变电站局部放电超高频信号时延估计算法研究.docxVIP

变电站局部放电超高频信号时延估计算法研究 0 信号时延估计 局部放电监控是及时发现设备绝缘缺陷的有效方法，可以防止绝缘寿命中的故障。超高频(UHF)电磁波具有抗干扰性强、灵敏度高和传播速度稳定等优点,将其应用于局部放电定位及故障诊断是目前的研究热点之一。 时延估计是基于时间差的变电站局部放电定位算法的基础,也是决定定位准确度的关键。目前的时延估计算法主要有阈值法、能量积累法和相关估计法等。阈值法即设定1个阈值,把信号幅值超过阈值的时刻作为信号的波前时刻。能量积累法即寻找接收信号的能量积累曲线的拐点作为信号的波前时刻,将多个不同位置的传感器接收到信号波前时刻的差值作为信号时延的估计值。这2种方法计算简单且容易实现,但要求信号具有较高的信噪比。当信号的信噪比较低、甚至信号被噪声掩埋时,这2种方法都不能准确得到信号的波前时刻。 相关估计法即计算不同位置传感器接收到信号之间的互相关函数,将互相关函数取最大值的点作为信号间的时延估计。但该方法要求2路信号具有较好的相似性,以及2路信号的噪声平稳且不相关。而实际应用中可能遇到噪声相关、非平稳的情况,故在现场信号的处理中,用相关估计法估计信号时延所得的结果也不准确。 统计信号处理研究方法包括高阶统计量理论、稳定分布理论以及循环平稳理论等,为解决信号时延估计问题提供了新的模型和理论工具。Tugnait等利用高阶累积量的方法解决了相关Gaussian噪声中非Gaussian信号的时延估计问题。由于Gaussian有色噪声的高阶累积量恒为0,所以当1个非Gaussian信号在加性Gaussian有色噪声中被观测时,观测过程中的高阶累积量与非Gaussian信号的高阶累积量等价,而相关函数以及高阶矩都不具有该性质,因此在信号的高阶统计分析中常使用高阶累积量作为非Gaussian信号的分析工具。实验证明该方法比阈值法、能量积累法及相关估计法得到的时延更加准确。 本文以Tugnait的理论为基础,研究了基于高阶累积量的局部放电超高频信号时延估计算法;通过以双指数振荡衰减函数模拟局部放电超高频信号,从而验证了该时延估计算法的准确性;利用该时延估计算法计算变电站实测超高频信号的时延,并将该时延序列应用于变电站局部放电定位系统,估算出局部放电源的空间位置,验证了该算法的有效性和实用性。 1 基于高累积曲线的信号时延估算原理 1.1 高阶累积量的计算 令a=[a1,…,aN]T为一随机向量,则a的r阶联合累积量定义为 式中:cr{·}为r阶联合累积量的计算函数;k1~kL为每个序列的阶数;L为序列数;Φ(ω1,ω2,…,ωL)为随机向量a的第1联合特征函数;ωi(i=1,2,…,L)表示连续时间的角频率分量。 式中:e为自然对数底数;E(·)为数学期望。 平稳随机过程序列{b(n)}的r阶自累积量为 式中,τm(m=1,2,…,r-1)表示时延。 由文献所述的高阶累积量性质可知,当1个非Gaussian信号在加性Gaussian有色噪声中被观测时,观测过程的高阶累积量与非Gaussian信号的高阶累积量等价,而高阶矩不具有该性质,因此在信号的高阶统计分析中常使用高阶累积量作为非Gaussian信号的分析工具,而不使用高阶矩。 由于高阶统计量理论及计算过于复杂,且对于概率密度分布对称的随机过程,其3阶累积量恒为0,因此考虑到时延估计算法的计算量和稳定性,下文分析基于4阶累积量的信号时延估计算法。 1.24 信号xt的自累积量 2个激励源相同、时延为D的信号x(t)和y(t)可以用统一的信号模型来表示 式中:s(t)为未知信号;s(t-D)为延迟时间为D的未知信号;A为信号增益常数;w1(t)与w2(t)为未知的加性噪声源,本文中设为零均值的平稳Gaussian噪声,且与s(t)独立。 定义信号x(t)和y(t)的4阶累积量为 式中,*表示共轭(下同)。将信号模型式(4)代入式(5),并由高阶累积量的性质可得 C4s(τ1,τ2-D,τ3-D)为信号s(t)的4阶自累积量;定义信号x(t)的4阶自累积量为 同理可得 由式(9)和式(11)可得 由式(8)和式(9)可以知道,Cxxyy(τ1,τ2,τ3)和C4x(τ1,τ2,τ3)之间的时延为D,因此D可以通过2者在时间上的互相关函数得到,定义Cxxyy(τ1,τ2,τ3)和C4x(τ1,τ2,τ3)的互相关函数为 将式(12)代入式(13)可得 当τ=D时,|Rxy(τ)|取最大值。上文的分析给出了基于4阶累积量的信号时延估计的理论依据,即该算法的实质是以2路信号的4阶自累积量及4阶互累积量代替信号本身来做互相关函数,从而估计信号时延。 24 基于状态估计的信号时延估计 将式(7)所示的信号模型离散化,则时延估计问题转化为根据有限长的观测结果{x(n)}和{y(