剩余电流信号采集处理的关键技术研究①

剩余电流信号采集处理的关键技术研究①
作者：王飞
来源：《现代职业教育·中职中专》2017年第07期
[摘要] 对剩余电流产生的原因进行了简要的介绍，并研究了剩余电流波形的特性，提出了剩余电流处理算法，通过自适应噪声对消法对剩余电流波形进行去噪提取。

最后，对剩余电流提取的方法进行了研究，得出了关于剩余电流信号的均方误差算法特性曲线，提供了一种精确的剩余电流的信号处理方法。

[关键词] 剩余电流；信号分析；自适应；LMS算法；滤波器
[中图分类号] G712 [文献标志码] A [文章编号] 2096-0603（2017）20-0012-02
剩余电流引发的电气火灾占全国火灾总数的26%，每年给我国带来极大的人身和财产损失[1]。

电气火灾的爆发具有较为明显的季节相关性，其隐患高发期为每年的夏、冬两季[2]。

夏天常伴有大风雷暴天气，对户外电气设备造成极大的安全影响[3]。

在实际运行中，一旦台区发生剩余电流过大的情况便会直接导致剩余电流保护器动作，从而引起跳闸；若台区内存在少量的剩余电流，而其幅值又不足以使漏保动作，这将使得漏电现象在台区中长时间存在而又难以被察觉，造成设备和电缆的提前老化[4]。

因此，在线路发生漏电故障时快速准确地对漏电原因进行分析，及时地将安全隐患扼杀于摇篮中，对于保障农网安全、稳定运行，具有相当大的现实意义[5]。

一、剩余电流成因及隐患
剩余电流引发的电气灾害主要具有以下几个诱因：
（一）电缆本身的问题
铺设在阴暗潮湿地方的缆线由于周围的湿气影响和绝缘层老化导致绝缘电阻下降，使系统对地的绝缘阻抗变小。

在此种情况下，农网配电线路可能受到过电压/电流冲击，使得绝缘层发生击穿现象，从而导致集中性的漏电事故。

（二）设备使用时间超限，接线板潮湿
输配电网络一、二次侧的线路和重要零部件（如脱扣器、接触器等）由于长期的超负荷使用最终导致外层绝缘老化破损。

在这种情况下，即使带电器件触头与外壳不直接接触也会引发漏电，自动馈电开关中的继电器也会因调整螺丝长时间不加调试而跌落，从而产生对地放电现象。

（三）施工安装不当
由于人为原因造成的漏电事故所占比例一直居高不下，如工人施工时不遵守安全规范，误将地线和相线接在一起；城市道路野蛮施工损伤到了埋在地下的线缆导致绝缘破损；线路和设备连接处没有进行二次加固，致使连接处松动而引发漏电；随意搭建空中线缆，或者使用不加绝缘的金属物进行支撑。

这一切错误都可以通过提高从业人员的安全意识来避免。

二、剩余电流信号的算法处理研究
传统的剩余电流报警器数据处理模块是直接针对检测到的信号进行判断和预警的，其方法包括斜率算法、趋势算法和直观算法。

事实证明，由于干扰信号的多变性，直接对受到干扰的信号进行处理判断是不够严谨的，经常造成漏判和误判。

因此，针对信号的复杂性，本系统将进一步对其进行滤波和分离，最后提取出纯净的信号进行分析。

本文将采用当下较为成熟的自适应算法进行滤波，滤波后的信号则通过斜率算法进行预警判断。

此种算法是在卡尔曼滤波和维纳滤波的基础上发展而来的，它的自适应能力明显优于其他算法，具有更好的实际运行效果，其卓越性主要体现在信号处理领域。

在强噪音的模拟环境中提取出微弱的检测信号是工程实践中常遇到的挑战，以配电网络为例，谐波为电网的稳定运行带来了极大的安全隐患。

一个正常的农网配电系统中有大量的设备，肩负着输电、变电、配电的责任，还有大量的负载，这些设备和负载在运行的状态下造成了大量的噪声和谐波，污染了电网环境。

可以说谐波的存在对整个输配电网络都造成了极大的威胁，主要体现在以下几个方面：（1）干扰了电网电能的产生和运输效率；（2）导致载波通信失效；（3）加速了农网中用电设备的损坏；（4）引起传输中断和信息链断裂。

当我们对研究对象建立数学模型时，很难面面俱到地考虑所有变量。

为了解决这个困境，自适应算法便应运而生。

它能使不确定因素造成的误差在人为的干扰下逐步地趋近于无穷小。

三、自适应噪声对消在剩余电流信号处理中的应用
算法通过对输入信号进行多次迭代来估算梯度矢量，并不断地更新最佳权系数来优化迭代步骤，最后力求将滤波输出量和期望响应值之间的误差均方取到最小值，表达式如式（3-1）所示。

■（n）=？坠■=-2e（n）X（x）（3-1）
根据LMS算法滤波器的滤波系数矢量的变化和梯度矢量方向之间所存在的线性关系，可以写出：
■（n+1）=■（n）+■？滋-■（n）
=■（n）+？滋e（n）x（n）（3-2）
将此公式带入式（3-1）可推导出如下式：
■（n+1）=■（n）+？滋x（n）d（n）-■H（n）x（n）
=I-？滋x（n）xH（n）■（n）+？滋x（n）d（n）（3-3）
最小均方误差算法原理框图可简单表达如下：
首先是对起始值W（n）进行初定义，一般默认起始时间n=0的滤波系数矢量。

作为初始值，接着对实时滤波系数矢量进行初步估值，得到■（n），结合期望值d（n）和输入矢量x（n）对误差信号进行求解：
en=d（n）-xH（n）■（n）（3-4）
然后，对滤波器的滤波矢量进行重新估值：
■（n+1）=■（n）+？滋e（n）x（n）（3-5）
最后将n的叠加步长设为1，以■（n+1）替代■（n）重新对误差信号进行迭代求值直到达到稳态。

虽然最小均方差算法步骤简单，省去了计算输入矢量和矩阵求逆的步骤，但是由于其采用梯度矢量的瞬时计算，存在较大的方差，难以获得最优滤波性能。

现对最小均方差算法的整体性能进行分析。

LMS算法起始值w（0）可以在常数范围内进行任意取值，但是由于其过大的取值随机性，LMS自适应算法在滤波系数调节过程中会强烈的震荡，因此，为了解决这一问题，需要人为地设定一些假设条件：
首先，每个输入样本矢量x（k），k=0，1，2，…，n-1都是互相独立的，不相关的，即
Ex（n）xH（K）=0；k=0，1，2，…，n-1 （3-6）
其次，全部的输入样本矢量x（k），k=0，1，2，…，n-1与期望样本矢量d（k），
k=0，1，2，…，n-1也是互相独立且不相关的，即
Ex（n）d（K）=0；k=0，1，2，…，n-1 （3-7）
最后，期望信号d（n）与输入矢量x（n）之间存在线性关系，但是所有过去测得的矢量值也都是相互独立的。

综上所述，LMS自适应滤波器的滤波矢量■（n+1）在（n+1）时刻的取值依赖于三个值：
1.过去样本矢量：
x（k），k=n，n-1，0 （3-8）
2.期望信号的过去样本值：
d（k），k=n，n-1，…0 （3-9）
3.滤波系数矢量的起始值：■（0）：
若将系数的误差看成矢量？驻w（n）代入式（3-5）可得：
w（n+1）=I-？滋x（n）xH（n）？驻w（n）+w0+？滋x（n）d（n）
=I-？滋x（n）xH（n）？驻w（n）
+w0+？滋x（n）d（n）-x（n）xH（n）w0 （3-10）
在上式中，w0是最优滤波矢量系数，？驻w（n）是上式的误差矢量：？驻w（n）=？驻w（n）-w0 （3-11）
如果将w0与左边项合并则■（n+1）-w0重新化为新的误差矢量误差，由此可将式（3-11）写成：
？驻w（n+1）=I-？滋x（n）xH（n）？驻■（n）+
？滋x（n）d（n）-x（n）xH（n）w0 （3-12）
对上式左右两端取期望值，可以推导出：
E？驻（？驻w+1）=EI-？滋x（n）xH（n）？驻■（n）
+？滋Ex（n）d（n）-x（n）xH（n）w0
=（I-？滋Ex（n）xH（n））E？驻■（n）+
？滋Ex（n）d（n）-？滋Ex（n）xH（n）w0
=（I-？滋R）E？驻■（n）+？滋（P-Rw0）
总之，当供电线路正常时对其采集剩余电流信号，发现其组成部分分为正弦信号和噪声信号，其中噪声信号是在传输过程中由各种用电干扰造成的，由于其幅值较低，对信号的正弦特
性不会产生太大影响。

但是，当线路或者电网中的用电设备发生严重的漏电情况时，将会产生极大的噪声干扰，滋生出大量谐波，使测到的电流信号失真，以至于丧失正弦特性。

由于噪声信号相对谐波幅值仍然较小，故不将噪声纳入考虑范围。

和最陡下降法进行比较，其每次迭代之后都要重新计算梯度矢量的值，这样才能使滤波系数矢量w（n）取到最佳维纳解w0，这时滤波器的均方误差可以取到最小。

最小均方误差算法对于误差的噪声估计使得最后的滤波权矢量只能无限接近维纳解w0，这将导致滤波均方误差？孜（n）和迭代次数n将形成不对称反比关系，最后得到的？孜（∞）将会大于其真实值。

其步长参数？滋的值越小则学习曲线（MSE）的顺滑度越好，对于自适应的横向滤波器来说，若起始系数都取理想值w（0）且具有相同步长n，并从同一个集合中随机抽取多个平稳遍历性的输入值，将可以推出自适应滤波器的MSE，它是由100个左右的单独均方误差结果加以平均而得到的。

由此可知，E？孜（n）完全可以被用来表述均方误差算法的特性。

参考文献：
[1]吴宇红，王新华，方百荣.农网配电设备远程故障诊断技术的研究与应用[J].中国电业（技术版），2015（2）：44-48.
[2]郝景昌，张子云，陈利.农网改造升级中通信传输网的建设及应用[J].农村电气化，2012（5）：16-17.
[3]张学楷.低压线路常见电气火灾原因分析认定及预防措施研究[D].重庆大学，2005.
[4]Hong-Jun Ding.Discussions upon istribution Line
Electrical Fire Prevention & Control[J]. Procedia Engine
ering，2013（52）.
[5]El Hadj Miliani. Leakage current and commutation
losses reduction in electric drives for Hybrid Electric Vehicle[J]. Journal of Power Sources，2014（255）.。