关键词:
电缆故障定点
声音信号识别
声音信号增强
矢量量化
MMSE谱估计
摘要:
地下电力电缆因其占地面积小、运行可靠、有利于美化城市环境等优点,在城市电网中的应用越来越广泛。然而,随着我国社会经济的增长和城市规模的扩大,导致电缆负荷增加、工作周期增长,且加之外力损伤、绝缘老化等因素,使电缆容易出现故障。由于电缆敷设于地下导致故障查找困难,而长时间的电力中断会给社会生产和人们生活带来极大影响,因此及时准确地定位出电缆故障点具有重要的现实意义。本文基于电缆故障定位技术和声音信号处理技术的发展现状,针对电缆故障定点中闪络放电声音信号在复杂背景噪声下的检测和降噪问题,研究检测和增强放电声音信号的方法,以提取有效的放电声音信号,从而精确定位电缆故障,主要工作包括:首先,分析了基于声磁同步原理的电缆故障定点方法中需要解决的关键问题,给出了电缆故障点闪络放电声音信号的预处理方法,主要包括声音信号截取、预加重、分帧加窗、噪声估计和端点检测等处理。该方法首先以电缆故障点闪络放电信息中的磁场信号的起始时刻为起点,保留该时刻之后的200ms时间段的声音信号;其次对该时段的声音信号进行预加重和加窗分帧得到声音信号处理的帧单元;然后基于统计特性的噪声估计算法得到每帧声音信号的估计噪声谱;最后计算每帧声音信号的频带方差值,并将估计噪声谱计算的频带方差值作为阈值,得到有声段的起止端点。在MATLAB中对噪声估计算法和端点检测算法进行的仿真验证了这两种算法的有效性,前者能够获得准确的背景噪声谱,后者能准确判断有声段的起止点。然后,针对电缆故障点闪络放电声音信号的检测问题,本文提出了一种以频谱质心和梅尔频率倒谱系数(MFCC)为特征的矢量量化的放电声音信号识别方案。该方案在短时傅里叶变换特征分析方法的基础上,选取频谱质心和MFCC构成25维的特征矢量,采用分裂法的LBG算法训练矢量量化器的最佳码书模板。在MATLAB中进行的仿真验证了该方案的有效性,所训练的码书模板在不同背景噪声和低信噪比下能够有效辨识放电声音。针对电缆故障点闪络放电声音信号的降噪问题,本文结合最小均方误差对数谱估计算法(MMSE-LSA)和人耳听觉掩蔽效应提出了一种单通道放电声音增强算法,该算法在MMSE准则下得到最优对数谱估计,再利用噪声谱分量被目标声音掩蔽的概率进一步调节谱估计,去除残留噪声,采用全局信噪比和加权频带分段信噪比将该算法与谱减法、MMSE-LSA算法进行比较,仿真结果表明,本文提出的声音增强算法能够有效消除背景噪声,获得清晰的放电声音。最后,在基于定点型DSP处理器的电缆故障定点仪上,将本文提出的电缆故障点闪络放电声音信号检测与降噪算法进行实例化,并在不同的电缆故障现场进行故障定点实验,结果表明,所提出的算法能够有效地检测到放电声音和去除背景噪声,获得稳定的声磁时间差值,测听到清晰的放电声音,从而快速、准确地定位电缆故障点。