變壓器局部放電在線監(jiān)測信號中的電磁干擾及抑制

五、隨機脈沖型干擾的抑制

這類干擾最難剔除。由于干擾和局放信號在頻域內(nèi)的特征具有相似性，因此現(xiàn)有的大量方法都是從時域考慮的。常用方法有硬件電路法、軟件波形識別法和人工智能法。

1.硬件電路法

它的基本思路是利用兩個測量點的輸出信號中外來脈沖干擾同方向，而內(nèi)部放電脈沖方向相反的特點，去除脈沖干擾。具體實現(xiàn)為硬件電路，常用電路包括差動平衡法、脈沖極性鑒別法和定向耦合法。

在實際應(yīng)用中，前兩種的效果并不理想。這是因為對于差動平衡法，由于傳播路徑不同，組成差動的兩路信號往往不能很好的對應(yīng)，因此差動效果不佳。提出了差動“平衡對”的概念對此進行了改進，可消除干擾并同時獲得局放脈沖幅值及脈沖個數(shù)。脈沖極性鑒別的局限在于由于模擬延遲和極性鑒別器受外界因素影響較多，會造成電子門控誤動作，降低了極性鑒別的準(zhǔn)確性。

定向耦合法是德國的Borsi H等于1987年提出的。原理圖見圖1.它用特殊繞制的Rogowski線圈在高壓套管底部靠近法蘭處耦合局放信號，并根據(jù)線圈兩端電壓的大小來判斷是局部放電信號還是外來電磁干擾。該法把Rogowski線圈的中間抽頭與變壓器套管末屏測量端子連接起來。此時末屏測量端子串一個小電阻接地，可以看成末屏和末屏對地電容組成電容分壓器的低壓臂，經(jīng)小電阻接地后形成了一個高通濾波器，只有高頻信號才能通過。Rogowski線圈與高壓套管末屏測量端子連起來構(gòu)成定向耦合電路。

電流I如圖示方向時，U（1）=Uc+U1，U（2）=Uc-U2=Uc-U1.此時U（1）>U（2）；若電流I反向，則U（1）在實際應(yīng)用中，人們對此作了改進，用兩個羅氏線圈替代原測量線圈并采用選頻的方法提高測量信號的信噪比，據(jù)論文介紹，得到了較好的結(jié)果。

2.軟件波形識別法

隨著計算機技術(shù)和數(shù)字信號處理技術(shù)的發(fā)展，利用脈沖信號特征進行邏輯判斷也可抑制干擾。它的前提是脈沖識別，即判斷脈沖是否存在、脈沖持續(xù)時間和相應(yīng)的起點與終點，以便較準(zhǔn)確地確定放電相位和聲波時延。

目前脈沖識別多采用閾值識別法。而現(xiàn)場測量的脈沖多是衰減振蕩波，該法很易誤判且無法確定脈沖持續(xù)時間。提出一種結(jié)合脈沖幅值閾值和波形特征來識別振蕩脈沖的方法，并在實用中得到了較好效果。

3.模式識別的應(yīng)用

此法的本質(zhì)仍是利用信號的相位特性進行區(qū)別。局放信號雖然幅值變化很大，但它們的相位分別集中在45°和225°附近。例如，由于電弧放電的發(fā)生相位同局放有差異、幅度變化較小并且在脈沖形狀上也略有不同，根據(jù)這些特點，一個有經(jīng)驗的專家可以很容易地分辨出電弧放電信號這種干擾。模式識別方法就是專家經(jīng)驗的軟件實現(xiàn)，它已在CIGER的報告中得到確認(rèn)，一些相應(yīng)的軟件也已出現(xiàn)。常見的方法包括模糊邏輯法、kohonen網(wǎng)絡(luò)分類法、KLT變換法和基于最小距離的人工神經(jīng)網(wǎng)絡(luò)法等?？傮w來講，模式識別方法的難度在于需要積累大量的先驗知識并能找出干擾和局放間的特定差異，而在線測量中，在強烈的干擾信號中找出這些差異比較困難。下面介紹其中幾種方法。

（1） Karhunen-Loeve-Transform法

研究發(fā)現(xiàn)，用于模式識別的輸入矢量維數(shù)較高時，分類較困難且效果不好；降低維數(shù)后，分類效果能得到改善。換言之，為提高識別率、突出信號的特征，首先需去除信號中的干擾或噪聲信息。KLT變換的原理如圖2所示。由圖可以看出，若采用x1-x2坐標(biāo)系，要進行分類必須同時采用x1、x2坐標(biāo)；若對此進行正交變換，轉(zhuǎn)移到w1-w2坐標(biāo)系。則僅需w2坐標(biāo)即可進行分類。由此可見，經(jīng)KLT變換，可去除干擾。

（2）脈沖序列分析法——Kohonen網(wǎng)絡(luò)

該算法為一種無監(jiān)督的算法（如圖3所示）。它的原理是尋找輸入向量到輸出層歐氏距離最短的節(jié)點，以此為輸出，并通過自組織算法可以進行自適應(yīng)分類，區(qū)分局部放電信號和干擾信號，從而達到干擾消除和抑制的目的。