基于信号极值检测分段法和I...组变形超声检测信号去噪研究_顾惠杰.pdf

基金项目:国家电网有限公司科技项目资助(SGSHCX00DKJS2100343)基于信号极值检测分段法和 ITD-PE-PCA 算法的变压器绕组变形超声检测信号去噪研究顾惠杰1，陆顺豪1，龚春彬1，陆忠心1，贺润平2，王哲斐2（1.国网上海市电力公司长兴供电公司，上海 201913；2.宁波得弘企业发展有限公司，浙江 宁波 315800）摘要：为了解决超声信号特征分段问题和固有时间尺度分解(ITD)算法分解次数不便确定的问题，本文中作者提出了一种极值检测分段和ITD-PE-PCA联合去噪算法。试验结果表明，组合的去噪算法结合了ITD、PE和PCA的优点，去噪后的信号信噪比更高、均值误差更小，并且可以有效保留超声回波中的有用信息。关键词：超声波去噪；固有时间尺度分解；排列熵；主成分分析；信号极值检测分段中图分类号：TM406文献标识码：B文章编号：10018425（2023）03003607Research on Denoising of Ultrasonic Detection Signal ofTransformer Winding Deformation Based on SignalExtremum Detection Segmentation Method andITD-PE-PCA AlgorithmGU Hui-jie1,LU Shun-hao1,GONG Chun-bin1,LU Zhong-xin1,HE Run-ping2,WANG Zhe-fei2（1.State Grid Shanghai Municipal Electric Power Company,Changxing Power SupplyCompany,Shanghai 201913,China;2.Ningbo Dehong Enterprise Development Co.,Ltd.,Ningbo 315800,China）Abstract：In order to solve the problem of ultrasonic signal feature segmentation and theinconvenient determination of intrinsic time scale decomposition(ITD)decomposition times,this paper proposes an extreme value detection segmentation and ITD-PE-PCA jointdenoising algorithm.Results show that the linked denoising algorithm combines the ad-vantages of ITD,PE and PCA,the signal to noise ratio after denoising is higher,themean error is smaller,and the effective information in the ultrasound echo can be effec-tively retained.Key words：Ultrasonic denoising;ITD;PE;PCA;Signal extreme value detection segment1 引言变压器作为电力系统主要设备之一，其安全可靠运行是电力系统稳定运行的重要保障。变压器在使用过程中不可避免地会发生绝缘老化，短路电流冲击等现象导致变压器绕组在磁场的作用下发生形变。虽然微小的形变短时不会对变压器运行产生危害，但形变积累最终会导致变压器在正常运行时发生故障，进而影响电网的可靠供电。超声检测法因为其可带电、定量检测形变、检测装置便携等优点逐渐在变压器绕组变形检测中得到应用。曾有学者研究了变压器绕组超声检测的原理并研制了检测装置，但只是对组装的变压器模型进行了测试1；文献2设计了一套分体式超声检测装置用于测量变压器绕组变形，但检测速度过慢；文献3采用超声编码激励的方式来激发探头，设计了信号干扰小的多发多收检测装置，但没法保证信号的分辨率不随位置产生变化。TRANSFORMER第 60 卷 第 3 期2023 年 3 月Vol.60MarchNo.32023DOI:10.19487/ki.1001-8425.2023.03.004顾惠杰、陆顺豪等：基于信号极值检测分段法和 ITD-PE-PCA 算法的变压器绕组变形超声检测信号去噪研究第 3 期超声检测法是通过测量超声波传播时间并结合变压器绕组原始数据来计算绕组变形量。但是超声波在经过变压器这类不均匀介质会发生散射甚至衍射，采集卡实际得到的采样信号不可避免地混杂多种噪声干扰，而噪声干扰会对变形量的准确计算产生较大干扰，所以研究变压器绕组超声检测信号的去噪算法十分必要。近年来，不少学者都以提高被去噪信号的信噪比来优化算法去噪结果。曾有学者提出一种排列熵（Permutation Entropy,PE）、固有时间尺度分解（In-trinsic Time-scale Decomposition,ITD）、模拟退火（SA）和极限学习机相结合的去噪方法，试验采用艾伦方差评估组合算法的性能，结果表明该算法得到的温度误差值更小，但是没有解决ITD分解次数确定的问题；也有学者提出一种变分模态分解（VMD）和小波阈值相结合的去噪方法，为解决VMD分解模态数需人为指定的问题，采用蝗虫优化算法确定分解次数，但是并没有解决小波阈值去噪带来的问题；还有学者针对主成分分析（Principal ComponentAnalysis,PCA）只能用于去除高斯噪声的情况，提出鲁棒PCA（RPCA）算法，可适用于去除复合噪声，但是RPCA只能用于二维及以上数据的去噪。针对超声信号分段方法研究较少的问题，本文笔者提出了信号极值检测分段算法用于超声信号的分段。此外，与EMD、VMD及其改进算法相比，ITD快速分解特性可以抵消因为综合其他算法带来的计算效率降低的问题，因此本文选择ITD作为信号分解算法，并将ITD算法与排列熵（PE）和主成分分析（PCA）结合形成ITD-PE-PCA算法。首先，通过信号极值突变分段算法获取超声信号发射波的起振点和回波信号的响应点，再据此将原信号分为两段或三段，其中一段为杂波信号，剩余分段信号为超声波有效信号；其次，使用ITD分解分段的超声波有效信号，ITD的分解次数通过计算分解余量的排列熵是否满足阈值条件来确定；随后，通过PCA对ITD分解分量进行降维得到去噪后的信号分量，将各信号分量叠加得到有效信号的去噪信号；然后，对杂波信号选择合适的去噪算法或根据实际需求直接舍弃；最后，组合去噪后的各段信号来重构最终的去噪信号。试验结果表明，采用文中的算法去噪后，信号信噪比更高、均值误差更小，并且可以有效保留超声回波中的有效振动信息，因此该算法在工程应用中具有一定的实用价值。2 超声波绕组检测2.1超声检测原理采用超声波检测绕组变形时，超声探头为收发一体探头。探头先发射超声波，再接收反射回的超声波，从而可根据横渡时间（从发射信号到接收信号所用的时间）和超声波的传播速度得到超声波的传播距离，进而获得绕组的变形量。由此可见变压器绕组变形量的精度主要取决于回波信号的准确获取。2.2信号分析电力系统中的变压器多为油浸式变压器，超声波传播时主要会经过变压器外壳和绝缘油，从组成来看变压器外壳是由尺寸较大的铸铁金属组成的非均匀介质，而绝缘油的成分较为复杂，除油分子外可能还包括其他杂质以及气泡。超声波从探头处发射后，首先需穿过变压器外壳，这时只会损失小部分能量。但随后超声波在绝缘油中传播时，因为绝缘油一般不为均匀介质，所以超声波容易发生散射现象而使得超声回波幅值减小并混杂超声波的畸变信号。超声波经绕组反射时绕组表面会吸收部分信号，回波信号经绝缘油和外壳又会存在信号损失和信号畸变。此外，变压器正常工作时存在振动噪声和环境噪声，采集设备工作时会存在热噪声，这些噪声最终都会混杂在采样信号中。虽然采用模拟滤波器（如高通滤波器）能滤除大部分低频段的噪声，但是模拟滤波器的加入会引入噪声，模拟滤波器也难以滤除幅值较小的噪声，因此研究超声信号的去噪算法就显得很有必要了。3 信号极值检测分段和 ITD-PE-PCA 算法传统去噪方法未考虑将信号分段再去噪，但在对信号进行分析后可知，不同信号段，其特征也各不相同。因此可以先对信号进行分段处理，再根据各段信号的不同特征选择合适的去噪算法，这样更有利于提高信号的信噪比和超声检测法的测量精度。本文提出的ITD-PE-PCA算法中，ITD用于分解分段的超声波有效信号，PE用于确定ITD分解的次数，PCA用于将分解后的多个信号分量去噪。3.1信号极值检测分段算法变压器绕组变形超声检测法中，采集卡采集到的超声波信号主要包括发射波和回波信号。利用超声波的组成特性可以将超声波信号分为3段，分别为发射波信号、回波信号和杂波信号，这里将发射波信号的起振点和回波信号的响应点选为分割点用以实现超声信号的分段。虽然直接观察超声信号极值点的变化也可实现对超声信号分段的目的，但是因为观察法依赖观察37第 60 卷者的经验知识，观察分段点的效率较低，而且不同的人观察得到的结果也会有所差异。为了快速确定超声信号的分段点，本文提出了一种信号极值突变法的分段方法，其实现过程如下。1）通过极值点特性得到超声信号的极大值点x1,x2,xm和 对 应 时 刻t1,t2,tm，极 小 值 点z1,z2,zn和对应的时刻1,2,n。2）求所有极大值点绝对值的最大值，即mx=max(x1,x2,xm)，mx对应时刻记为tmax，从原时刻序列取出小于或等于tmax的所有时刻t1,t2,tmax，极大值点序列对应地取为x1,x2,xmax。3）设dx=x1-x2,x2-x3,xmax-1-xmax，dt=1,2,max-1，对dx中的值从大到小排序得dx=a1,a2,a(max-1)，dt对应地取为b1,b2,b(max-1)（其中，1bimax-1,i 1,max-1且iZ)。4）dx=a1,a2,a(max-1)的平均值记为dx，从dx取出大于dx的所有值记为dx1=a1,a2,ap，dt1取为b1,b2,bp。设bx=xb1+1xb1,xb2+1xb2,xbp+1xbp(xbi=0时取xb1,xb2,xbp中非0最小值。其中，1ip且pZ)，mbx=max(bx)，mbx对应于dt1中的bj(1bjmax-1,j 1,p且jZ),发射波的起振点PH1=tbj。计算起振点PH1与后一极大值点的绝对差值为AH。5）同样也可以利用极小值点确定发射信号的起振点PL1，求取起振点PL1与后一极小值点的绝对差值AL。比较AH和AL的大小，若AH大于AL则起振点取为PH1，反之则取PL1。6）从最大极大值mx所对应时刻按照时间增加的方向找到第一个绝对值小于0.1mx的极大值点所对应的时刻t1，找到t1到采样末端所有的极大值点和极小值点并记录所有极值点对应的时刻。7）确定回波信号响应时刻的步骤同步骤2）至步骤6）。3.2ITD-PE-PCA算法3.2.1固有时间尺度分解固有时间尺度算法分解超声信号采样序列可得到一系列固有旋转分量序列和一个分解余量序列。在ITD方法中，假设Xt(t表示t时刻)为待分析的信号，令L为基线提取算子。将L作用于原始信号Xt，计算LXt后剩余信号分量定义为固有旋转分量。可令H为固有旋转提取算子，则H=1-L。此时Xt的一次分解见式（1）。Xt=LXt+(1-L)Xt=Lt+Ht（1）其中，Lt表示基线信号，Ht表示固有旋转分量。令k,k=1,2,为Xt的局部极值点，并假设端点处为极值点。为了简化分别将X(k)和L(k)表示为Xt和Lt。令Lt和Ht定义域为0,t，而Xt的定义域为0,t+2。在连续极值点(t,t+1范围内，定义的基线提取算子L见式（2）和式（3）。LXt=Lt=Lk+Lk+1-LkX