提升小波用于智能变电站电气设备 状态信号去噪研究

李巍 代佰华 伊瑞鹏 王官涛 刘博

摘  要： 智能化变电站电气设备在线监测信号需要快速处理及实时传输，针对这一问题，文中采用提升小波算法提取智能化变电站电气设备状态监测信号。该方法采用提升小波对信号进行分解，在阈值選择时采用基于SURE无偏估计的最优阈值自适应选择方法。对典型人工平稳信号及局部放电信号试验，结果表明，所提出的提升小波算法能够很好地滤除信号中的噪声，计算速度更快，具有良好的去噪效果和应用价值。

关键词： 信号去噪; 提升小波算法; 智能化变电站; 电气设备; 信号监测; 对比分析

中图分类号： TN830.1?34                           文献标识码： A                      文章编号： 1004?373X（2020）08?0082?04

Study on electrical equipment status signal de?noising of lifting wavelet algorithm applied to intelligent substation

LI Wei1，2， DAI Baihua2， YI Ruipeng2， WANG Guantao2， LIU Bo2

（1. Shandong University， Jinan 250000， China; 2. Binzhou Power Supply Company， State Grid Shandong Electric Power Company， Binzhou 256600， China）

Abstract： The on?line monitoring signal of electrical equipment in the intelligent substation needs to be processed quickly and transmitted in real time. To solve this problem， the lifting wavelet algorithm is used to extract the condition monitoring signals of the electrical equipments in intelligent substation. In this method， the lifting wavelet is used to decompose the signals， and the adaptive selection method of optimal threshold based on SURE unbiased estimation is adopted in the threshold selection. The testing results of typical artificially?smoothed signal and partial discharge signal show that the lifting wavelet algorithm proposed in this paper can filter out the noise in the signal well， and its calculation speed is faster. It has a certain de?noising effect and application value.

Keywords： signal de?noising; lifting wavelet algorithm; intelligent substation; electrical equipment; signal monitoring; contrastive analysis

0  引  言

在我国社会经济水平不断提升，社会发展进程不断加快的背景下，电网规模也随之扩大的同时加大了电网复杂度，而目前想要推动我国生产管理现代化发展所需，就应当确保电网能够安全稳定运行，所以建立智能化、信息化电网已经成为必然所趋[1]。变电站对于电网来讲，作为信息源及最终执行点，所以智能电网必须建立智能变电站，有助于推进智能电网的安全稳定及科学管理[2?4]。

智能变电站以“一次设备智能化，二次设备网络化”作为主要特征，实现一次设备的信号数字化输入输出，借助网路通信技术传输，对IEC61850标准适应[5?6]。但是由于智能变电站存在比较严重的现场电磁干扰情况，需要对所监测的信号进行去噪处理。文献[7?10]认为可以采用小波去噪法，文献[11]为了能够提高信号的数字化传输速率，实现快速化信号处理，认为小波算法可以不依赖傅里叶即可实现转换，并证实提升方式能够满足第一代变换。目前在地震信号、机械振动信号等检测领域，都广泛运用小波算法[12?15]。

本文基于以往研究基础提出适用于智能化变电站对平稳及非平稳信号进行去噪处理的提升小波算法，该算法运用提升小波算法与标准软阈值法结合完成信号去噪处理。结果表明，该算法能够对智能化变电站现场的信号混叠白噪声情况有效抑制。该方法较Donoho提出的标准软阈值法，能够实现更加快速的将强噪声背景中局部放电信号提取出来，如此一来能够对信号的失真度有效降低，并且可以达到较好的去噪效果及实用价值，更实现了智能化变电站电气设备信号的快速处理传输。

1  提升小波去噪算法

小波变换作为目前研究界运用较多的理论方法之一，作为时（空）频域分析理论在运用研究中，DWT（离散小波变换）这一快速算法目前已经成为近期的研究热点之一[11]。Swelden在研究中提出提升小波法，在對第一代小波变化方法基础之上，继承了多分辨率特点的同时，还能够实现小波变换中对各系数进行原位计算。仅仅占用等同输入大小空间，无需其他辅助空间和系统内存，且很大程度降低了复杂度，所以作为目前对离散小波变换进行计算的主流方法。

提升小波的步骤分成三步：分裂（split）、预测（predict）和更新（update）。它的本质就是选择一个小波基，然后通过对这个小波基进行一系列的变化，重新组合构造成一个性质更好的小波。在通过多相表示法和多项式矩阵分解小波的提升方法来作为理论上的一个补充，小波的提升是通过提升的对偶定理和交替定理，在由滤波器通过双道滤波来实现的，小波提升法的应用，使小波进入了一个全新的阶段。

1） 分裂。将原始信号分裂为两个互不相交的，无重叠的子集。把x（n）分成奇数集{xo（k）=x（2k+1）}和偶数集{xe（k）=x（2k）}。

2） 预测。预测产生细节信号d（k），假设预测操作为P（），则d（k）=xo（k）-P（xe（k））。

3） 更新。将一个更新算子U（）代入d（k），然后将它加到xe（k）上来获得原信号x（n）的一个逼近信号c（k）。c（k）=xe（k）+U（d（k））;将c（k）重复运用以上操作，可以获得数据的分解。

提升小波的逆变换很容易获得，跟小波的合成与分解不同。分解公式可以推出合成公式：

提升小波去噪算法是基于Donoho的基础小波收缩算法的思想提出的。对于一个被测量信号x，该算法可以被分为以下三个步骤：

1） 通过针对信号采用DWT（离散小波变换）处理，可得wj，k，即小波系数;

2） 经过采用阈值函数处理每一个尺度对照小波系数后，能够得出wj，k;

3） 对于步骤2）得出的wj，k完成离散小波反变换，得到估计信号[s]。

对于提升小波阈值法运用过程中，通过在本文运用Donoho提出的硬阈软阈值化函数h，s，以式（3）为依据，能够将基于SURE法估计的尺度独立的小波系数阈值计算得出。

式中：在j尺度存在的小波系数阈值和长度分别用[λj]和[nj]表示;[δj]=MAD（|dj，k|，0≤k≤2j-1[）q];MAD（·）取中值函数;j尺度上的小波细节系数用dj，k表示，结合以往研究经验取q值为0.674 5。

2  典型人工平稳信号去噪结果

智能化变电站在获得的全数字、光纤信号采集系统内，由于存在光电互感器、电子互感器等大量平稳的电压电流信号， 所以一旦受其他谐波干扰便不可避免地会发生畸变情况。所以考虑到此本文选用了Blocks，Bumps，HeaviSine和Doppler这4种比较典型的人工平稳信号，对智能变电站的平稳电压电流信号模拟展开实验如图1所示。

统计仿真信号达到4 096个点的长度，运用上文所提的标准软阈值法作为方法1，提升小波去噪法作为方法2，4种信号的去噪结果如图2～图5所示。其中，图a）为初始仿真信号;图b）为局部放电仿真信号，被信噪比污染后信号情况，[δsδe=6]中的[δs]表示信号，[δe]表示噪声的标准方差;图c）表示经过对受信噪比干扰的信号进行方法1去噪处理之后的结果;图d）表示经过对受信噪比干扰的信号进行方法2去噪处理之后的结果。经试验发现通过运用方法2可以对白噪声造成的干扰情况有效去除，并且对信号中的更多特征均能够完整保存，如图5中显示的Doppler信号去噪结果。

表1为上述三种去噪方法在Matlab 7.0中的计算时间，由表1可知，提升小波算法的计算时间比Donoho提出的标准软阈值法的去噪时间短。

3  局部放电信号去噪结果

智能变电站实现光纤、全数字信号采集系统中，不可避免地会存在部分非平稳信号出现，而局部放电脉冲作为瞬时的短信号，可以经过测量系统对局部放电信号检测，运用如下公式的衰减振荡脉冲s模拟：

式中：信号的幅值系数用M表示;衰减常数用α1和α2表示;振荡角频率用[ω]=2f表示。如图6所示，作为系统检测的局部放电脉冲信号波形，设置仿真采样率为60 MS/s。

图7给出了局部放电仿真信号经两种去噪方法去噪后的效果图。图7a）作为初始局部放电的仿真信号，图7b）作为局部放电仿真信号，被信噪比污染后信号情况，图7c）表示经过对局部含噪的放电信号进行方法1去噪处理之后的结果，图7d）表示经过对局部含噪的放电信号进行方法2去噪处理之后的结果。经试验发现，通过运用方法2可以更加高效地将局部放电信号从含噪背景中提取，两种方法分别达到0.78 s，0.36 s的去噪时间，因此也证实了运用提升小波算法，可以很大程度缩减信号处理时间，提高信号传输实时效率。

4  结  语

通过在本文中运用提升小波算法，与Donoho所提软阈值化函数方法对比研究，展开了不同类型的4种典型人工平稳信号和局部仿真放电信号去噪试验。结果证实运用提升小波算法，可以更加高效地将智能变电站的设备在线监测信号，无论是平稳或非平稳信号均能够实时提取，且最大化降低导致原始信号畸变情况。除此之外提升小波算法还能够提高去噪效率，保证去噪成效推进智能变电站电网的安全稳定运行及实时通信。

参考文献

[1] 朱文斌，雷秉山，雷志勇.基于小波变换的红外探测系统信号去噪[J].红外技术，2018，40（11）：1047?1051.

[2] 王行芳，金施群，侯少阳.基于小波阈值的激光探测声音信号去噪研究[J].大气与环境光学学报，2018，13（5）：388?394.

[3] 常晓，苏冠群，聂生东.基于小波变换的低场核磁共振信号去噪方法的研究进展[J].波谱学杂志，2018，35（3）：393?406.

[4] 叶华，谭冠政，李广，等.基于稀疏表示与粒子群优化算法的非平稳信号去噪研究[J].红外与激光工程，2018，47（7）：328?335.

[5] 孙强，胡红萍，白艳萍，等.基于EMD和提升小波改进阈值函数的水听器信号去噪研究[J].重庆理工大学学报（自然科学），2018，32（6）：188?192.

[6] 王文飞，周雒维，李绍令，等.采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法[J].电网技术，2018，42（12）：4129?4137.

[7] 黄典庆，黄新波，朱永灿，等.基于小波变换的断路器振动信号去噪处理[J].广东电力，2019，32（7）：98?105.

[8] 張欢，刘燕，佟宝同，等.联合改进CEEMD与近似熵的脑电去噪方法[J].计算机工程，2017，43（6）：53?58.

[9] 刘名扬，张晓寒，范頔，等.基于选择因子的皮肤电反应信号小波去噪方法[J].科学技术与工程，2017，17（15）：238?241.

[10] 杨森，陈莎莎，李光茂，等.基于变分模态分解的变压器有载分接开关振动信号去噪分析[J].电测与仪表，2019，56（13）：104?112.

[11] 郝建军，刘勇刚，廖刚，等.一种改进小波阈值函数的信号去噪[J].重庆理工大学学报（自然科学），2019，33（4）：93?97.

[12] 颜菲，胡玉平.叠加去噪自动编码器结合深度神经网络的心电图信号分类方法[J].计算机应用与软件，2019，36（4）：178?185.

[13] 汤伟，王玲利，税宇阳，等.基于SWT和双变量阈值函数的ECG信号去噪[J].计算机工程与设计，2019，40（3）：725?730.

[14] 赵静，韦海成.ECG信号自适应贝叶斯小波去噪算法研究[J].现代电子技术，2019，42（5）：61?65.

[15] 蔡佳辉，童耀南，李金桂，等.基于小波能量元和改进双阈值函数的微流控芯片信号去噪方法研究[J].传感技术学报，2018，31（12）：1862?1868.