劉 俊

（國網蘇州供電公司，江蘇 蘇州 215000）

隨著電子科技和計算機技術的迅猛發(fā)展，很多電子產品已經在航空航天、運輸、醫(yī)學以及電力等行業(yè)得到了越來越多的應用[1]。電源噪聲信號優(yōu)化檢測方法是目前國內外變電運維研究領域的熱點之一，也受到了很多學者的關注，并在很多領域都取得了重大成果[2]。然而，隨著科學技術的進步，變電運維設備中的電源電路變得越來越復雜，不僅電源電路的響應和參數可能會有所不同，而且還會出現非線性現象以及反饋環(huán)路的差異，這些都使得電源噪聲信號的檢測變得越來越困難，檢測過程也會更加復雜。

陳建國等人[3]采用譜校正技術對通信系統(tǒng)中的噪聲進行峰值檢測。首先，通過對無線信道中的聲源進行定位，利用線性濾波等方法，實現含噪目標的準確定位；然后，通過對含噪信號的離散光譜進行離散譜的解析，研究如何利用光譜校正方法，實現光譜中的“障礙物”“光譜泄露”等現象的修正，通過調整光譜的空間分布和譜線的幅值，使變化后的光譜恢復至初始態(tài)。試驗證明，該方法運行穩(wěn)定、檢測時間短、檢測精度高。

1 電源噪聲信號優(yōu)化檢測方法設計

1.1 提取電源噪聲信號特征

利用小波變換對變電運維設備中的電源噪聲信號特征進行提取時，存在著信號特征集合過大，提取精度低等問題[4]，需要在提取過程中，合理降低其特征數量，提取出主要的特征即可，具體如下。

在R級尺度下，利用小波變換，分解變電運維設備的電源噪聲信號，得到一個接近于噪聲信號的信號將其長度定義為L，利用公式（1）給出電源噪聲信號特征X的第R維分量XR，即：

在歸一化處理的基礎上[5]，得到電源噪聲信號的特征矢量X'，利用公式（2）提取出電源噪聲信號的R維特征分量，即：

利用歸一化處理，得到電源噪聲信號的特征矢量，提取出艦船噪聲信號特征。

1.2 過濾電源噪聲信號的異常值

為了提高變電運維設備電源噪聲信號的檢測質量，本文引入模糊聚類算法[6]，對電源噪聲信號進行聚類處理，通過差分運算，獲取高質量的電源噪聲信號，具體步驟如下：

Step1：將電源噪聲信號的時域特征與頻域特征進行乘法運算，得到含有異常值的電源噪聲信號y(n)=J+kR，選擇一個噪聲信號的波長作為過濾周期，在模糊聚類算法下，對電源噪聲信號y(n)進行聚類處理，并將其轉換成具有周期特征的聚類信號。

定義Mms表示電源噪聲信號的生成時間，在一個波長內，電源噪聲信號的采樣值為Y，通過收集所有采樣值生成一個Y點序列。

Step2：對電源噪聲信號的時域特征與頻域特征進行循環(huán)計算，得到信號的異常值Z，即：

式（3）中，φ表示電源噪聲信號的擾動因子，sk表示模糊聚類算法的輸出值，th表示電源噪聲信號的生成通道，ts表示電源噪聲信號序列的原始時間點，X表示采樣點數量。

Step3：對于后期輸入的電源噪聲信號，重復操作Step1 和Step2，將循環(huán)計算的結果代入模糊聚類算法中，經過聚類處理之后，得到如公式（4）的聚類結果U：

公式（4）中，γf表示電源噪聲信號的聚類輸出值，γd表示電源噪聲信號經過聚類處理之后的輸入值，vR表示聚類系數。

Step4：在聚類結果U中，如果電源噪聲信號的最大峰值大于閾值，說明電源噪聲信號的異常值過濾成功，否則需要重新搜索。

在過濾電源噪聲信號的異常值過程中，先設置一個過濾步長Δλ，在該步長下，構建電源噪聲信號的二次曲線模型ai，表示為：

式（5）中，τi表示電源噪聲信號的聚類值，B、c和?表示聚類因子。

根據電源噪聲信號的二次曲線特征，得到電源噪聲信號的頻移?min，即：

將Step4 中成功過濾的電源噪聲信號異常值與公式（6）的頻移進行疊加，實現電源噪聲信號異常值的快速過濾，即：

按照以上步驟，過濾了電源噪聲信號的異常值，接下來通過設計電源噪聲信號檢測算法，實現電源噪聲信號的檢測。

1.3 設計電源噪聲信號檢測算法

過濾掉電源噪聲信號的異常值之后，對變電運維設備的電源噪聲信號進行檢測。假設bi表示電源噪聲信號xi的類別，將bi中前p個樣本作為正類樣本，其余的樣本都作為負類樣本，利用公式（8）給出電源噪聲信號檢測的約束條件為：

式（8）中，ξ表示噪聲信號檢測的松弛變量，C+和C-表示正、負電源噪聲信號樣本的懲罰因子，表示信號檢測的隸屬度函數，Φ(xi)表示變電運維設備電源噪聲信號的非線性映射形式。

利用K 近鄰算法確定電源噪聲信號的聚類中心[7]，選擇電源噪聲信號樣本與聚類中心之間的距離為評價指標，利用公式（9）計算出正樣本xi周圍的緊密程度即：

式（9）中，K表示K 近鄰算法的系數，N+K(xi)表示電源噪聲信號正樣本集合。

綜上所述，在電源噪聲信號檢測的約束條件下，計算了電源噪聲信號樣本的緊密程度，根據信號樣本的分布，實現電源噪聲信號的檢測。

2 實例分析

2.1 實驗環(huán)境

為了驗證文中方法在變電運維設備電源噪聲信號檢測中的可行性，選擇一臺變電運維設備為研究對象，實驗需要保證服務器具有強大的性能，那么具體的實驗環(huán)境為：

服務器型號：Inter(R)Core(TM)i9-8400HQ CPU

服務器頻率：3.8 GHz

內存：5TG

顯卡：12G 的NVIDIA RTX 2080Ti

代碼編寫軟件：Python5.0

操作系統(tǒng)：Windows7

2.2 電源噪聲信號檢測測試

在2.1 的實驗環(huán)境下，引入基于頻譜修正的檢測方法作對比，對5 類電源噪聲信號進行檢測，測試了電源噪聲信號的檢測效率，結果如圖1 所示。

圖1 電源噪聲信號的檢測效率

從圖1 的結果可以看出，采用基于頻譜修正的檢測方法時，對電源噪聲信號的檢測效率較低，均在80%以下，原因是經頻譜修正之后，電源噪聲信號仍然會存在異常值，導致檢測效率偏低。而采用文中方法時，根據提取出的電源噪聲信號特征，可以將噪聲信號的異常值過濾，從而將電源噪聲信號的檢測效率提高到90%以上。

3 結語

本文提出了變電運維設備中電源噪聲信號優(yōu)化檢測方法研究，通過提取電源噪聲信號特征，過濾掉噪聲信號的異常值，結合噪聲信號檢測算法設計，實現變電運維設備電源噪聲信號的檢測。經過實例分析發(fā)現，該方法通過過濾噪聲信號的異常值，大大提高了檢測效率。本文的研究雖然取得了一定成果，但是由于時間有限，還存在很多不足，在今后的研究中，希望可以考慮到變電運維設備在運行過程中，環(huán)境噪聲對電源噪聲信號檢測結果的影響，提高檢測的準確性。