of GaN Schottky photodiode sensor

根据弧光UV-A波段的功率密度分析可以得出，本文选用传感器工作状态下产生数十纳安的电流。为了将光电二极管的电流信号精确采样，需要设计高增益的放大电路，将原有的10 nA量级的微弱电流增益107倍，转换成1.0V量级的电压信号，以满足ADC采样需求。因此本文设计采用多级放大电路提高测量系统的增益，比例环节中采用可调电阻器实现放大倍数的调整；同时设计一阶无源高通滤波器和二阶有源低通滤波器构成带通滤波环节，降低大气紫外线干扰和电弧放电产生的射频电磁波干扰。

本文设计的弧光检测电路拓扑如图2所示。该电路阻容元件的设计参数表2所示。

图2 弧光检测信号调制电路Fig.2 Arc detection signal modulation circuit

表2 弧光检测信号调制电路元件参数Tab.2 Arc detection signal modulation circuit component parameters

将弧光传感器的信号调制电路导入模拟电路仿真软件，对本文所设计的电路进行频域分析，仿真研究信号调制电路在1Hz～100MHz带宽内的传递特性。仿真结果如图3所示。

由于传感器在工作过程中，大气紫外线辐射会对测量产生干扰，产生信号“零漂”；电力系统中采样设备的采样率通常为10kHz～20 kHz。为了满足弧光信号采集和实际工程的需要，因此本文设计弧光信号调制电路的通带为10Hz～10 kHz，仿真结果为8.4Hz～10.6kHz，通带内微电流增益0.063V/nA，且信号在通带范围内相移较小。仿真结果表明，本文设计的弧光信号调制电路能满足电力设备弧光信号的检测要求。

(a)幅频特性曲线(a)Amplitude and frequency characteristic curves

(b)相频特性曲线(b)Phase and frequency characteristic curves图3 弧光信号调制电路的频率响应曲线Fig.3 Frequency response curve of arc signal modulation circuit

2.2 弧光传感器封装设计

本文根据电力设备内部电磁环境和传感器特点设计弧光传感器抗干扰封装，如图4所示。

(a)弧光传感器结构封装设计(a)Packaging design of arc sensor structure

(b)弧光传感器实物(b)Real object of arc sensor图4 弧光传感器封装设计及实物图Fig.4 Packaging design and real object of arc sensor structure

本文对光电传感器、信号调制电路、供电回路进行紧凑化设计，将其集成于16×24 mm的PCB板上，电阻、电容、运放等器件采用全贴片工艺，减小电路的寄生参数；传感器的电源线和信号线为带双层屏蔽的同轴电缆，增强传感器的抗脉冲瞬变干扰的能力；外壳材料为光固化树脂，采用精度较高的3D打印技术制作，内部喷涂导电涂层，相比于传统的钣金工艺可以极大减轻传感器的重量，同时避免传感器的金属外壳在开关柜等电力设备内对高压带电体产生放电。为了达到最好的屏蔽效果，本文采用铜和石墨烯作为导电涂层材料[25-26]。

2.3 弧光及电磁兼容试验平台

本文采用平板电极空气间隙放电电弧模拟电力设备内部局部电弧，设计制作了重复频率、参数可调的高压脉冲源；平板电极输出电压波形参数选取为1.2/50 μs的标准雷电冲击电压，可模拟雷电冲击电场干扰。因此该试验平台一方面可以作为弧光信号源，另一方面可以模拟传感器遭受陡波脉冲干扰下的运行性能，考核弧光传感器的电磁兼容性能。弧光放电及电磁兼容实验平台如图5所示。

图5 弧光放电及电磁兼容试验平台Fig.5 Arc discharge and electromagnetic compatibility test platform

弧光试验和电磁兼容试验中，设置高压直流源充电电压为10.0 kV，放电腔体间隙间电弧和极间电压电流波形如图6所示。

图6 放电过程中间隙电压电流波形Fig.6 Gap voltage and current waveform during discharge

实验结果表明，采用铜镀层和石墨烯涂层作为弧光传感器外壳的屏蔽材料可以取得较好的脉冲电场屏蔽效果，可以极大降低暂态冲击工况和电力设备内部电弧放电情况下传感器测量信号的干扰幅值。本文所设计的弧光传感器封装结构在轻量化的基础上可以取得理想的屏蔽效果。

图7 不同电磁防护条件下传感器干扰波形Fig.7 Sensor interference waveform under different electromagnetic protection conditions

3 弧光信号压缩感知效果及其影响因素

3.1 弧光信号压缩感知算法

由于实际工程往往需要考虑成本因素，传感器信号的数字采集器采样频率较低，以控制变电站内数据上传速率。本文采用弧光传感器测得弧光脉冲信号脉宽为数个毫秒，信号中包含复杂的高次谐波分量，需要设置较高的采样率才能保障信号的完整性，这对站内信息通信系统提出了苛刻的要求，在当前工程环境中无法满足事实弧光数据上传的需求[27]。因此，本文考虑采用压缩感知的技术，对弧光信号进行亚采样[28-30]，降低对通信速率的要求，使得电力设备多通道弧光传感系统和远程数据平台的实时通信成为可能。

本文设计的弧光信号处理算法框架如图8所示，主要包含以下步骤：

(1)由检测电路判断是否出现弧光，完成对弧光信号的原始采样，分段储存在本地的内存当中；

(2)对原始信号进行稀疏变换，本文采用傅立叶基对弧光信号进行稀疏分解，将高维的原始数据投射到低维空间；

(3)由服务器构建一个固定的测量矩阵(高斯分布白噪声矩阵)，完成对稀疏信号的亚采样；该矩阵同时作用于信号压缩端和重构端，因此需要保证传感器和远程服务器测量矩阵的一致性；

(4)经压缩的亚采样信号传输至服务器；

(5)采用正交匹配追踪法(OMP)重构信号；

(6)采用中值滤波降噪并设定某一阈值，将重构的信号中低于该阈值的数据滤去，高于该阈值的数据保留，完成对弧光脉冲的定位和抓取。

图8 弧光信号处理算法框架Fig.8 Arc signal processing algorithm framework

图9为本研究实际测量得到的一组弧光信号及其压缩感知处理信号对比情况。该采样信号具有一定典型性：(1)较长的时间序列，拥有多个弧光脉冲；(2)包含偶然因素，弧光脉冲信号时域特征存在一定差异；(3)包含不完整的弧光脉冲信号。压缩感知算法设置压缩率(原始信号长度与传输信号长度之比)为4.88，平均相对误差为3.84%。

图9 连续弧光信号原始数据与压缩感知重构数据对比Fig.9 Comparison between original data of continuous arc signal and CS reconstruction data

3.2 弧光信号重构效果影响因素

压缩感知完成了对弧光信号频率特征量的截取和重构，其压缩率对重构信号误差具有极大的影响。为了在弧光传感数据量和信号失真度之间取得平衡，优化算法的实际使用效果，本文研究了不同压缩率下重构信号的误差情况，如图10所示。

(a)亚采样率与重构信号误差的关系(a)Relationship between subsampling rate and reconstructed signal error

(b)压缩率与重构信号误差的关系(b)Relationship between compression ratio and reconstructed signal error图10 弧光重构信号效果影响因素Fig.10 Influencing factors of arc reconstruction signal effect

本文选取传感器采集到的弧光原始数据样本时长1.0s，样本长度为2500个数据点，分别选取64Hz，128Hz，256Hz，512Hz和1024Hz的亚采样率进行压缩感知算法测试。采用原始样本数据和压缩感知重构数据在各采样点的相对误差均值作为评判重构信号的失真度指标。相对误差均值越大，说明信号失真越严重。

研究结果表明，弧光重构信号的平均相对误差与亚采样率近似成反比例关系，与数据压缩率近似成线性关系；当亚采样率较低时，重构数据误差会随采样点数的降低而快速上升。若工程中对弧光信号的波形特征有较高的要求，研究情况表明可以将5%平均相对误差作为数据准确性阈值，应将弧光信号压缩率控制在8倍以内；若工程中仅需要弧光信号的峰值和重复频率特征，可以将10%平均相对误差作为数据准确性阈值，应将弧光信号压缩率控制在16倍以内。