0　引言 　　對電網上運行的高壓電器設備進行局部放電（PD）在線監測，及時發現絕緣中存在的隱患，其意義十分重大。在線監測所采用的方法很多，其中電測法因其快速、準確和高精度的特點而被廣泛采用。電測法利用傳感器，通過檢測回路將局部放電（PD）產生的電信號引入數據采集和分析系統。由于空間電磁場與檢測回路相耦合，使得檢測回路引入PD信號的同時也引入了外界電磁干擾信號，其中載波通信干擾，亦稱離散譜干擾（discrete spectral interference，縮寫為DSI）是最主要的一種，從能量上看，DSI往往占信號總能量的80%以上。由此可見，對DSI的抑制效果如何直接關系到在線監測設備的檢測精度和可靠性。目前已經出現了許多抑制DSI的數字濾波方法［1～3］，但實踐經驗證明，大多數方法不具備較強的自適應能力和魯棒性，用于條件復雜的PD在線監測現場時，信噪比（SNR）較低，且往往會引起較大的PD信號畸變。為了獲得滿意的DSI抑制效果，以便為后續PD的識別打下良好的基礎，我們提出了一種基于競爭子網絡鄰抑制作用的新數字濾波方法，并在PD在線監測系統中得到了實際應用。 1　競爭子網絡 自組織網絡是人工神經網絡體系中一種比較重要的網絡類型，這類網絡在自組織過程中經常采用競爭學習方法。競爭過程按照“勝者為王”（the winner takes all）的方式組織［4］，即競爭過程結束后，獲勝的網絡節點輸出為1，所有未獲勝的網絡節點輸出為0。 在神經網絡系統中，該過程可用多種競爭子網絡來實現，MAXNET為一種典型的競爭子網絡，其結構如圖1所示。節點的連接為自興奮（從節點到其自身構成一正向連接自環）和鄰抑制（從一個節點到另一節點的負抑制連接）類型，以完成節點間的相互競爭。 [align=center] 圖1　MAXNET結構圖[/align] 　　Fig.1　Structure of MAXNET 　　MAXNET由m個節點構成，設uik是從第i個節點到第k個節點的連接權，可以?。? （1） 　　MAXNET根據各節點輸出值通過連接權相互作用迭代處理。節點i在t+1時刻的輸出yi（t+1）取決于各節點在t時刻的輸出yi（t），即： （2） 　　i,k∈｛1，2，…，m｝ 　　其中 （3） 　　式（3）所描述的節點函數f（x）是非線性的，它具有圖2所示的函數形式，通常稱為閾值邏輯激活函數。 [align=center] 圖2　閾值邏輯激活函數[/align] 　　Fig.2　Activation function 　　式（2）表明：每個節點都試圖保持自己的值并通過連接權抑制其他節點。這種作用方式稱為鄰抑制。如果函數f（x）的自變量x為正，則輸出yi（t+1）也為正；而所有那些自變量為非正值的節點，其輸出將為0。通過鄰抑制作用，競爭子網絡將經過若干次迭代過程使除了最大輸入外的所有輸入變為負值，并使得它們對應的輸出為0。最終剩下的一個正輸出將正好位于最大初值輸入的那個節點。將網絡輸出用階躍函數變換，就可得到“勝者為王”的結果：yj（t）=1，而yk（t）=0,k≠j。 2　鄰抑制作用在數字濾波中的應用 　　通過以上對MAXNET的分析，我們對競爭子網絡的結構和功能已經有些了解。需要說明的是：本文將要介紹的數字濾波方法不是要找到最大值所對應的節點，而僅是利用競爭子網絡的鄰抑制作用。這種作用的特點是：那些初值輸入較大的節點，受到其他節點的抑制作用弱，保持自身值的能力較強；初值輸入較小的節點，受到其他節點的抑制作用強，保持自身值的能力較弱，只需一次或幾次迭代，其輸出就有可能為0。 　　如何將鄰抑制作用運用到數字濾波環節中呢？我們知道：現場采集到的原始數據信號中包含有DSI和PD等放電信號的頻率成分，頻域中DSI的振幅譜是以主頻為中心的脈沖波形；而PD等放電信號則形成幾乎遍布整個頻域的平坦波形。DSI信號的能量集中，而放電信號的能量分散，因此從振幅譜來看，兩者幅值相差懸殊。如果將每段原始信號作傅里葉變換，得到的振幅譜值作為競爭子網絡的輸入，則此時網絡各節點依次對應著輸入信號中的不同頻率分量，適當選擇迭代次數和鄰抑制系數ε，可以使對應于PD等放電信號頻率分量的各節點輸出為0；而對應于DSI頻率分量的各節點輸出不為0。這樣，原始信號中的DSI頻率分量便可以確定，將這些頻率成分置為0，然后再從頻域返回時域，即可實現濾波。 3　鄰抑制數字濾波法在PD在線監測系統中的應用　　 PD在線監測系統的前置放大器頻帶為5 kHz～500 kHz，數據采集卡的采樣頻率設置為2 MHz。有關系統硬件的情況參見文獻［5］。監測系統的軟件部分以針對各種干擾的數字濾波程序為核心，其中抑制DSI是濾波過程中首先要做的工作。從我們開展局部放電在線監測系統的研制以來，已經積累了大量現場數據，通過對這些數字信號分段、加窗后進行的振幅譜分析，得出如下結論： 　　a.在0～500 kHz頻帶內，幾乎所有DSI信號的譜線均比放電脈沖信號所形成的振幅譜的基線要高15 dB以上； 　　b.在0～500 kHz頻帶內，振幅譜的平均幅值與最小的DSI所對應的幅值相當，且高于PD等脈沖信號形成的基線。 　　以上結論使在振幅譜中用競爭子網絡鄰抑制作用確定并分離DSI的工作成為可能。 　　下面以大連某一變壓器現場數據中的一段（1　　024個采樣點）為例進行說明。首先對該段數據加窗處理（hamming窗），然后作FFT得到對應0～500 kHz頻率段的振幅譜，波形如圖3（a）所示，將各點振幅譜幅值輸入MAXNET。MAXNET的結構為：節點個數m=512；橫向抑制系數ε=1/800。經過一次迭代處理（約1.5 s），輸出波形如圖3（b）所示。由圖3（b）可以清楚地看到：振幅譜中對應DSI窄脈沖處的各節點輸出不為0，其余節點輸出均為0。這說明雖然只迭代了一次，但該方法對小信號的抑制作用已十分明顯，而對大信號則無太大的抑制作用。這樣處理之后，只需將圖3（b）中幅值不為零的頻率成分濾除，而將幅值為零處的頻率成分保留下來，然后作IFFT，即可完成對該段數據中DSI信號的數字濾波。 [align=center] 圖3　現場數據的振幅譜經鄰抑制作用前后的對比[/align] 　　Fig.3　Comparison of the magnitude spectrum of field 　　signal before and after the lateral inhibition procedure 　　為驗證濾波效果，對采集系統一次采樣得到的128 kB（256段）數據進行了時平均功率譜密度分析。圖4為濾除DSI前后現場數據的時平均功率譜密度圖。通過對比，可以看出該濾波方法對DSI的抑制效果令人滿意，濾波后信號中幾乎沒有DSI的剩余譜。這使得DSI濾波過程不會引起太大的PD信號畸變。當針對所有干擾的數字濾波過程結束后，PD信號畸變的確較小，其波形如圖5所示，從波形細節來看，它仍具有顯著的振蕩衰減的脈沖形態。 [align=center] 圖4　濾波前后現場數據的時平均功率譜密度對比[/align] 　　Fig.4　Time-average power spectrum density 　　comparison of field signal before and after 　　the filtering procedure [align=center] 圖5　PD波形[/align] 　　Fig.5　Waveform of PD 　　另外，圖6給出在半個工頻周期中地線信號濾波前后的時域波形圖。通過校正脈沖和基線高度的對比可知：濾波后SNR提高了近10 dB，監測系統的檢測精度得到較大提高。 [align=center] 圖6　鄰抑制濾波前后現場數據的時域波形[/align] 　　Fig.6　Waveforms of field signal before and after 　　the lateral inhibition filtering procedure 　　通過對在線監測進行觀察，注意到：DSI信號的幅值時大時小，DSI的產生和消失無確定規律，而且現場外部放電的情況也因時間和天氣狀況的不同而產生較大差異。但從長期運行的結果來看，基于競爭子網絡鄰抑制作用的濾波方法具備了較強的自適應能力和魯棒性，這可以通過隨機抽取不同采樣時間的數據所進行的時平均功率譜分析得到驗證。 [b]4　結論 [/b]　　基于競爭子網絡鄰抑制作用的數字濾波方法有許多獨到之處： 　　a. MAXNET鄰抑制作用具有非線性，因此該方法具備較強的自適應能力，能根據DSI頻率的變化及調制頻率的變化自動確定出待濾除的頻率成分。 　　b.對幅值較大的DSI濾除徹底，對幅值高于基線且處于平均幅值水平的較小DSI亦有相當強的抑制作用，彌補了其他同類方法的主要缺陷，使在線監測系統可識別最小為3　　750 pC的PD，且PD波形畸變較小。 　　c.對振幅譜中不高于基線水平的各點的鄰抑制作用顯著，即使放電加劇使基線有一定增高，亦可在不作參數調整的情況下進行有效抑制。 　　該方法在大量現場運行中取得了較滿意的效果，很好地滿足了強干擾條件下局部放電在線監測的要求。 參 考 文 獻　　 ［1］Feser K, Konig G, Ott J, et al. An Adaptive Filter Algorithm for On-Site Partial Discharge Measurements. In: Conference Record of the 1988 International Symposium on Electrical Insulation. Boston: 1988 　?。?］Borsi H, Hartje M. New Methods to Record the Disturbance Influences on the In-Situ Partial Discharge Measurement and Monitoring. In: 6th International Symposium on High Voltage Eng. New Orleans: 1989 　　［3］Nagesh V, Gururaj B I. Evaluation of Digital Filters for Rejecting Discrete Spectral Interference in On-Site PD Measurements. IEEE Trans, 1993, EI-28（1）: 73～85 　　［4］周繼成，周青山，韓飄揚.人工神經網絡——第六代計算機的實現. 北京：科學普及出版社，1993 　?。?］王　哲，蔡惟錚, 陳學允.基于小波分析的高壓變壓器局部放電在線監測.電力系統自動化，1998，22 （4）: 19～23