SPT-EEMD算法的电缆局部放电信号提取及诊断系统

田洪亮，李明明，闫 娇，杜 璇

（1.国网河南省电力公司驻马店供电公司，河南 驻马店 463000；2.上海博英信息科技有限公司，上海 200241）

电缆在运行过程中，受热力、挤压、拖拽等外界因素影响，很容易出现故障，并伴有局部放电信号、振动信号、绝缘子漏电等。这些现象是评估电缆运行状态的重要依据。因此，需要提取局部放电信号进行故障检测。

针对上述问题，相关文献也有研究，文献［1］是基于B样条方法的电缆局部放电信号特征提取，该方法改变了EMD算法中的三次样条直接拟合平均曲线，增强了算法的计算速度，但对于放电信号的计算结果有出入。文献［2］采用自适应带通滤波器对电缆局部放电信号进行特征提取，该方法实现了放电信号的快速运算，并提出了降低筛选次数、修改停止准则来提高效率，但该方法对于复杂的信号计算量较大。

基于上述文献，本文提出了基于SPT-EEMD算法的电缆局部放电信号特征提取，并设计了电缆局部放电信号特征提取及报警系统，以MAX132芯片为核心，实现局部放电信号的特征提取及报警显示；还设计了电缆故障诊断系统，通过电缆信号的采集、放大与处理，实现了电缆的故障诊断［3］。

1 基于SPT-EEMD算法的电缆局部放电信号特征提取

电缆在传输电力的同时，会伴有时序波形信号的传输，为了从时序波形信号中获取有价值的信息，本文采用了SPT-EEMD算法，对电缆局部放电信号进行特征提取［4］。SPT-EEMD算法的流程图如图1所示。

EEMD算法采用了零均值白噪声的特性，对多次染噪信号解析，获得多组IMF再求平均值的方法控制白噪声对实际IMF的作用［5］。

假设输入信号为x(t)，确定需要加噪的次数为Ne，所加噪声的幅值系数为ε。对原信号添加白噪声，即

式（1）中，sj(t)表示第j次添加的白噪声序列，xj(t)表示染噪信号。对xj(t)进行EMD处理，得到一组i层IMF，并且每次加入的白噪声序列不同。将全部IMF按层次求平均值，即

式（2）中，ci，j(t)表示第j次得到的第i层IMF。最终得到x(t)的分解结果为

添加的白噪声对信号的影响关系式为

式（3）-（5）中，ε′表示原信号与IMF重新构建误差的标准差，当增加的噪声幅值较大时，需要增大循环次数Ne来减少噪声对结果的误差影响，并且当Ne足够大时，噪声的作用能够减小到超级小的水平［9］。

假设以i标记第j个子段xj的值序号，j来自RDD0的元素值，则每一段的取值范围为

式（6）中，m×L表示Array2中的一个二维数组，其中，L表示IMF的取长，长度和原来信号一致［10］。

然后对电缆局部放电信号特征进行提取，给定长度为N的局部放电信号x(i)(i=0，1，2，…，N-1)，对x(i)进行EEMD，得到包括余项在内的n个分量hj(i)，i=0，1，2，…，N-1，j=1，2，…，n。计算各分量的能量为

式（7）中，E(j)表示每个分量的能量，对能量序列E(j)进行统一计算，获得相对能量值序列为

假设f(i)(i=0，1，2，…，N-1)表示模态分量，对样本熵进行计算，给定模式维数m，由N个数据点组成的模态分量f(i)组成m维矢量为

对每一个i值进行计算，得出矢量距离为

式（10）中，d(i，j)表示矢量Y(i)和Y(j)之间的距离，且1≤i≤N-m，1≤j≤N-m，j≠i，计算模板统计数的平均值为

式（11）-（12）中，r表示相似容限，num[d(i，j)

当N取有限值时，SpEn估计值为

式（13）-（14）中，SpEn表示样本熵，Bm+1(r)表示维数的平均值。

然后对电缆局部放电信号特征进行输出，由信号分解出的IMF数目一般为

式（15）中，N表示信号的长度，表示向下取整，特征量的数目通过每个分量与原来信号的相关系数运算来获得，选相关性最高的4个IMF计算RE和SpEn组成特征向量，即

式（16）中，hj(i)表示各分量，x(i)表示原信号，ρj表示各分量与原信号的相关系数，即最终的电缆局部信号的特征提取。

2 电缆故障诊断系统的设计

电缆故障诊断系统是以Stm32单片机为核心，包括控制平台、现场检测和特征参量采集三个部分。电缆故障诊断系统的总体结构如图2所示。

在检测底线电流时，由于电流信号较弱，需要在系统中增加放大电路，将电流信号转化成单芯片可以读取的电压信号；在测量绝缘电阻时，当直流电压注入线路时，通过线路的泄漏电流决定了绝缘电阻的阻值。为了得到更准确的绝缘电阻值，系统中增加了滤波电路来筛选线路中的交流信号［6］。

在特征参量采集中，采用主控制芯片为Stm32f10 3c系列的芯片，该芯片具有高性能、低成本、低功耗和可切割等特点，是32位的ARM结构微处理器，供电电压有2.0～3.3 V可供选择，内部具有8MHz的高精度RC振荡器［10］。该部分还设置有滤波电路，在测量电缆上的绝缘电阻时，除了有直流电压信号，还有交流电压信号，会对绝缘电阻的测量有一定的影响，为了确保绝缘电阻阻值检测的精确率，设计了滤波电路，以排除低频交流信号。电缆运输电流中采用微电流传感器对电流进行采集，因为电流非常小，因此在该系统中设置了放大电路［7-8］。该放大电路采用的是OP4177系列的放大器，其是一款精密、低噪声、低输入偏置电流和四通道运算放大器。在主控制芯片上接入程序调试，Stm32单片机的软件编程主要通过Keil5软件平台来编译。

综上所述，该电缆故障诊断系统是以Stm32位控制芯片为核心，设置了放电信号采集电路，对电缆运行过程中的放电信号进行采集［9-10］，由于是微电流，因此采用了OP4177运算放大器设计了放大电路；为了确保绝缘电阻阻值检测的精确率，增加了滤波电路；整个系统实现了电缆故障的诊断。

3 实验结果与分析

为了验证本文所提方法的有效性，本次实验搭建了并行计算平台，由5台服务器（Think Server RD460×4、Dell R210II×1）组成集群，服务器与服务器之间采用千兆交换机相连，在服务器上安装Xenserver，并拟合出9个节点［11-12］，2个核心CPU安置到一个节点上，Spark平台配置信息如表1所示。将Hadoop和Spark同时搭建在集群中。

表1 Spark平台配置信息Tab.1 Spark platform configuration information

本实验搭建的实验架构示意图如图3所示。

本次实验数据采用的是不同模型产生的4种不同类型的局部放电信号：电晕放电、悬浮放电、气泡放电和油中放电，使用TWPD-2F局部放电综合分析仪收集波形数据［13-14］，每种类型的信号分别采集50个。收集的波形数据如表2所示。

表2 放电信号波形数据Tab.2 Data of discharge signal wave

采用本文研究的方法，重复进行50次实验，得到局部放电类型识别的平均准确率［15-16］，并将实验结果与基于B样条方法的电缆局部放电信号特征提取和自适应带通滤波器法进行电缆局部放电信号特征提取对比，实验结果如图4所示。

由图4可知，本文研究的基于SPT-EEMD算法的电缆局部放电信号特征提取对4种放电类型的识别准确率均较高，4种类型识别准确率计算所得平均值为90.8%；然而基于B样条方法的电缆局部放电信号的特征提取对4种放电类型的识别准确率平均值为88.65%；自适应带通滤波器局部放电信号特征提取对4种放电类型的识别准确率平均值为86.68%。因此本文所研究的方法识别准确率较高。

基于上述实验，为了保证每次实验所用数据的一致性，将上述4种类型放电数据进行10次筛选。实验结果对比如图5所示。

由图5可知，本文研究的基于SPT-EEMD算法的电缆局部放电特征提取所需的时间比较少，260000节点长度所消耗的时间为65 s；而基于B样条方法的局部放电信号特征提取260000节点长度消耗86 s；自适应带通滤波器局部放电信号提取260000节点长度消耗93 s，因此本文研究的性能相对较好。

4 结 语

受外界环境因素的影响，电缆易损坏或发生故障，因此，本文研究了基于SPT-EEMD算法的电缆局部放电信号的特征提取，并设计了电缆局部放电信号特征提取及报警系统，该系统以MAX132芯片为核心，实现18位模拟信号的准确转换，能够控制50Hz的工频影响，通过对模拟信号初步预调理转化的数字信号的滤波筛选，提取出最优质的数据信号，最终在LCD12864液晶显示屏上显示出来。此外，还设计了电缆故障诊断系统。本文研究的方法还有一定的缺陷，对局部放电电流的分辨率尚未达到理想水平，后续需要提高系统的分辨率，还需更深入的研究。