基于集合经验模态分解的局部放电信号的窄带干扰抑制.pdf

第３９卷第２２期２０１１年１１月１６日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ、，０１．３９Ｎｏ．２２ＮＯＶ．１６．２０１１基于集合经验模态分解的局部放电信号的窄带干扰抑制姚林朋，郑文栋，钱勇，杜永平，杨富民，毕杰昌，黄成军，江秀臣（１．上海交通大学电气工程系电力传输与功率变换控制教育部重点实验室，上海２００２４０；２．宿州供电公司，安徽宿州２３４０００）摘要：采用经验模态分解（ＥＭＤ）方法抑制局部放电的窄带干扰时，由于ＥＭＤ方法本身存在模态混叠问题，在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分，导致局放信号无法提取。分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的ＥＭＤ混叠现象，并提出了基于集合经验模态分解（ＥＥＭＤ）的解决方法。该方法对单频率成分和多频率成分的窄带干扰，均能较好地提取出局放信号。并针对ＥＥＭＤ引入的白噪声干扰，提出了自适应阈值的抑制方法，取得了较好的结果。仿真和现场测试的结果均验证了所提方法的有效性。关键词：ＸＬＰＥ电缆；局部放电；经验模态分解；集合模态经验分解；窄带干扰Ａｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓｕｐｐｒｅｓｓｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＥＥＭＤｆｏｒｐａｒｔｉａｌｄｉｓｃｈａｒｇｅＹＡＯＬｉｎ－ｐｅｎｇ，ＺＨＥＮＧＷｅｎ－ｄｏｎｇ，ＱＩＡＮＹｏｎｇ，ＤＵＹｏｎｇ－ｐｉｎｇ，ＹＡＮＧＦｕ．ｍｉｎ，ＢＩＪｉｅ．ｃｈａｎｇ，ＨＵＡＮＧＣｈｅｎｇ－ｊｕｎ，ＪＩＡＮＧＸｉｕ．ｃｈｅｎ（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎａｎｄＰｏｗｅｒＳｗｉｔｃｈＣｏｎｔｒｏｌＵｎｄｅｒｔｈｅＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｇｈａｉＪｉａｏＴｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００２４０，Ｃｈｉｎａ；２．ＳｕｚｈｏｕＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ，Ｓｕｚｈｏｕ２３４０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｍｉｘｅｄｍｏｄｅｐｈｅｎｏｍｅｎａｏｆｔｈｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ）ｍｅｔｈｏｄ，ｐａｒｔｉａｌｄｉｓｃｈａｒｇｅ（ＰＤ）ｃｏｍｐｏｎｅｎｔｍａｙｍｉｘｗｉｔｈｎａｒｒｏｗ－ｂａｎｄｃｏｍｐｏｎｅｎｔｉｎｔｈｅｉｎｓｔｉｎｃｔｍｏｄｅｆｕｎｃｔｉｏｎＳＯｔｈａｔｉｔｉｓｈａｒｄｔｏｅｘｔｒａｃｔＰＤｓｉｇｎａｌｓｆｒｏｍ—ｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓ．Ｔｈｉｓｐａｐｅｒｓｈｏｗｓｔｈａｔｉｔｉｓａｎｉｎｈｅｒｅｎｔｐｒｏｂｌｅｍｗｍｉｘｅｄｍｏｄｅｐｈｅｎｏｍｅｎａｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆａｄｄｉｎｇｄｉｆｆｅｒｅｎｔａｍｐｌｉｔｕｄｅｏｒｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｙｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ．ＥＥＭＤｍｅｔｈｏｄｉｓｉｎｔｒｏｄｕｃｅｄｔｏｓｅｐａｒａｔｅｔｈｅＰＤｓｉｇｎａｌｓｆｒｏｍｔｈｅｎａｒｒｏｗ－－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓｏｆａｓｉｎｇｌｅｆｒｅｑｕｅｎｃｙｏｒｍｕｌｔｉ・－ｆｒｅｑｕｅｎｃｙ．ＡｎａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄｍｅｔｈｏｄｉｓｇｉｖｅｎｔｏｓｕｐｐｒｅｓｓｔｈｅｗｈｉｔｅｎｏｉｓｅａｄｄｅｄｂｙＥＥＭＤ．Ｔｈｅｐｒｏｃｅｅｄｉｎｇｒｅｓｕｌｔｏｆｓｉｍｕｌａｔｉｏｎｍｏｄｅｌａｎｄｓｉｇｎａｌｆｒｏｍｆｉｅｌｄｔｅｓｔｐｒｏｖｅｓｉｔｓｅｆｆｅｃｔｉｖｅｎｅｓｓ．Ｋｅｙｗｏｒｄｓ：ＸＬＰＥｃａｂｌｅ；ｐａｒｔｉａｌｄｉｓｃｈａｒｇｅ；ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ中图分类号：ＴＭ８３５文献标识码：Ａ—文章编号：１６７４．３４１５（２０１１）２２０１３３－０７０引言局部放电（以下简称局放）检测是诊断电力设备绝缘故障的有效手段之一，对提高电力系统的可靠性和经济性具有重要意义。由于早期绝缘故障产生的局放信号往往十分微弱，在现场检测时会淹没于各种高强度的干扰之中，因此如何抑制各种干扰，提取有效的放电信号，是现场局放检测需要解决的一个关键问题ｕＪ。局放检测中的干扰信号主要有窄带干扰、脉冲型干扰和白噪声干扰。其中，由系统高次谐波、载波通信及无线电通信所引起的窄带干扰比较常见且往往强度较大，应作为首先抑制的对象Ｌ５Ｊ。目前，针对窄带干扰的滤波方法主要有ＦＦＴ滤波【９１、自适应滤波【１ｕＪ及小波变换【ｌｌＪ等方法。近年来，基于经验模态分解（ＥＭＤ）理论的窄带干扰抑制方法得到了广泛应用，取得了较好的效果玎Ｊ。ＥＭＤ是一种分析非线性、非平稳信号的新方法，能够将复杂信号分解为一组平稳化的固有模态函数（ＩＭＦ）［１４】。分解得到的ＩＭＦ具有从高频到低频的滤波器特性，可用于非平稳信号的干扰抑制。然而，ＥＭＤ方法在对含突变信号的平稳信号进行分解时会产生模态混叠现象【１１，即一个ＩＭＦ中包含频率尺度差异较大的信号分量，或者相似频率尺度的信号分量出现在不同的ＩＭＦ中。因此，在分解含窄带干扰的局放信号时，局放信号的突变性会使得某些ＩＭＦ中仍然同时含．１３４．电力系统保护与控制有窄带和局放成分，从而无法将两者进行有效的分离。针对ＥＭＤ的模态混叠问题，Ｈｕａｎｇ等人在研究白噪声的ＥＭＤ特性基础上，提出了一种ＥＭＤ的——改进方法集合经验模态分解（ＥＥＭＤ）［１６１。通过在信号中人为添加白噪声成分，使信号的不同频率尺度能被自动投影到由白噪声所建立的均匀空间的相应频率尺度上，最后通过多次重复取整体平均的方式消除所添加的白噪声成分。本文在上述理论的基础上，对含有窄带干扰的局放信号进行ＥＭＤ分解时所产生的模态混叠现象进行了分析，并给出了基于ＥＥＭＤ的解决方法。同时依据白噪声的ＥＭＤ分解特性，结合自适应阈值方法对ＥＥＭＤ中添加的白噪声干扰进行抑制，取得了较好的效果。１经验模态分解理论１．１经验模态分解算法ＥＭＤ将信号分解成一系列的ＩＭＦ，每个ＩＭＦ须满足以下两个条件：（１）信号的极值数目和零点数目相等或最多相差一个；（２）在任何一点，极大值包络和极小值包络的均值为零，即ＩＭＦ的均值趋近于零。对于信号ｘ（ｔ），ＥＭＤ分解的迭代算法如下Ｌ１Ｊ：初始时，ＩＭＦ记为ｉｍＬ（ｔ），初始为１。初始迭代序列ｈａｔ）＝（ｆ），ｉ初始为１。（１）求出数据序列ｈａｔ）中所有极大值点和极小值点，并采用三次样条函数拟合成上下包络线。上下包络线均值为该序列的平均包络线ｍ（ｆ）；（２）将ｈａｔ）减去其平均包络线），得到一个低频的新数据序列＋】（ｆ）＝ｈａｔ）一ｍｉ（ｔ）；步骤（１）、（２）称为一个筛选过程，重复步骤（１）、（２），直到满足结束条件。结束条件可通过连续两次迭代结果的标准差来判别，如式（１）示。厂．’．］．：二（１）蒿ｌｌ（ｔ）ｌ｝∈通常．Ｄ．『０．２，０．３１时效果较好。这样，就得到了第ｎ个ＩＭＦ分量，ｉｍｆｎ（ｔ）＝红＋１（ｆ）；（３）将信号（ｆ）减去ｉｍｆｎ（ｔ）得到剩余数据序列（）＝（ｆ）一ｉｍｆｎ（ｔ）；（４）把（ｆ）看成一组新的待分解信号，重复以上步骤直到（ｆ）为单调函数，不可再分解为止。设ⅣⅣ分解次数为，信号即可表示为个ＩＭＦ分量和残差之和，如式（２）示。Ⅳ∑（ｆ）＝ｆ（ｆ）＋ｒ（ｆ）（２）ｎ＝ｌＥＭＤ分解过程类似一组二进滤波器，具体表现在式（２）中每个ｉｍｆｎ（ｔ）的中心频率为ｉｍｆｎ一（ｆ）的１／２。因此通过选取适当频率范围的ＩＭＦ，就能获取不同的滤波效果。１．２集合经验模态分解方法ＥＥＭＤ方法是为了解决模态混叠问题的ＥＭＤ的改进方法。该方法的本质是，在每次ＥＭＤ分解时，所添加的白噪声在整个时频空间内均匀分布，因此信号不同频率尺度可以被自动投影到由白噪声所建立的均匀空间的相应频率尺度上。由于每次添加到信号上白噪声之间不相关，因此对所有ＩＭＦ做整体平均后，添加的白噪声能够互相抵消［１６－１７］。ＥＥＭＤ方法的流程为：（１）在信号上添加的白噪声，该白噪声应服从ｆ０，（）ｌ的正态分布。其中，＝ｓｔｄ（ｘ（ｔ））为信号、，、的标准差，为噪声强度参数；（２）对叠加白噪声后的信号进行ＥＭＤ分解，得到各ＩＭＦ分量；（３）重复步骤（１）、（２）共ｍ次，每次添加强度相同但序列不同的白噪声，得到各ＩＭＦ分量：（４）对所有ｍ次ＥＭＤ分解后得到的各层ＩＭＦ分量分别求整体平均，即为最终的ＩＭＦ。ＥＥＭＤ方法应用时，需要确定噪声强度参数和重复次数ｍ。文献［１６１中给出，ｍ为１００次，强度参数从０．１～０＿３选择时能够取得较好的结果。因此在本文中选取强度参数为０．１８，ｍ为１００。２自适应阈值计算ＥＥＭＤ方法添加的白噪声需要通过多次平均进行抑制，其抑制效果与重复次数ｍ紧密相关。重复次数过大会严重影响分解速度，因此考虑通过自适应阈值的方式对ＩＭＦ中的白噪声进行抑制［】。通常在对信号中的白噪声干扰进行抑制时，可通过如式（３）的方式来确定阈值。Ｔ：厮（３）Ⅳ其中：为信号长度；为噪声分量的标准差，可通过式（４）来估计。：—ｍｅｄｉａｎ—（Ｉｘ；１）（４）＝一Ｌ４）０．６７４５而对于分解后的ＩＭＦ，由于ＥＭＤ分解的二进滤波作用，每层ＩＭＦ中所含的白噪声能量逐渐递减，可通过式（５）来估计们。姚林朋，等基于集合经验模态分解的局部放电信号的窄带干扰抑制．１３５．…每一，３，４，其中：ＥＩ为第一层ＩＭＦ的白噪声能量，可通过式（４）来估计；Ｐ和为与筛选循环次数有关的参数。文献［１８】给出Ｐ为２．Ｏ１，为０．７１９。由式（３）～（５）可推出每层ＩＭＦ的阈值为——Ｔ＝ｃ１ｆ４２ｂａＮ（６）ＶＰ式中，Ｃ为与信号相关的常数，在本文中取１。１时，即可取得较好的消噪效果。３仿真实验分析３．１局部放电窄带干扰模态混叠现象分析对电力设备中产生的局部放电进行仿真分析时，通常可采用单指数衰减振荡函数和双指数衰减振荡函数来模拟放电信号。其仿真公式表述为ｆｌ（ｔ）＝Ａｅ－ｔ／ｒｓｉｎ（２￣ｆｄ）（７）—ｆ２（ｔ）＝Ａ（ｅｌ・３一ｅ－２．２ｔ／ｒ）ｓｉｎ（２￣ｆｄ）（８）式中：为信号幅值；为振荡频率；为衰减系数。本文采用不同的．和组合，共模拟８组放电脉冲，其参数如表１所示。８组脉冲的峰值均为１００ｍＶ，脉冲宽度１０ｓ，脉冲间隔１０ｓ，采样率为５０ＭＨｚ（图１（ａ））。叠加幅值为５０ｍＶ，频率为５００ｋＨｚ的窄带干扰后如图１（ｂ）所示。对该信号进行ＥＭＤ分解后（图２，只列出前５个分量结果），可以看到局放信号主要集中在ｉｍｆ１中，而由于模态混叠的问题，使得部分窄带干扰也被分解其中，因此仅通过阈值处理方法无法提取出有意义的局放脉冲来。表１仿真局放信号参数表Ｔａｂ．１Ｐａｒａｍｅｔｅｒｓｏｆｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｓｉｍｕｌａｔｉｏｎ脉冲序号１２３４５６７８／ＭＨｚ１２１２１２１２／Ｉｘｓ１１２２１１２２为研究叠加窄带干扰强度和频率对ＥＭＤ分解的影响，笔者选择频率从１０ｋＨｚ至１ＭＨｚ，步长１０ｋＨｚ，幅值为１０ｍＶ、５０ｍＶ、１００ｍＶ、２００ｍＶ的窄带干扰信号，分别叠加到原始放电信号上。将ＥＭＤ分解后ｉｍｆｌ中的非局放成分称为混叠部分（统计区域可参见图３中粗线部分，由于ＥＭＤ分解存在边沿效应［２¨，因此不考虑信号的起始及结束部分），统计混叠部分的最大幅值，作出窄带幅值、频率混叠部分最大幅值关系曲线（图４）。从中可以》１００晷。粤一１００２０４０６Ｏ８０１Ｏ０１２０１４０１６０ｔ／Ｉｔｓ（ａ】原始放电仿真信号图出，对于四种幅值的窄带干扰，该成分最大幅值在一般情况下都要大于所叠加窄带干扰的幅值，且在窄带频率小于２５０ｋＨｚ时，其值比较大且有较大波动，而在大于２５０ｋＨｚ时，其值基本上保持稳定。为研究这一现象，选取图中５０ｍＶ曲线最小对应频率９８０ｋＨｚ，最大对应频率２０ｋＨｚ的ｉｍｆ１进行分析（图３）。当窄带频率为９８０ｋＨｚ时（图３（ａ）），与５００ｋＨｚ（图２）情形类似，其混叠成分主要以窄带干扰为主，其幅值要小于放电信号，这种情况下局放脉冲的峰值部分能够提取出来，但振荡部分大多和干扰成分重合而无法分辨。而当窄带频率为２ＯｋＨｚ时（图３（ｂ）），其混叠成分的频率要远低于２０ｋＨｚ，该成分并非由窄带干扰本身产生，而是由模态混叠所产生的虚假信号。其最大幅值要高于局放信号，这不利于局放成分的阈值提取，但该成分与局放成分在时域上有明显差别，不会影响到局放成分的振荡部分提取。名１００－一ｚ＜０．￣１００圣＿５Ｏ蒌．￣－２０匝巫一２０４０６０８０三三三１００三１２０１４０１６０图２叠加窄带干扰后ＥＭＤ分解图Ｆｉｇ．２ＥＭＤｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆＰＤｓｉｇｎａｌｓｗｉｔｈｉｎｔｅｒｆｅｒｅｎｃｅ．１３６．电力系统保护与控制１００＞萋０一１００ｌ００名０一１００—２Ｏ０２０４０６０８０１００１２０１４０１６０ｔ／￣ｔｓ（ａ１叠加９８０ｋＨｚ￣带干扰ＥＭＤ分解的ｉ删１图２Ｏ４Ｏ６Ｏ８Ｏ１ＯＯ１２Ｏ１４０ｌ６０ｆ（ｂ）叠￣１１２０ｋＨｚ窄带干扰ＥＭＤ分解的ｉ，，图图３叠加９８０ｋＨｚ及２０ｋＨｚ窄带干扰图Ｆｉｇ．３ＩｍｆｌｏｆＥＭＤｄｅｃｏｍｐｏｓｔｉｏｎｓｉｇｎａｌｓｗｉｔｈ９８０ｋＨｚａｎｄ２０ｋＨＺｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ窄带干扰频率／ｋＨｚ图４窄带千扰频率与非放电成分最大幅值关系—Ｆｉｇ．４ＦｒｅｑｕｅｎｃｙｏｆｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅＶＳ．ｍａｘｉｍａｌａｍｐｌｉｔｕｄｅｏｆｎｏｎ－ｄｉｓｃｈａｒｇｅｃｏｍｐｏｎｅｎｔｓ从以上分析可以看出，传统ＥＭＤ分解方法在针对不同强度和频率的窄带干扰时，均存在其无法克服的模态混叠问题，因此笔者尝试采用ＥＥＭＤ方法加以解决。３．２单一频率成分窄带干扰ＥＥＭＤ滤波分析通过上文所述的ＥＥＭＤ方法，对叠加５００ｋＨｚ窄带干扰的信号进行分解，得到图５所示结果（只列出前５个分量）。其中，ｉｍｆ１中主要以白噪声成分为主，也含有部分局放信号成分；ｉｍｆ２中以局放脉冲的高频成分为主；ｉｒａｆ３以局放脉冲的低频成分为主；ｉｍｆ４和ｉｍｆ５中主要是窄带干扰成分。这一结果完全体现了ＥＭＤ分解从高频到低频的滤波器特性，且分解过程中没有出现混叠及虚假成分。基于时空滤波理论，选取前３个分量进行重构后得到的滤除窄带后信号如图６（ａ）所示。该信号已经能较好地体现出局放脉冲，但是背景上仍有少量白噪声干扰。为提高信号信噪比，可通过本文第２节提出的自适应阈值法确定各ＩＭＦ阈值，并对其进行硬阈值处理。计算出ＩＭＦ的阈值分别为５．００３、２．９３６、２．０７１，滤波后结果如图６（ｂ）所示，可以看出原图６（ａ）中信号的背景白噪声已经基本被滤除。名２一－２Ｅ王三王三王三勘Ｅ三王三王三王－５。豳匝亚亚巫ｕ图５局放信号的ＥＥＭＤ分解结果Ｆｉｇ．５ＥＥＭＤｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆＰＤｓｉｇｎａｌｓｗｉｔｈｉｎｔｅｒｆｅｒｅｎｃｅｔ／ｐｓ（ａ）窄带干扰抑制后结果ｔｉｍＣｏ）对（ａ）中信号进行自适应闽值消噪后结果图６滤除白噪声前后对比图Ｆｉｇ．６Ｓｉｇｎａｌｓｂｅｆｏｒｅａｎｄａｆｔｅｒｅｌｉｍｉｎａｔｉｎｇｗｈｉｔｅｎｏｉｓｅ３．３多种频率成分窄带干扰ＥＥＭＤ滤波分析以上只针对单一频率的窄带干扰，为研究多种频率成分下窄带干扰对ＥＭＤ分解的影响，在上文原始放电信号上同时叠加频率为３００ｋＨｚ、４００ｋＨｚ、５００ｋＨｚ、６００ｋＨｚ、７００ｋＨｚ，幅值为２０ｍＶ的窄带干扰（图７）。在此情况下，局放信号已经完全淹没于干扰之中。对叠加信号进行ＥＭＤ分解后各ＩＭＦ分量如图８（ａ）所示（只列出前５个分量），从中可以看出，局放成分和干扰成分依然混叠于ｉｍｆ１中。而采用ＥＥＭＤ方法进行分解后（图８（ｂ）），局放信号成分能够明显地分布在ｉｍｆ２和ｉｒａｆ３中，没有出现模态混叠的现象。其他ＩＭＦ成分也与单频姚林朋，等基于集合经验模态分解的局部放电信号的窄带干扰抑制．１３７．率窄带干扰ＥＥＭＤ的分解结果一致。在八组放电脉冲中，能够看到第１、３组脉冲效果不甚理想，其原因为这两组脉冲均为单指数振荡衰减，其振荡频率为１ＭＨｚ，与叠加的窄带干扰频率接近，其波形与所叠加的窄带成分有较多重合，从而影响了分解效果。同样选取前三个ＩＭＦ重构后得到消除窄带干扰后的信号（图９（ａ））。在其背景中仍然有白噪声成分，通过自适应阈值法确定阈值分别为７．８９１、４．６３１、３．２６６，消噪后的结果如图９（ｂ）所示。＞２００晷。蛏一２００２０４０６０８０ｌ００１２Ｏ１４０１６０ｔ／Ｉｔｓ图７叠加多种成分窄带干扰信号图Ｆｉｇ．７Ｓｉｇｎａｌｗｉｔｈｍｕｌｔｉ－ｆ—ｒｅｑｕｅｎｃｙｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓ一１００匝薰匝巫墓丕三三‘‘２Ｕ４ＵＯＵＵ１Ｕｕ１Ｕ１斗ｏ１ＯＵ、Ｆｌｋ４１３替售星圜ＬＬｓ名５０一５喜蠹Ｅ王三王三日臣三三三ｊ三晏圳＝±二二！＝二豳圣２。０一。２０４０６Ｏ８０１Ｏ０１２０１４０１６Ｏｆ（ｂ）ＥＥＭＤ￣解图图８多频率成分窄带干扰分解结果Ｆｉｇ．８Ｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｓｉｇｎａｌｗｉｔｈｍｕｌｔｉｐｌｅｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓ４现场电缆检测局放信号分析对华东地区某１１０ｋＶ变电站内的３５ｋＶ电压等级ＸＬＰＥ电缆进行现场局放检测时，使用Ｒｏｇｗｏｓｋｉ线圈耦合电缆接地线上的高频电流，能够采集到如图１０（ａ）所示的信号，其频谱如图ｌ０（ｂ）所示。从图中可以看出，该信号中含有较强的窄带成分，经分析其频段后判断由电缆本体耦合了较强的广播１００。罂－１００１００耋。ｌ００．Ｉ【。。▲ＩＩＪＬｊＩＬＬ１．１．『ｌｒｌ１．『ｌ０２０４０６０８０１００１２Ｏ１４０１６０ｔ／１．ｔｓ（ａ）窄带干扰抑制后结果０２０４０６０８０ｌＯＯ１２０１４Ｏ１６０ｔ／ｇｓ（ｂ）对（ａ）中信号进行自适应阈值消噪后结果图９滤除白噪声前后对比图Ｆｉｇ．９Ｓｉｇｎａｌｓｂｅｆｏｒｅａｎｄａｆｔｅｒｅｌｉｍｉｎａｔｉｎｇｗｈｉｔｅｎｏｉｓｅ信号所致。对该信号分别做ＥＭＤ和ＥＥＭＤ分解后（图ｌ１）发现，ＥＥＭＤ在ｉｍ，１、ｉｒａｆ４、ｉｒａｆ５中均能够看到比较明显的放电成分；而ＥＭＤ中，只有ｉｍｆｌ中有比较明显的放电成分，在ｉｍｆ４和ｉｍｆ５中由于放电成分和窄带成分混叠而无法区分。因此通过ＥＥＭＤ方法所提取出的局放成分能够较好地保留原始放电信号中低频分量。取ＥＥＭＤ的ｉｍｆｌ，ｉｍｆ４，ｉｒａｆ５重构后所得到的窄带抑制结果如图ｌ２（ａ）所示。其背景噪声成分较高，这主要是因为该噪声不仅包含ＥＥＭＤ方法添加的白噪声成分，也包含采集信号本身所含有的高频噪声干扰。对该信号进行自适应阈值法滤波后，得到图１２（ｂ）所示结果。原信号中的背景噪声已经被完全消除，同时较好地保留了其中的放电脉冲成分。上述结果能够较好地体现出本文方法的优越性。＞２００毒０馨～２００＞２０毒１５捌１０馨５Ｏ２００４００６００８００１０００１２００１４００１６００ｆ，ｕｓ（ａ）现场局放信号波形［’’。’：－…．：。ｌＯ１２３４ｆ／ＭＨｚ（ｂ）现场局放信号频率频谱图１Ｏ现场检测信号Ｆｉｇ．１０Ｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｓｉｇｎａｌｓｆｒｏｍｔｈｅｆｉｅｌｄｔｅｓｔ．１３８．电力系统保护与控制２００。５０＿５００ｎ４Ｏ＿４００２００４００６００８００１Ｏ００１２００１４００１６００ｔ４ｔｓ（ａ）ＥＭＤ分解图詈砸圃匦巫砸２００４００６００８００１０００１２００１４００１６００＃Ｉｔｓ（ｂ）ＥＥＭＤ￣解图图１１现场检测信号分解图Ｆｉｇ．１１Ｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｓｉｇｎａｌｆｒｏｍｆｉｅｌｄｔｅｓｔ＞２０００￣－２ｏｏ２００砉０一２Ｏ００２０ｏ４００６０ｏ８００１０００ｌ２００ｌ４００１６００∥ｕ３（ａ）窄带干扰抑制后结果’’’ＪＩ『Ｉ．Ｉ．．ＩＩｌＩＩ’。０２００４００６００８００１０００１２００１４００１６００ｔ／Ｉｔｓ（ｂ）对（ａ）中信号进行自适应阅值消噪后结果图１２滤除白噪声前后对比图Ｆｉｇ．１２Ｃｏｍｐａｒｉｓｏｎｏｆｒｅｓｕｌｔｓｂｅｆｏｒｅａｎｄａｆｔｅｒｆｉｌｔｅｒｉｎｇｔｈｅｗｈｉｔｅｎｏｉｓｅ５结论在通过ＥＭＤ方法抑制局放信号中的窄带干扰时，会出现模态混叠问题。本文基于ＥＥＭＤ理论，针对这一问题进行了研究，得出以下结论：（１）在局放信号上叠加不同幅值，不同频率的窄带干扰，通过ＥＭＤ方法均会产生模态混叠现象。在窄带频率较高时，其混叠成分主要是窄带干扰；当窄带频率较低时，主要由虚假成分构成。这两种情况均导致ｉｍｆｌ中局放信号和混叠成分发生重叠，无法有效提取出局放信号。（２）针对单一频率成分和多频率成分窄带干扰信号，ＥＥＭＤ方法在强度参数取０．１８，重复次数取１００次时，能够将局放信号和窄带干扰分解到不同的ＩＭＦ中，解决了模态混叠问题。（３）ＥＥＭＤ方法本身会引入白噪声干扰，本文提出的基于白噪声ＥＭＤ分解特性的自适应闽值方法能够对其进行有效抑制。参考文献［１］郭灿新，张丽，钱勇，等．ＸＬＰＥ电力电缆中局部放电检测及定位技术的研究现状［Ｊ］．高压电器，２００９，（３）：５６．６０．ＧＵＯＣａｎ－ｘｉｎ，ＺＨＡＮＧＬｉ，ＱＩＡＮＹｏｎｇ，ｅｔａ１．ＣｕｒｒｅｎｔｓｔａｔｕｓｏｆｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｄｅｔｅｃｔｉｏｎａｎｄｌｏｃａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｉｎＸＬＰＥｐｏｗｅｒｃａｂｌｅ［Ｊ］．ＨｉｇｈＶｏｌｔａｇｅ—Ａｐｐａｒａｔｕｓ，２００９，（３）：５６６０．［２］张言苍，张毅刚，徐大可．变压器局部放电在线检测的现状及发展【Ｊ］．继电器，２００４，３２（２２）：７０．７５．—ＺＨＡＮＧＹａｈ－ｃａｎｇ，ＺＨＡＮＧＹｉｇａｎｇ，ＸＵＤａ－ｋｅ．ＰｒｅｓｅｎｔｓｔａｔｕｓａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆＰＤｏｎｌｉｎｅｍｏｎｉｔｏｎｎｇｓｙｓｔｅｍｉｎｐｏｗｅｒｔｒａｎｓｆｏｒｍｅｒ［Ｊ］．Ｒｅｌａｙ，２００４，３２（２２）：７０．７５．［３］苏文辉，鞠平，丁晓群．变压器绕组局部放电故障的定位［Ｊ１．继电器，２００２，３０（８）：４０－４２．—ＳＵＷｅｎｈｕｉ，ＪＵＰｉｎｇ，ＤＩＮＧＸｉａｏ－ｑｕｎ．Ｌｏｃａｔｉｏｎｏｆｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｓｆａｕｌｔｉｎｔｒａｎｓｆｏｒｍｅｒｗｉｎｄｉｎｇ［Ｊ］．Ｒｅｌａｙ，２００２，３０（８）：４０．４２．［４］刘双宝，吕超，于继来，等．希尔伯特一黄变换在变压器局部放电脉冲识别中的应用［Ｊ］．中国电机工程学报，２００８，２４９（３１）：１１４．１１９．ＬＩＵＳｈｕａｎｇ・ｂａｏ，ＬＵＣｈａｏ，ＹＵＪｉ－ｌａｉ，ｅｔａ１．ＡｐｐｌｉｃａｔｉｏｎｏｆＨｉｌｂｅｒｔ－ＨｕａｎｇｔｒａｎｓｆｏｒｍｉｎｐａＲｅｍｒｅｃｏｇｎｉｔｉｏｎｆｏｒｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｏｆｔｒａｎｓｆｏｒｍｅｒｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００８，２４９（３１）：１１４．１１９．［５］廖瑞金，吕江，杜言，等．电缆局部放电检测中周期性窄带干扰的抑制【Ｊ］．重庆大学学报：自然科学版，２００６，（９）：４８．５１．ＬＩＡＯＲｕｉ－ｊｉｎ，ＬＵＪｉａｎｇ，ＤＵＹａｎ，ｅｔａ１．Ｓｕｐｐｒｅｓｓｉｏｎｏｆｐｅｒｉｏｄｉｃｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓｉｎｃａｂｌｅｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｄｅｔｅｃｔｉｏｎｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇ—Ｕｎｉｖｅｒｓｉｔｙ：ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ，２００６，（９）：４８５１．［６］唐炬，孙才新，宋胜利，等．局部放电信号中的白噪声和窄带干扰ｆＪ１．高电压技术，２００２，（１２）：８－１０．ＴＡＮＧＪｕ，ＳＵＮＣａｉ－ｘｉｎ，ＳＯＮＧＳｈｅｎｇ．１ｉ，ｅｔａ１．瑚０瑚如。咖加。珊ｍｏ０４０２ｏ２ｏＮｎ《菩∞０ＯＯＯ４００文—一￡姚林朋，等基于集合经验模态分解的局部放电信号的窄带干扰抑制．．１３９．．Ａｐｐｌｉｃａｔｉｏｎｏｆｗａｖｅｌｅｔｐａｃｋｅｔｔｒａｎｓｆｏｒｎ１ｔｏｔｈｅｓｕｐｐｒｅｓｓｉｏｎｏｆｗｈｉｔｅ．ｎｏｉｓｅａｎｄｐｅｒｉｏｄｉｃｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｉｎｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｓｉｇｎａｌｓ［Ｊ］．ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉｎｅｅｒｉｎｇ，２００２，（１２）：８－１０．［７］钱勇，黄成军，陈陈，等．基于经验模态分解的局部放电去噪方法［Ｊ］．电力系统自动化，２００５，（１２）：５３．５６，６Ｏ．ＱＩＡＮＹｏｎｇ，ＨＵＡＮＧＣｈｅｎｇ－ｊｕｎ，ＣＨＥＮＣｈｅｎ，ｅｔａ１．Ｄｅｎｏｉｓｉｎｇｏｆｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｂａｓｅｄｏｎｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ—Ｓｙｓｔｅｍｓ，２００５，（１２）：５３５６，６０．［８］赵妍，董爽，李天云．局部放电信号检测的ＨＨＴ－ＭＤＬ自适应阈值算法［Ｊ］．电力系统保护与控制，２０１０，３８（１５）：４５．５０．ＺＨＡＯＹａｎ，ＤＯＮＧＳｈｕａｎｇ，ＬＩＴｉａｎ－ｙｕｎ．ＡｎｅｗａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄａｌｇｏｒｉｔｈｍｔｏｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｐｒｏｃｅｓｓｉｎｇｂａｓｅｄｏｎＨＨＴ－ＭＤＬｃｒｉｔｅｒｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（１５）：４５．５０．［９］谢良聘，朱德恒．ＦＦＴ频域分析算法抑制窄带干扰的研究［Ｊ】．高电压技术，２０００，２６（４）：６－８．—ＸＩＥＬｉａｎｇｐｉｎ，ＺＨＵＤｅ－ｈｅｎｇ．ＲｅｓｅａｒｃｈｏｆｓｐｅｃｔｒｕｍａｎａｌｙｓｉｓｂａｓｅｄｏｎＦＦＴｆｏｒｓｕｐｐｒｅｓｓｉｎｇｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｉｎＰＤｓｉｇｎａｌ［Ｊ］．ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉｎｅｅｒｉｎｇ，２０００，２６（４）：６．８．［１０］沈宏，张蒲，徐其惠，等．改进自适应噪声对消算法的窄带干扰抑制［Ｊ］．仪器仪表学报，２００８，２９（１２）：２６３２．２６３６．—ＳＨＥＮＨｏｎｇ，ＺＨＡＮＧＰｕ，ＸＵＱｉｈｕｉ，ｅｔａ１．Ｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｓｕｐｐｒｅｓｓｉｏｎｂａｓｅｄｏｎｉｍｐｒｏｖｅｄａｄａｐｔｉｖｅｎｏｉｓｅｃａｎｃｅｌｌａｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．Ｃｈｉｎｅｓｅ：ＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔ，２００８，２９（１２）：２６３２．２６３６．［１１］唐炬，黄江岸，张晓星，等．局部放电在线监测中混频周期性窄带干扰的抑制【Ｊ】．中国电机工程学报，２０１０，３０（１３）：１２１．１２７．ＴＡＮＧＪｕ，ＨＵＡＮＧＪｉａｎｇ－ａｎ，ＺＨＡＮＧＸｉａｏ－ｘｉｎｇ，ｅｔａ１．Ｓｕｐｐｒｅｓｓｉｏｎｏｆｔｈｅｐｅｒｉｏｄｉｃｎａｒｒｏｗ－ｂａｎｄｎｏｉｓｅｗｉｔｈ—ｍｉｘｅｄｆｒｅｑｕｅｎｃｉｅｓｉｎｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｏｎｌｉｎｅｍｏｎｉｔｏｒｉｎｇ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１０，３０（１３）：１２１－１２７．［１２］徐其惠，曹贝贞，雷凯，等．改进经验模态分解阈值算法抑制强窄带干扰［Ｊ］．电测与仪表，２００９，４６（１０）：２２．２６．ＸＵＱｉ－ｈｕｉ，ＣＡＯＢｅｉ－ｚｈｅｎ，ＬＥＩＫａｉ，ｅｔａ１．Ｓｕｐｐｒｅｓｓｉｎｇ’ｏｆＰＤｓｉｇｎａｌｓｓｔｒｏｎｇ．ｎａｒｒｏｗ－ｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅｂａｓｅｄｏｎｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．Ｅｌｅｃ仃ｉｃａｌＭｅａｓｕｒｅｍｅｎｔａｎｄＩｎｓｔｒｕｍｅｎｔａｔｉｏｎ，２００９，４６（１０）：２２．２６．［１３］姚林朋，黄成军，钱勇．基于ＥＭＤ的局部放电窄带干扰抑制算法［Ｊ］．电力系统及其自动化学报，２００７，８２—（５）：３３３８．ＹＡＯＬｉｎ－ｐｅｎｇ，ＨＵＡＮＧＣｈｅｎｇ￣ｕｎ，ＱＩＡＮＹｏｎｇ．ＥｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｂｅｓｅｄＤＳＩｓｕｐｐｒｅｓｓｉｏｎａｌｇｏｒｉｔｈｍｉｎｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｄｅｔｅｃｔｉｏｎ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＵ．ＥＰＳＡ，２００７，８２（５）：３３．３８．［１４］ＨｕａｎｇＮＥ，ＳｈｅｎＺ，ＬｏｎｇＳＲ，ｅｔａ１．Ｔｈｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉ０ｎａｎｄｔｈｅＨｉｌｂｅｒｔｓｐｅｃｔｒｕｍｆｏｒｎｏｎｌｉｎｅａｒａｎｄｎｏｎ－ｓｔａｔｉｏｎａｒｙｔｉｍｅｓｅｒｉｅｓａｎａｌｙｓｉｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｏｆＲｏｙａｌＳｏｃｉｅｔｙｏｆＬｏｎｄｏｎＡ，１９９８，４５４（１９７１）：９０３－９９５．［１５］王宏，ＮａｒａｙａｎａｎＲＭ，周正欧，等．基于改进ＥＥＭＤ的穿墙雷达动目标微多普勒特性分析［Ｊ］．电子与信息学报，２０１０，３２（６）：１３５５．１３６０．ＷＡＮＧＨｏｎｇ，ＮａｒａｙａｎａｎＲＭ，ＺＨＯＵＺｈｅｎｇ－ｏｕ，ｅｔａ１．Ｍｉｃｒｏ－ｄｏｐｐｌｅｒｃｈａｒａｃｔｅｒａｎａｌｙｓｉｓｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓｕｓｉｎｇ—ｔｈｒｏｕｇｈｗａｌｌｒａｄａｒｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＥＥＭＤ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎｉｃｓ＆ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，２０１０，３２（６）：ｌ３５５．１３６０．［１６］ＷＵＺＨ，ＨＵＡＮＧＮＥ．Ｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ：ａｎｏｉｓｅａｓｓｉｓｔｅｄｄａｔａａｎａｌｙｓｉｓｍｅｔｈｏｄ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＡｄａｐｔｉｖｅＤａｔａＡｎａｌｙｓｉｓ，２００９，１：１－４１．［１７］ＬＥＩＹＧ，ＨＥＺＪ，ＺＩＹＹＡｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＥＥＭＤｍｅｔｈｏｄｔｏｒｏｔｏｒｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙ［Ｊ］．ＭｅｃｈａｎｉｃａｌＳｙｓｔｅｍｓａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２００９，２３（４）：１３２７－１３３８．［１８］ＫｏｐｓｉｎｉｓＹ，ＭｃＬａｕｇｈｌｉｎＳ．ＤｅｖｅｌｏｐｍｅｎｔｏｆＥＭＤ－ｂａｓｅｄｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｓｉｎｓｐｉｒｅｄｂｙｗａｖｅｌｅｔｔｈｒｅｓｈｏｌｄｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２００９，５７：１３５１－ｌ３６２．［１９］ＭＡＸ，ＺＨＯＵＣ，ＫｅｍｐＩＪ．ＡｕｔｏｍａｔｅｄｗａｖｅｌｅｔｓｅｌｅｃｔｉｏｎａｎｄｔｈｒｅｓｈｏｌｄｉｎｇｆｏｒＰＤｄｅｔｅｃｔｉｏｎ［Ｊ］．ＩＥＥＥＥｌｅｃｔｒｉｃａｌＩｎｓｕｌａｔｉｏｎＭａｇａｚｉｎｅ，２００２，１８：３７４７．［２０］ｗＵＺＨ，ＨＵＡＮＧＮＥ．Ａｓｔｕｄｙｏｆｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗｈｉｔｅｎｏｉｓｅｕｓｉｎｇｔｈｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎｍｅｔｈｏｄ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＲｏｙａｌＳｏｃｉｅｔｙＡ，２００４，４６０（２０４６）：１５９７．１６１１．［２１］曹冲锋，杨世锡，杨将新．一种抑制ＥＭＤ端点效应新方法及其在信号特征提取中的应用［Ｊ】．振动工程学报，２００８，２１（６）：５８８．５９３．—ＣＡＯＣｈｏｎｇｆｅｎｇ，ＹＡＮＧＳｈｉ－ｘｉ，ＹＡＮＧＪｉａｎｇ－ｘｉｎ．Ａｎｅｗｍｅｔｈｏｄｆｏｒｒｅｓｔｒａｉｎｉｎｇｔｌｌｅｅｎｄｅｆｆｅｃｔｏｆｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓｔｏｓｉｇｎａｌｆｅａｔｕｒｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＶｉｂｒａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＥｘｔｒａｃｔｉｏｎ，２００８，２１（６）：５８８．５９３．收稿日期：２０１Ｏ－１１－１６；——修回Ｅｔ期ｌ２０１１１２２Ｏ作者简介：姚林朋（１９８１－），男，博士研究生，研究方向为大型电气设备在线监测和智能诊断。Ｅ－ｍａｉｌ：ｙａｏｌｉｎｐｅｎｇ＠ｓｊｔｕ．ｅｄｕ．ｃｎ