变压器噪声抗突发间歇性外环境干扰检测技术

陈静，吴晓文，曹浩

(1.青海省化工设计研究院有限公司，青海 西宁 810008；2.湖南科技大学，湖南 湘潭 411201；3.国网湖南省电力有限公司电力科学研究院，湖南 长沙 410007)

噪声水平是反映变压器运行状态的关键参数，也是评价变电站噪声排放是否达标的主要因素，变压器噪声检测对于其验收投运以及运行状态评价均具有重要意义[1-4]。然而，户外变压器噪声检测容易受到外界环境因素的干扰(其中以行驶车辆、鸟鸣、虫鸣、蛙鸣等突发间歇性噪声干扰为主)，使得变压器噪声测试难以开展，检测效率低，测量准确性差，严重影响变压器运行状态评价以及声源源强的检测结果。

目前，国内外已有较多关于变压器噪声检测的研究，但主要集中在不同电压等级、运行环境、运行工况等条件下的变压器噪声特性方面[5-11]，少数成果研究了复杂变电站声环境条件下变压器声信号与电晕、冷却装置等噪声的分离方法。文献[12]采用小波分解、谱减法以及梳状滤波器实现了变电站内部主要设备的声源分离，但仅对变电站周边准稳态环境噪声进行分离研究，忽略了更为普遍的间歇性突发环境噪声的影响，所提方法无法用于环境噪声的干扰抑制；文献[13]利用变电站不同声源噪声特性的差异，设计滤波器组，利用语音增强方法分离出变压器噪声与电晕噪声，但未涉及变压器噪声抗外界环境干扰检测内容；文献[14]在进行变压器有源降噪时，对背景噪声与待测声信号进行相关性分析，从中找出频带重叠部分，利用分时测量方法去除变电站背景噪声，但外环境噪声发生时刻与强度具有随机性，分时测量存在检测效率低的问题，噪声检测时间较长；文献[15]将小波包与谱减法相结合，用于提高带噪语音信号的信噪比(signal to noise ratio，SNR)，但变压器声音信号与人类语音存在较大差异，该算法对于变压器信号的适用性有待进一步研究。为了提高变压器噪声测量精度，文献[16]提出基于小波包分解(wavelet packet decomposition，WPD)与谱减法的变压器噪声信号抗干扰预处理方法，并分析该方法对于鸟鸣、虫鸣、蛙鸣干扰的抑制效果，但该方法在不同SNR条件下的抗干扰检测效果尚不明确，且未对常见的车辆噪声干扰进行分析，其普适性有待分析验证。

对此，本文提出结合WPD与谱减法语音增强技术的变压器噪声抗突发间歇性外环境噪声干扰的方法。利用WPD方法定位受干扰变压器噪声信号中干扰源出现的时刻与频段，对频段分别进行谱减法处理，分离出纯净的变压器噪声信号，并利用该方法分析不同干扰源特性与SNR条件下变压器噪声抗干扰检测效果，以及对比低通滤波、短时窗法等不同抗干扰检测方法的处理性能。

1 变压器噪声信号抗干扰检测方法

1.1 谱减法语音增强技术

谱减法一般用在语音信号处理领域，其基本原理如图1所示[17-21]。图1中：r(n)为噪声信号，s(n)为语音信号，y(n)为带噪语音信号，n为信号离散点数，Ψ(ω)为带噪语音信号的相位谱，ω为角频率，Pr(ω)为噪声信号r(n)的功率谱，|·|表示信号幅值，(·)表示信号功率谱差值。

FFT—傅里叶变换，fast Fourier transform的缩写；IFFT—傅里叶反变换，inverse FFT的缩写。

对变压器带噪信号进行分帧处理，第λ帧信号的加窗FFT为

(1)

式中：Y(k,λ)为带噪信号频谱,k=0, 1,…；N为帧长；R为帧移；h(μ)为窗函数。

假设变压器噪声信号与环境噪声信号相互独立，则有

Y(k,λ)=S(k,λ)+R(k,λ).

(2)

式中S(ω)与N(ω)分别为信号s(n)和r(n)的FFT。由于s(n)与r(n)相互独立，则存在如下关系：

|Y(k,λ)|2=|S(k,λ)|2+|R(k,λ)|2.

(3)

令Py(k,λ)、Ps(k,λ)以及Pr(k,λ)分别表示信号y(n)、s(n)以及r(n)第λ帧的功率谱，则有

Py(k,λ)=Ps(k,λ)+Pr(k,λ).

(4)

变压器噪声为准稳态噪声，假设外界环境噪声干扰发生前后变压器噪声基本保持不变，以干扰噪声未发生前的信号计算变压器噪声功率谱，如下：

(5)

1.2 抗环境干扰检测方法原理

与变压器噪声相比，环境干扰一般具有突发性与间歇性的特点，且干扰类型多样化，干扰噪声不可避免地存在与变压器噪声相同的频率成分，因此，常规频谱滤波方法难以普遍适用。为此，本文提出时频域相结合的抗干扰检测方法，基本原理是：采用小波包分析方法[22-25]对受干扰变压器噪声信号进行时频域分解与重构，利用变压器噪声与干扰源噪声的平稳性差异定位干扰所在频段，在受干扰频段中截取平稳片段来估计变压器噪声的功率谱；利用谱减法分别对受干扰频段声信号进行处理，进而分离出干扰声与变压器噪声，将处理后的不同频段变压器声信号叠加，即可还原出实际的变压器噪声信号。方法原理如图2所示。

图2 变压器噪声抗环境干扰检测方法原理

2 变压器噪声抗干扰检测效果试验

大部分户外变电站通常位于马路周边或野外，声环境十分复杂，根据所处环境差异，常见的外界环境噪声干扰包括机动车噪声、动物鸣叫等等。为检验变压器噪声抗干扰检测方法的有效性，对几种典型变压器噪声干扰案例进行分析。

2.1 抗车辆噪声干扰检测

以高速公路车辆行驶噪声为干扰源，实际110 kV主变压器噪声信号S1声压级为59.9 dB(本文声压级均为A计权)，车辆噪声干扰信号为S2，二者线性混合获得受干扰变压器噪声信号Sm，SNR为4.5 dB、声压级为68.2 dB。实际变压器噪声、干扰源噪声及其混合噪声信号声压波形如图3所示。

对图3中的混合信号Sm进行3层WPD，分解结果如图4所示。图4中：Sm为原始信号，S130—S137分别为各分解频段的小波包重构信号。利用干扰源噪声的突发性与非平稳性判断其所在频段。由图4可以发现，除低频段S130外，车辆噪声信号在S131—S137频段范围内均有分布；一般来说，车辆发动机噪声频率较低。造成上述分布情况的主要原因是车轮与地面摩擦产生了宽频带噪声。采用谱减法对S131—S137频段噪声进行滤波处理，结果如图5所示。

图3 变压器与车辆噪声

图4 受车辆干扰变压器噪声WPD

图5 变压器噪声抗车辆干扰检测效果

由图5可以看出，各频带车辆噪声干扰得到显著抑制。对小波包信号进行重构获得变压器抗干扰检测值为60.4 dB，相对于受干扰噪声降低了7.8 dB，与变压器实际噪声值误差仅为0.5 dB。

频谱分布相关性是衡量抗干扰检测后变压器噪声信号是否有效恢复的重要参数。实际变压器噪声信号pt与变压器噪声抗干扰检测计算值pf频谱对比如图6所示，二者相似系数达到0.92。为了进一步证明抗车辆干扰检测方法的有效性，表1给出了不同SNR条件下的抗干扰检测效果。SNR为4.5～23.3 dB时，抗车辆噪声干扰检测结果误差最大为0.5 dB，最低仅为0.1 dB。

表1 不同SNR车辆干扰变压器噪声检测结果

图6 变压器噪声频谱抗车辆干扰计算值与实际值对比

2.2 抗多干扰源检测

变压器噪声实际测试过程往往受到多种外界噪声的干扰，以蛙鸣、虫鸣多源噪声为例，分析变压器噪声抗干扰检测效果。实际110 kV主变压器噪声信号S1声压级为59.9 dB，假设其受到强烈的外环境噪声干扰，SNR仅为2.2 dB，干扰信号S2声压级高达70.9 dB。实际变压器噪声、干扰源噪声及其混合噪声信号波形如图7所示。

图7 变压器与多干扰源噪声

对混合信号Sm进行3层WPD，结果如图8所示，多源干扰噪声在S130—S137所有频率范围内均有分布。由于昆虫的声腔较小，虫鸣声频率较高，主要集中在S132—S137频段，其中以S132、S134、S136、S137频段最为显著；蛙鸣噪声频率较虫鸣低，主要集中在S130、S131、S133以及S135频段。利用谱减法对上述信号进行滤波处理，结果如图9所示。

图8 受多源干扰变压器噪声WPD

图9 变压器噪声抗多源干扰检测效果

由图9可以看出，干扰信号已经被有效抑制。实际变压器噪声信号pt与变压器噪声计算值pf频谱对比表明，频谱相关系数达到0.93，二者声压级误差为0.9 dB。

由于在变压器噪声实际检测过程中，干扰信号的强度难以预计，为了进一步分析该算法的检测效果，分别计算5种SNR条件下变压器噪声检测结果，见表2。

表2 不同SNR多源干扰变压器噪声抗干扰检测结果

由表2可以看出，SNR由2.2 dB增大至25.7 dB时，该算法针对多源干扰的检测误差稳定控制在0.9 dB范围内，SNR为5.7 dB时检测误差最低，仅为0.1 dB。随着SNR提高，受干扰噪声值逐渐降低，但抗干扰计算误差出现一定的波动，主要原因是：SNR较低时，干扰噪声幅值超过实际变压器噪声信号，在进行谱减法处理时，干扰噪声的抑制效果较为明显，此时抗干扰计算结果略高于变压器实际噪声水平。但随着SNR的逐渐提高，干扰噪声幅值逐渐低于实际变压器噪声信号，由于实际变压器噪声信号并非为绝对平稳信号，谱减法在剔除干扰噪声的同时削弱了实际变压器噪声信号的幅值，此时抗干扰计算结果略低于变压器实际噪声水平，绝对误差在SNR提高到17.7 dB后保持稳定。

实际外界环境噪声干扰具有不可预见、多样性的特点，但也具有普遍的突发性和间歇性。根据本文抗干扰检测方法原理，可以通过设置合理的WPD层数，定位干扰所在频段，并利用谱减法对干扰所在频段进行处理，对不同环境噪声干扰取得较好的抑制效果。

3 实测变压器噪声抗干扰检测效果

分别对某110 kV户外变压器受鸟鸣声干扰前后噪声进行检测，测量时间为3 s，采样频率fs为8 192 Hz，现场检测噪声信号如图10所示。

图10 带噪变压器声信号

由图10可以看出，变压器噪声信号受到间歇性环境噪声的干扰。采用3层WPD算法对受干扰变压器噪声信号进行处理，选用db4小波基函数，熵标准为Shannon熵，分解结果如图11所示。

图11 带噪变压器声信号WPD

由图11可以看出，外界环境噪声主要集中在S132—S137频段。在该频段范围内，采用谱减法语音增强技术滤除干扰噪声。将噪声信号进行分帧处理，为便于进行FFT分析，每帧信号长度取为256，帧移长度为128。根据信号长度以及帧长、帧移取值，将噪声信号共分为191帧，抗干扰处理后的变压器声信号如图12所示。对比图11与图12可以看出，S132—S137频段中的突发间歇性干扰噪声得到显著抑制。经过声压级计算，未受干扰变压器噪声声压级为59.6 dB，受干扰变压器噪声声压级为62.5 dB，抗干扰处理后声压级为59.8 dB，声压级检测误差由2.9 dB降至0.2 dB，检测精度大幅提高。

图12 抗干扰处理后变压器声信号WPD

为了进一步表明算法有效性，将无干扰变压器噪声pt、受干扰变压器噪声pm、抗干扰处理后变压器噪声pf频谱进行对比，如图13所示。

图13 实测变压器噪声频谱与抗干扰计算结果对比

由图13可以看出，鸟鸣干扰显著出现在2.5～3.6 kHz范围内，无干扰变压器噪声、受干扰变压器噪声、抗干扰处理后变压器噪声频谱中100 Hz、200 Hz、300 Hz、400 Hz、500 Hz、600 Hz等主要成分及其幅值近似相同。无干扰变压器噪声与受干扰变压器噪声相似系数为0.87，经过抗干扰处理后，相似系数提高至0.92。由于现场环境噪声大多与鸟鸣噪声相同，均具有突发间歇性特点，可以预期，所提算法能够有效抑制现场实测变压器噪声中的环境噪声干扰。

4 不同抗干扰检测方法对比

变压器噪声与突发间歇性环境噪声在时域波形、频谱分布特性方面存在较多差异，针对这些差异可采用的抗干扰检测方法较多[26]，采用常见的低通滤波方法、短时窗法与本文方法进行对比分析。

变压器周边突发环境噪声源主要分为小声腔动物噪声(如鸟鸣、虫鸣等)、大声腔动物噪声(如犬吠等)以及车辆噪声等。其中，小声腔动物噪声频率较高，一般高于变压器噪声所处的50 Hz～2 kHz频段，对于该类噪声采用低通滤波方法具有一定的可行性。然而，对于后2种声源类型，低通滤波方法处理效果较差，主要原因是后2种环境噪声频率较低，与变压器噪声频段存在较多重叠部分，单纯采用频域滤波方法难以取得具有普遍适用性的良好效果。因此，针对变压器周边突发间歇性环境噪声，选择时域、频域相结合的抗干扰处理方法较为合适。

以车辆噪声干扰为例，分别利用低通滤波器以及短时窗法进行抗干扰处理，不同方法的处理结果见表3。变压器噪声实际值为63.6 dB，在SNR为4.42～12.38 dB范围内，本文方法抗干扰处理误差为0.1～1.1 dB，短时窗法与滤波法误差分别为0.2～1.9 dB、1.6～5.8 dB。由于采用时频域相结合的处理方法，本文方法相对于短时窗法与滤波法具有更高的检测精度。面临变压器周边环境噪声复杂多变、噪声类型难以预知的现实情况，本文所提抗干扰检测方法优势更为突出。

表3 不同抗干扰检测方法效果对比

5 结论

针对变压器噪声检测结果易受外界突发间歇性环境噪声干扰的问题，本文提出结合WPD与谱减法的变压器噪声抗干扰检测方法，分析多种常见干扰源条件下变压器噪声抗干扰检测效果，以及低通滤波、小波谱减法等不同抗干扰检测方法的对比效果，主要得出以下结论：

a)受周边车辆噪声干扰，SNR在4.5～23.3 dB范围内时，变压器噪声抗干扰检测误差最大为0.5 dB，最低仅为0.1 dB，抗干扰处理后噪声信号频谱与实际信号频谱相关系数达到0.92。

b)受周边多源噪声干扰，SNR在2.2～25.7 dB范围内时，变压器噪声抗干扰检测误差最大为0.9 dB，最低仅为0.1 dB，抗干扰处理后噪声信号频谱与实际信号频谱相关系数达到0.93。

c)抗鸟鸣干扰现场实测结果表明，抗干扰处理后变压器噪声频谱与实际频谱相关系数达到0.92，声压级检测误差由2.9 dB降至0.2 dB，检测精度大幅提高。

d)相较于低通滤波方法以及短时窗法，本文所提方法检测精度更高，更适用于处理变压器噪声测量现场复杂突发间歇性环境噪声干扰，对于电网环评、变压器运行状态评价具有指导意义。

本文提出的抗干扰检测方法对于突发间歇性噪声效果较为显著，具有较好的可行性，但由于实际变压器噪声信号并非绝对平稳，处理后的信号幅值可能出现略低于实际噪声幅值的问题，后续将在变压器实际声功率谱的准确评估方面开展相关研究工作。