关键词：煤矿高压电缆； 局部放电脉冲信号； 噪声信号； 阈值去噪； 小波熵； 噪声能量阈值

0引言

煤矿高压电缆局部放电(Partial Discharge，PD)脉冲信号的降噪提取问题不仅关系着在线监测装置的可靠性与灵敏度，还是其性能提高的关键。对煤矿供电系统来说，在电缆的实际运行环境中会有各种各样的噪声干扰。因此，在煤矿井下采集PD信号的过程中无法避免地会采集到大量噪声，当噪声信号较大时可能会淹没PD信号[1]，不仅会影响电磁耦合传感器对信号的检测，而且还降低了绝缘监测的精确度。为了提高所采集信号的信噪比，保证在线绝缘监测的准确性，对信号进行去噪至关重要。目前研究人员提出了一些煤矿高压电缆PD脉冲信号的去噪算法，如文献[2]中基于窗函数的变换短时傅里叶变换算法，但该算法不能确切反映信号的频率情况，在宽频带区域对PD信号与噪声的区分度较低；文献[3-5]中采用小波变换进行PD信号降噪，其去噪性能由小波函数决定，若小波函数选择不当会导致去噪性能很低；文献[6]提出采用空域相关算法对PD信号进行去噪，但该算法会将高频部分的信号误判为噪声并去除，将低频部分的噪声误判为信号并保留，导致一些噪声无法去除，且不能保证PD信号的完整性。本文在空域相关算法的基础上进行优化，提出小波熵空域相关算法，根据小波熵的大小来选取噪声能量阈值，以准确反映噪声与PD信号之间的相关程度，通过减小两者之间的相关性来识别并去除噪声。该算法在宽频带区域和窄频带区域都能很好地去除噪声，且可避免误判。

1空域相关算法去噪原理

空域相关算法采用尺度空间相关性对PD信号进行去噪。把含有噪声的PD信号进行多尺度分解后，会发现信号的突变信息在不同尺度上的同一位置都有细节信息，而噪声能量的变化规律是随尺度增大而减小[7-8]。依据这一原理可对含有噪声的PD信号进行多尺度相关性分析，从而去除其中的噪声，保留信号的细节信息，并通过重构来获取去噪后的PD信号。

用J表示分解的最大尺度，f(j,n)表示尺度j上n点处信号的分散小波变换，取邻近尺度的小波系数计算相关系数，定义[9]：

(1)

C(j,n)为尺度j上n点处的相关系数，j<J-l+1，l为参加相关计算的尺度数，一般取l=2，则有

C(j,n)=f(j,n)f(j+1,n)

(2)

为突出C(j,n)和f(j,n)的不同，先对C(j,n)进行归一化，归一化后的C(j,n)计算公式为

CN(j,n)=C(j,n)

n=1,2,…,N

(3)

式中：PW(j)为小波系数能量；PC(j)为相关系数能量；N为小波系数点数。

PW(j)，PC(j)的计算公式分别为

(4)

(5)

将CN(j,n)与f(j,n)进行比较，判断第j层中的PD信号细节信息与噪声信息，进而实现去除信号中噪声并且保留信号中细节信息的目的。

将CN(j,n)与f(j,n)进行比较，甄别PD信号的重要边缘。如果CN(j,n)>f(j,n)，那么这一点就是PD信号产生的，要存储f(j,n)的位置与大小，将CN(j,n)与f(j,n)相应的点置零，然后用f′(j,n)和CN′(j,n)表示剩余的数据。最后将CN′(j,n)中相对应的能量归一化到f′(j,n)上，再通过比较它们的大小，找出PD信号的次重要边缘。反复以上步骤，直至从f(j,n)中选出一个点，其所对应的能量值符合第j个尺度上的噪声能量阈值的要求。

上述迭代过程就是将从f(j,n)中选取的数值点重新组合成为一个新的量fN(j,n)，fN(j,n)中保留了大部分边缘，并去除了大部分噪声，然后再依据信号之间的相关性来决定各层系数是否保留。在每一个尺度上进行重复反馈，直至得到去除噪声后的fN(j,n)，依此重构回去，就能获取去除噪声后的PD信号。

2小波熵空域相关算法去噪原理

为了更好地去除噪声干扰，保留原始的煤矿高压电缆PD信号，本文在空域相关算法的基础上进行优化，得到小波熵空域相关算法。小波熵是小波变换和信息熵的有效集合，它可以很好地反映信号中成分的多样性水平，既具有对信号在局部频率尺度上的解析能力，又有计算信号能量分布的能力[10-11]。小波熵空域相关算法中噪声能量阈值是由小波熵的大小决定的，通过改变阈值大小来调节PD信号与噪声之间的相关性，从而区分PD信号与噪声，达到去除噪声的目的。

2.1 噪声能量阈值确定

通过小波变换多尺度分析后得到PD信号的各个尺度信息，进行量化处理后得到小波熵的大小。第j层小波系数的总能量为[12]

(6)

将小波系数均分为k个子区间，其中一个子区间的点数为q=N/k，则第i个子区间的小波系数能量为

(7)

式中：m=q(i-1)+1；M=qi。

第i个子区间的小波系数能量占总能量的比重为

pj,i=

(8)

第i个子区间的小波熵定义为

(9)

将各个尺度信息分别看成是一个信号源，把各个尺度小波系数均分成一个个子区间，求出每个子区间的小波熵值。对于PD信号来说，其小波系数主要在低频区，而噪声一般集中在高频区，假设高频区都是噪声信号，则噪声能量阈值为[13]

h(j)=

(10)

高频区也有PD信号成分，若认为高频区都是噪声信号，会将高频区的PD信号误去除。因此，应通过选择适当的阈值来结束迭代过程，避免上述问题。小波熵的大小可以体现PD信号的复杂程度及其尺度空间的能量分布情况，小波熵越大，表明PD信号中的噪声越多。因此，可以依据小波熵的大小选取噪声能量阈值[14]。

假设小波熵值的最大区间是第i个子区间，噪声变化关系可以通过PD信号小波熵的最大值来体现，选用小波熵值最大区间系数均值作为噪声能量的阈值，对空域相关算法进行优化，则其噪声能量阈值为

h*(j)=

(11)

当煤矿高压电缆PD信号的高频细节信息较弱时，会被噪声完全覆盖掉，采用空域相关算法从高频到低频计算其相关性。如果噪声成分较多，会使PD信号模极值点的相关系数发生改变。选择h*(j)作为噪声能量的阈值，可以很好地避免此类问题。

2.2 小波熵空域相关算法步骤

(1) 求出高频尺度j=1的相关系数C(j,n)，根据式(3)求出归一化系数。比较CN(1,n)与f(1,n)的大小，当CN(1,n)≥f(1,n)，保留PD信号信息fN(1,n)，将n点处的小波变换值视为由PD信号产生。将f(1,n)中n点处的系数更换到fN(1,n)的相应位置，保留该点的值，把该点n处的f(1,n)和C(1,n)置零，再从高频到低频查找PD信号相关性信息。此时fN(1,n)中保留了f(1,n)，去除了噪声的小波系数。

(2) 当j>1时，比较CN(j,n)和的大小，若CN(j,n)≥f(j,n)，则将fN(j,n)更换为新获取的PD信号信息，重复上述过程，直到满足噪声能量阈值h*(j)为止。

3测试分析

3.1 实验室降噪测试分析

将小波熵空域相关算法应用于基于双CPU的高压电缆在线绝缘监测系统中，测试其去噪效果。由于煤矿高压电缆大部分电压等级是6 kV[15]，所以在实验室中以6 kV尖端放电模拟构造局部放电信号。先向PD信号中加入噪声信号，再用小波熵空域相关算法对含有噪声的PD信号进行去噪，最后通过实验结果来分析去噪效果。实验室模拟装置如图1所示。

图1 实验室模拟装置
Fig.1 Laboratory simulation device

通过实验室模拟实验得到去噪前后的效果对比，如图2所示。

(a) 去噪前

(b) 去噪后

图2 实验室去噪效果
Fig.2 Denoising effect in laboratory

为了更加清晰地反映该算法的去噪效果，引入信噪比作为PD信号去噪性能的评价指标。根据实验所得的数据计算可得，去噪前信号的信噪比为3.26 dB，采用小波熵空域相关算法去噪后信号的信噪比为10.45 dB，验证了采用小波熵空域相关算法去除噪声的有效性。

3.2 现场降噪测试分析

实验室环境下的噪声远小于煤矿现场的噪声，因此，在某煤矿6 kV地面变电所，通过现场测试绝缘受损的煤矿高压电缆来检验小波熵空域相关算法在实际煤矿环境中的去噪效果。现场测试装置如图3所示。

图3 煤矿现场测试装置
Fig.3 Test devices at coal mine field

通过煤矿现场测试得到降噪前后的效果对比，如图4所示。

(a) 去噪前

(b) 去噪后

图4 煤矿现场测试去噪效果
Fig.4 Denoising effect at coal mine field

根据测试数据计算得出，去噪之前信号的信噪比为5.64 dB，采用小波熵空域相关算法去噪之后，信号的信噪比为12.08 dB。该结果进一步证明了小波熵空域相关算法具备较好的降噪能力，从而说明了该算法的可行性与实用性。

4结语

将小波熵空域相关算法应用于煤矿高压电缆在线绝缘监测系统对PD信号进行去噪。实验室模拟实验和煤矿现场测试结果表明，小波熵空域相关算法具有很好的降噪能力，能够有效去除高压电缆在线监测的噪声干扰；该算法不仅减小了将噪声误判为信号的可能性，而且可以很好地消除各尺度系数中的干扰，很好地保留了PD信号的完整性，提高了煤矿高压电缆在线绝缘监测的准确性。

参考文献(References)：

[1] 王永升,李晓娜,赵国栋,等.煤矿高压电缆绝缘在线监测研究[J].工矿自动化,2016,42(6):65-69.

WANG Yongsheng,LI Xiaona,ZHAO Guodong,et al.Research of online monitoring of high voltage cable insulation degradation of coal mine[J].Industry and Mine Automation,2016,42(6):65-69.

[2] LUO G,ZHANG D,KOH Y,et al.Time-frequency entropy-based partial-discharge extraction for nonintrusive measurement[J].IEEE Transactions on Power Delivery,2012,27(4):1919-1927.

[3] 欧阳明鉴,杜伯学,魏国忠.小波变换在局部放电声信号提取中的应用[J].电力系统及其自动化学报,2004,16(4):16-19.

OUYANG Mingjian,DU Boxue,WEI Guozhong.Application of wavelet transform in acoustic signal extraction of partial discharge[J].Proceedings of Electric Power System and Automation,2004,16(4):16-19.

[4] 马星河,马利,周涛,等.矿用电缆绝缘监测PD信号降噪新方法的研究[J].电子测量技术,2016,39(1):123-127.

MA Xinghe,MA Li,ZHOU Tao,et al.Study on new method of on-line monitoring of PD signal noise insulation cable for mine[J].Electronic Measurement Technology,2016,39(1):123-127.

[5] MAHESWARI R V,SUBBURAJ P,VIGNESHWARAN B,et al.Partial discharge signal denoising using adaptive translation invariant wavelet transform-online measurement[J].Journal of Electrical Engineering and Technology,2014,9(2):695-706.

[6] 肖倩,王建辉,方晓柯,等.一种基于互相关函数的小波系数相关阈值去噪方法[J].东北大学学报(自然科学版),2011,32(3):318-321.

XIAO Qian,WANG Jianhui,FANG Xiaoke,et al.A wavelet coefficient threshold denoising method based on a cross-correlation function[J].Journal of Northeastern University(Natural Science),2011,32(3):318-321.

[7] 王新,王建顺,周涛.电力电缆故障定位与检测信号去噪研究[J].计算机仿真,2015,32(11):137-140.

WANG Xin,WANG Jianshun,ZHOU Tao.Research on power cable fault location and detection signalde-noising[J]. Computer Simulation,2015,32(11):137-140.

[8] 李仲宁,罗志增.基于小波变换的空域相关法在肌电信号中的应用[J].电子学报,2007,35(7):1414-1418.

LI Zhongning,LUO Zhizeng.Spatial correlation filtering based on wavelet transformation application to EMG de-noising[J]. Acta Electronica Sinica,2007,35(7):1414-1418.

[9] 徐洁,付强.基于小波分析的脉搏波信号去噪[J].计算机仿真,2012,29(9):235-238.

XU Jie,FU Qiang.Denoising of pulse wave signal based on wavelet analysis[J].Computer Simulation,2012,29(9):235-238.

收稿日期：2017-08-10；修回日期：2017-11-02；责任编辑：李明。

基金项目：煤炭科学技术研究院科技发展基金资助项目(2015CX06)。

作者简介：赵云龙(1989-)，男，河北邢台人，助理工程师，硕士，主要从事煤矿安全方面的研究工作，E-mail:zhaoyunlong@ccrise.cn。

引用格式：赵云龙，魏峰.矿用到货自动登记系统设计[J].工矿自动化，2017,43(12)：26-31.

ZHAO Yunlong,WEI Feng.Design of automatic arrival registration system of coal mine[J].Industry and Mine Automation，2017,43(12)：26-31.

[10] 付会凯.基于多种小波熵和信号熵的植物电信号特征提取[J].农机化研究,2013,35(9):38-40.

FU Huikai.Feature extraction of plant electrical signals based on multi-wavelet entropy and signal entropy[J].Journal of Agricultural Mechanization Research, 2013,35(9):38-40.

[11] ROSSO O A,BLANCO S,YORDANOVA J,et al.Wavelet entropy：a new tool for analysis of short duration brain electrical signals[J].Journal of Neuroscience Methods,2001,105(1):65-75.

[12] 李文,刘霞,段玉波,等.基于小波熵与相关性相结合的小波模极大值地震信号去噪[J].地震学报,2012,34(6):841-850.

LI Wen,LIU Xia,DUAN Yubo,et al.Wavelet modulus maxima denoising of seismic signals based on combined wavelet entropy and correlation[J].Acta Seismologica Sinica,2012,34(6):841-850.

[13] 彭云辉,刘云峰,杨小冈,等.基于空域相关的激光陀螺信号滤波方法研究[J].红外与激光工程,2007,36(4):493-496.

PENG Yunhui,LIU Yunfeng,YANG Xiaogang,et al.Spatial correlation denoising for signal of laser gyro[J].Infrared and Laser Engineering,2007,36(4):493-496.

[14] 陈晓娟,王文婷,贾明超,等.基于小波熵自适应阈值的语音信号去噪新方法[J].计算机应用研究,2014,31(3):753-755.

CHEN Xiaojuan,WANG Wenting,JIA Mingchao,et al.New denoising method for speech signal based on wavelet entropy and adaptive threshold[J].Application Research of Computers,2014,31(3):753-755.

[15] 董爱华,苏英.基于多小波的煤矿井下动力电缆故障定位研究[J].工矿自动化,2014,40(5):37-42.

DONG Aihua,SU Ying.Research of fault location of underground power cable based on multi-wavelet[J].Industry and Mine Automation,2014,40(5):37-42.

Research on partial discharge pulse signal denoising of high voltage cable in coal mine

ZHOU Bing

(Information Engineering College, Jiaozuo University, Jiaozuo 454000, China)

Abstract:In view of the problem that partial discharge pulse signal of high voltage cable in coal mine is easily interfered by underground noise and impacts on accuracy of insulation monitoring, wavelet entropy spatial correlation algorithm was proposed for partial discharge pulse signal denoising. In the algorithm, value of wavelet entropy is used as threshold of noise energy, and correlation between partial discharge pulse signal and noise is adjusted by changing threshold, and then the noise is distinguished and removed. The laboratory experiment and field test results show that the algorithm not only reduces the possibility of misjudging noise as a signal, but also can eliminate the interference in every scale coefficients well, keep the integrity of the partial discharge pulse signal well and improve the accuracy of on-line insulation monitoring of coal mine high voltage cable.

Key words:high voltage cable in coal mine; partial discharge pulse signal; noise signal; threshold denoising; wavelet entropy; noise energy threshold

文章编号：1671-251X(2017)12-0022-05

DOI:10.13272/j.issn.1671-251x.2017.12.005

中图分类号：TD611

文献标志码：A 网络出版时间：2017-12-06 10:15

网络出版地址：http://kns.cnki.net/kcms/detail/32.1627.TP.20171205.1736.004.html

收稿日期：2017-06-26；

修回日期：2017-10-20；责任编辑胡娴。

基金项目：河南省科技攻关计划项目(092102210356)。

作者简介：周冰(1981-)，男，河南焦作人，讲师，主要从事计算机监控等方面的研究工作, E-mail:hpummm@126.com。

引用格式：周冰.煤矿高压电缆局部放电脉冲信号去噪研究[J].工矿自动化，2017,43(12)：22-26.

ZHOU Bing. Research on partial discharge pulse signal denoising of high voltage cable in coal mine[J].Industry and Mine Automation，2017,43(12)：22-26.