劉化龍

(武漢大學(xué)電氣工程學(xué)院，武漢 430072)

電力變壓器局部放電超聲波信號的分析與處理方法

劉化龍

(武漢大學(xué)電氣工程學(xué)院，武漢 430072)

電力變壓器局部放電超聲波檢測和定位技術(shù)的實(shí)現(xiàn)在很大程度上依賴于局部放電所產(chǎn)生的超聲波信號的分析與處理性能，所以局部放電超聲波信號的分析與處理在局部放電超聲波檢測和定位技術(shù)中至關(guān)重要。系統(tǒng)闡述了變壓器局部放電超聲波信號分析與處理的方法，為局部放電超聲波檢測性能和定位精度的提高提供參考。

局部放電;電力變壓器;超聲波定位;信號分析

局部放電是引起變壓器絕緣劣化或擊穿的主要原因之一［1-6］。電力變壓器局部放電超聲波檢測和定位技術(shù)作為一種非破壞性試驗(yàn)，由于定位能力強(qiáng)、精度高等優(yōu)勢越來越受到人們的重視。但是由于電力變壓器局部放電超聲波檢測和定位技術(shù)的實(shí)現(xiàn)在很大程度上依賴于局部放電所產(chǎn)生的超聲波信號的分析與處理性能，所以局部放電超聲波信號的分析與處理在局部放電超聲波檢測和定位技術(shù)實(shí)現(xiàn)中至關(guān)重要。本文系統(tǒng)闡述了變壓器局部放電超聲波信號分析與處理的方法，以期為局部放電超聲波檢測性能和定位精度的提高提供參考。

1 局部放電超聲波信號的分析與處理方法

目前分析與處理超聲波信號的方法主要分為兩大類:一是以多個簡化的波形特征參數(shù)(如幅度、能量、持續(xù)時間、振鈴次數(shù)等)來表示超聲波信號的特征并對其進(jìn)行分析和處理;二是對存儲和記錄的超聲波信號的波形進(jìn)行分析和處理。

1.1 超聲波信號波形的分析與處理方法

對于平穩(wěn)信號，常用傅里葉分析方法進(jìn)行分析;對于非平穩(wěn)信號，常用神經(jīng)網(wǎng)絡(luò)技術(shù)與小波法進(jìn)行分析。

1.1.1 頻譜分析方法

經(jīng)典譜分析以傅里葉變換為基礎(chǔ)。傅里葉變換隱含了加窗處理，存在的主要問題有:估計(jì)的功率譜很難與信號的真實(shí)功率譜相匹配，存在泄漏問題，導(dǎo)致頻率分辨率也相應(yīng)降低。為了克服這些缺點(diǎn)，研究人員提出了很多新的譜估計(jì)方法，其基本思想是在對有限長度信號進(jìn)行譜估計(jì)時有效避開加窗所帶來的不利影響，從而產(chǎn)生了現(xiàn)代頻譜分析技術(shù)?，F(xiàn)代頻譜估計(jì)大致可分為兩大類:參數(shù)模型譜估計(jì)和非參數(shù)模型譜估計(jì)。

通過頻譜分析方法可將波形比較相近的信號區(qū)分開。頻譜分析方法能對檢測方法起正確的指導(dǎo)作用，通過設(shè)置合理的檢測參數(shù)(如定時參數(shù)、頻帶范圍、增益大小、濾波參數(shù))可以更有效地檢測信號［7］。

1.1.2 人工神經(jīng)網(wǎng)絡(luò)分析方法

人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)是由大量處理單元(人工神經(jīng)元)互連而成的復(fù)雜人工網(wǎng)絡(luò)系統(tǒng)，因而是一個高度復(fù)雜的非線性動力學(xué)系統(tǒng)。

本文介紹人工神經(jīng)網(wǎng)絡(luò)在超聲波信號分析與處理中應(yīng)用較廣泛的3種基本類型:BP(backpropagation，反向傳播)網(wǎng)絡(luò)、神經(jīng)元之間Hamming網(wǎng)絡(luò)和學(xué)習(xí)向量量化法(learning vector quantization，LVQ)網(wǎng)絡(luò)。

1)BP網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)，各層次的神經(jīng)元之間形成全互連接，而各層次內(nèi)的神經(jīng)元之間沒有連接［8-9］。標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)由3個神經(jīng)元層次組成，即輸入層、隱層和輸出層，如圖1所示。設(shè)置隱層的目的是提取不同局部放電源的特征，然后將它們的知識傳遞給輸出層。由于BP網(wǎng)引入了隱層，網(wǎng)絡(luò)的分析能力得到了很大提高，加之其嚴(yán)密的推導(dǎo)過程、清晰的物理概念及良好的通用性等優(yōu)勢，所以BP網(wǎng)是一種十分有效的算法。BP網(wǎng)的局限性在于該學(xué)習(xí)算法的收斂速度慢，網(wǎng)絡(luò)中隱節(jié)點(diǎn)個數(shù)的選取尚無理論指導(dǎo)。從數(shù)學(xué)角度看，BP算法是一種梯度最速下降法，因此容易陷入局部極小值的問題。

圖1 BP網(wǎng)結(jié)構(gòu)

2)LVQ神經(jīng)網(wǎng)絡(luò)屬于前向神經(jīng)網(wǎng)絡(luò)，由3層組成，即輸入層、隱含層(又稱Kohnen層)和輸出層。網(wǎng)絡(luò)在輸入層與隱含層間為完全連接，在隱含層與輸出層間為部分連接，每個輸出層神經(jīng)元與隱含層神經(jīng)元的不同組相連接。LVQ神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖2所示，其優(yōu)點(diǎn)是不需要對輸入向量進(jìn)行歸一化、正交化處理，只需直接計(jì)算輸入向量與競爭層之間的距離，從而實(shí)現(xiàn)模式識別。由于該方法簡單易行，故在模式識別和優(yōu)化領(lǐng)域有著廣泛的應(yīng)用。

圖2 LVQ網(wǎng)結(jié)構(gòu)

3)Hamming網(wǎng)是二層(由匹配層子網(wǎng)絡(luò)和競爭層子網(wǎng)絡(luò)組成)、全連接、前向型神經(jīng)網(wǎng)絡(luò)，如圖3所示。匹配層完成類別樣本的記憶存儲和輸入模式與樣本模式的匹配度計(jì)算，競爭層則通過迭代尋求最大匹配度輸出。Hamming網(wǎng)的特點(diǎn)是網(wǎng)絡(luò)收斂速度較快，需要的互連數(shù)也較少;缺點(diǎn)是編碼較困難。

圖3 Hamming網(wǎng)結(jié)構(gòu)

1.1.3 小波分析方法

小波(wavelet)是在一個小的區(qū)域內(nèi)波動的信號，是一種長度有限而平均值為零的特殊波。它有兩個特點(diǎn):一是“小”，即在時域和頻域都具有緊支集或近似緊支集;二是“波動性”，呈現(xiàn)正負(fù)交替的振蕩波動，即直流分量為零。

小波分析是一種常用的處理時-頻信號的可變分析方法［10-12］。對于高頻信號，小波分析的時間窗自動變小(時間分辨率高);對于低頻信號，時間窗則自動展寬(頻率分辨率高)［11］。在分析信號中瞬變現(xiàn)象等短暫的高頻現(xiàn)象方面，小波變換能比窗口傅里葉變換更好地移近觀察，是一種多分辨分析方法。這種多分辨特性或“變焦”特性是小波變換的基本特征，其目的是“不僅要看到森林(信號的全貌)，而且要看到樹木(信號的細(xì)節(jié))”。因此，小波變換有“數(shù)學(xué)顯微鏡”之稱。

變壓器局部放電超聲波信號在變壓器內(nèi)部的傳播較為復(fù)雜，探頭接收到的超聲波信號是一種時頻有限的非平穩(wěn)信號［13-14］。通過小波分析，可以區(qū)分傳感器接收到的信號是直接路徑傳播還是復(fù)合路經(jīng)傳播［15-16］。

為了分析非線性、非平穩(wěn)信號的局部特征，使用一個已知的基本函數(shù)ψ(t)與被分析信號作比較。為了分析信號在各個時刻的局部特征，需要將ψ(t)作平移。同時為了分析局部特性的不同程度，對ψ(t)作尺度縮放。這樣就形成了一個函數(shù)簇{ψa，b(t)}，用它依次與信號作比較，就可以分析信號在各個時刻、各個局部范圍的特性，此為小波分析的基本思想。

給定基本函數(shù)(稱為母小波，Mother Wavelet)，令

式(1)中常數(shù)a，b分別稱為尺度參數(shù)與位移參數(shù)。a，b不斷變化得到一簇稱之為小波基的函數(shù){ψa，b(t)}，其中每個ψa，b(t)稱為一個小波。用作母小波ψ(t)的函數(shù)至少需滿足

設(shè)f(t)是平方可積信號，即f(t)∈L2(R)，則f(t)的小波變換(wavelet transform，WT)可定義為:

式(3)中常數(shù)a，b和t均為連續(xù)變量，故該式又稱為連續(xù)小波變換(continuous wavelet transform，CWT)。

令a=aj0，b=kaj0b0，則a，b離散化可得

對給定的信號f(t)，連續(xù)小波變換可轉(zhuǎn)換為如下離散柵格上的小波變換:

式(5)也稱為“離散小波變換(discrete wavelet transform，DWT)”。

CWT適用于信號分析、特征提取和信號檢測，而DWT更適合處理數(shù)據(jù)壓縮問題。

小波分析的最大優(yōu)點(diǎn)是具有“局部化”和“數(shù)字顯微鏡”的特性，所以尤為適用于非線性、非平穩(wěn)信號的分析。

1.2 超聲波信號的特征參數(shù)分析方法

該分析方法先通過計(jì)算機(jī)對采集到的超聲波信號實(shí)行預(yù)處理，提取信號中典型的量并轉(zhuǎn)換為聲發(fā)射特征參數(shù)，而后對其進(jìn)行分析與處理以獲取聲波源的相關(guān)信息。

對超聲波信號進(jìn)行分析與處理時常用到的特征參數(shù)有上升時間、能量、幅度、脈沖持續(xù)時間和振鈴計(jì)數(shù)等。這些參數(shù)占用的存儲空間小，不僅便于后續(xù)計(jì)算與分析處理，而且有利于對被檢測對象進(jìn)行長時間的動態(tài)實(shí)時監(jiān)測。

由于超聲波信號參數(shù)較多，且不同的參數(shù)都能提供一定的聲波源特征信息，加之參數(shù)的選取存在一定的主觀性和任意性，因此由于研究人員的不同和試驗(yàn)條件的差異，選擇不同的參數(shù)進(jìn)行分析，得到的結(jié)果就會有差異，進(jìn)而使對聲波源的分析與評價存在較大的誤差。這些因素都限制了特征參數(shù)分析方法在超聲波信號分析與處理中的應(yīng)用。

除了上述處理方法外，超聲波信號還有盲源分析、獨(dú)立分量分析(ICA)、基于經(jīng)驗(yàn)的模態(tài)分解(EMD)和信息融合等分析方法。

2 總結(jié)與展望

1)鑒于神經(jīng)網(wǎng)絡(luò)技術(shù)與小波分析法分析超聲波信號的有效性，應(yīng)該加強(qiáng)神經(jīng)網(wǎng)絡(luò)技術(shù)與小波分析法的研究，特別是小波分析法。

2)在局部放電的超聲波探測和定位中，超聲波信號常常會混入一些干擾信號，且這些干擾信號通常都是高頻信號，所以應(yīng)該進(jìn)一步研究濾除高頻噪聲的方法，從而得到更加理想的所需的超聲波信號。

3)除此之外，還應(yīng)探索盲源分析、獨(dú)立分量分析(ICA)、基于經(jīng)驗(yàn)的模態(tài)分解(EMD)和信息融合等分析方法在超聲波信號分析中的具體應(yīng)用。

［1］Jesús Rubio-Serrano，Julio Posada，Iago Bua，et al. Comparison of Processing Techniques for Optimizing the Diagnosis of Solid Insulation based on Acoustic Emissions from Partial Discharges［C］//2013 IEEE International Conference on Solid Dielectrics.Bologna:IEEE，2013:129 -132.

［2］Prasanna Venkatesh A S，Danikas M G，Sarathi R.Understanding of Partial Discharge Activity in Transformer Oil under Transient Voltages Adopting Acoustic Emission Technique［C］//2011 6th International Conference on Industrial and Information Systems.Sri Lanka:IEEE，2011:98-101.

［3］Syed Aqeel Ashraf，Brian G Stewart，Chengke Zhou，et al.Modelling of Acoustic Signals from Partial Discharge Activity［C］//GCC Conference(GCC).Manama:IEEE，2006:1-5.

［4］Howells E，Norton E T.Detection of Partial Discharges in Transformers Using Acoustic Emission Technique［J］. IEEE Transactions on Power Apparatus and Systems，1978，PAS-97(5):1538-1549.

［5］Giscard F Cintra Veloso，Borges da Silva L E，Lambert-Torres G，et al.Localization of Partial Discharges in Transformers by the Analysis of the Acoustic Emission［C］//IEEE ISIE 2006.Montreal:IEEE，2006:537 -541.

［6］Du B X，Lu Y H，Weil G Z，et al.PD Localization Based on Fuzzy Theory using AE Detection Techniques［C］// 2005 Annual Report Conference on Electrical Insulation and Dielectric Phenomena.USA:IEEE，2005:449-452.

［7］郭艷平，解武波，鄭小平.聲發(fā)射技術(shù)及其在變壓器局部放電檢測中的應(yīng)用［J］.現(xiàn)代電子技術(shù)，2007(17): 137-140.

［8］蘭勝坤.遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的說話人識別系統(tǒng)［J］.重慶理工大學(xué)學(xué)報:自然科學(xué)版，2013(10):91 -104.

［9］胡躍強(qiáng)，李苓，高宏力，等.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床主軸性能評估模型［J］.四川兵工學(xué)報，2012 (6):62-65.

［10］Prasanta Kundu，Kishore N K，Sinha A K.Wavelet based Fractal Analyzing Method of Partial Discharge Acoustic Emission Signal［C］//Second International Conference on Industrial and Information Systems.Sri Lanka:IEEE，2007:357-360.

［11］李夏青，馬景蘭.變壓器局部放電信號的小波分析及故障定位［J］.變壓器，2003，40(3):7-9.

［12］魏阿妮，嚴(yán)碧歌.小波變換在心音奇異信號處理中的應(yīng)用［J］.壓電與聲光，2012(1):1-3.

［13］謝紅玲.基于小波理論的局部放電超聲波信號分析［J］.電力情報，2002(1):30-31.

［14］王遠(yuǎn)，楊永明，江帆，等.發(fā)電機(jī)局部放電超聲波檢測系統(tǒng)的研究［J］.壓電與聲光，2011(2):328-331.

［15］楊永明，江帆，王遠(yuǎn)，等.局部放電超聲波在電機(jī)定子中傳播的仿真分析［J］.壓電與聲光，2011(3):399 -402.

［16］Aloys O AKUMU，Hajime MASAI，F(xiàn)utoshi ADACHI，et al.Wavelet Analysis of Partial Discharge Acoustic Signals in a Model Transformer［J］.The Japan Society of Applied Physics，2003，42(8):5347-5352.

(責(zé)任編輯 楊黎麗)

Methods and Analysis of Partial Discharge Ultrasonic Signals in Power Transformers

LIU Hua-long
(School of Electrical Engineering，Wuhan University，Wuhan 430072，China)

The realization of techniques of detection and localization of partial discharges in power transformers adopting ultrasonic methods depends on the analysis and processing of ultrasonic wave signals generated by partial discharges to a large extent，so the analysis and processing of ultrasonic signals generated by partial discharges are of vital importance to the ultrasonic detection and location technology.This paper systematically elaborates the methods of analysis and processing of partial discharge ultrasonic signals in order to provide some useful reference for the precision improvement of techniques of detection and localization of partial discharges in power transformers adopting ultrasonic methods.

partial discharge;power transformer;ultrasonic localization;signal analysis

TM41

A

1674-8425(2014)06-0109-04

10.3969/j.issn.1674-8425(z).2014.06.021

2014-01-14

國家自然科學(xué)基金資助項(xiàng)目(51177112)

劉化龍(1988—)，男，碩士研究生，主要從事變壓器局部放電檢測與定位等方面的研究。

劉化龍.電力變壓器局部放電超聲波信號的分析與處理方法［J］.重慶理工大學(xué)學(xué)報:自然科學(xué)版，2014 (6):109-112.

format:LIU Hua-long.Methods and Analysis of Partial Discharge Ultrasonic Signals in Power Transformers［J］. Journal of Chongqing University of Technology:Natural Science，2014(6):109-112.