★ 劉剛，曹金才，沈建偉 新疆送變電有限公司

關鍵詞： 自適應濾波算法；高壓輸電線；線路導線；散股信號處理

1  引言

高壓輸電線路作為電力系統的重要組成部分，其運行的安全性和可靠性對電力供應的穩定具有重要意義。然而，在長期運行過程中，由于外部環境、機械振動以及電磁干擾等因素的影響，高壓輸電線路的導線可能出現散股現象[1]。這種現象不僅會導致電力傳輸性能的下降，還可能引發嚴重的安全隱患。因此，如何準確檢測和有效處理導線散股信號成為電力工程領域亟待解決的問題之一[2]。

傳統的導線散股信號處理方法多依賴于固定濾波器或基于頻譜分析的技術，這些方法在應對復雜噪聲環境和非線性干擾時存在一定的局限性。自適應濾波算法作為一種動態調整模型參數以適應信號特性的信號處理技術，具有良好的魯棒性和實時性，被廣泛應用于各類復雜信號處理領域。

本文針對高壓輸電線路導線散股信號的特性，研究了基于自適應濾波算法的信號處理方法，并通過分析導線散股信號的主要特征和干擾源，設計了適用于該場景的自適應濾波器模型，進一步實現了對散股信號的準確提取和噪聲抑制。

2  高壓輸電線路導線散股信號的特性分析

2.1   導線散股信號的主要特征

高壓輸電線路導線散股現象是指輸電線路的導線在運行過程中，由于受到各種力的作用或材料老化等原因，部分股線從原有的束狀結構中松脫或斷裂的現象。這種現象不僅影響輸電線路的傳輸效率和安全性，還可能造成系統故障，因此對導線散股信號的特性分析是進行信號處理和故障診斷的基礎[3]。導線散股示意圖如圖1所示。

圖1 導線散股示意圖

根據圖1可知，導線在原始狀態下是直線排列的，而當電流流過導線時，由于不同區域的電流密度不同，導線會產生一定程度的“散股”或變形。散股現象通常表現為導線的局部區域因電流分布不均勻而產生輕微形變，或者由于相互之間的電場作用力導致導線的某些部分會相對移動，造成散開[4]。

導線散股信號具有瞬態性、非平穩性、寬頻特性以及較強的隨機性，因此信號的檢測和處理過程十分復雜。導線散股信號的主要特征概括如下表1所示。

表1 導線散股信號主要特征

2.2   干擾源與信號噪聲分析

高壓輸電線路附近的強電磁場會對信號采集系統造成顯著干擾，形成電磁干擾噪聲，從而出現高頻信號。其頻率范圍通常覆蓋寬帶，幅值波動較大。電磁干擾信號可近似表達為式（1）：

其中，AEM表示干擾幅值，fEM表示干擾頻率， EM為干擾相位。這類噪聲的隨機性和高頻特性往往與散股信號的頻譜特性部分重疊，增加了信號分離的難度。

自然環境中的大氣噪聲也是影響散股信號的主要因素之一。雷電、風振以及雨滴撞擊導線表面會產生低頻和中頻的擾動信號。這類噪聲的功率密度隨時間呈現強烈波動，功率譜密度表示為式（2）：

其中，C為常數，f為頻率。由于大氣噪聲的能量主要集中在低頻區間，與導線振動的低頻特征部分重合，進一步干擾了信號的特征提取[5]。

機械振動噪聲同樣對導線散股信號有顯著影響。這類噪聲主要來源于導線自身的振動、輸電塔基座的晃動以及風載荷對線路的周期性作用。機械噪聲具有較強的周期性，其表達形式為式（3）：

其中，Amech和fmech分別表示機械噪聲的幅值和頻率，n(t)為疊加的隨機成分。該噪聲不僅與散股信號的時間域特征交疊，還會在頻譜中引入混疊效應。

環境噪聲的復雜性使得散股信號的處理更加困難。這些噪聲往往疊加形成混合噪聲信號，可用式（4）公式描述：

混合噪聲的存在使得導線散股信號的信噪比顯著降低，對信號提取和特征分析造成了較大挑戰。

3  基于自適應濾波算法的導線散股信號處理方法

3.1    自適應濾波器參數設計

在高壓輸電線路導線散股信號處理中，自適應濾波器作為一種有效的信號處理工具，能夠動態地根據輸入信號的變化調整其濾波參數，從而實現對噪聲的抑制和信號的增強。在設計自適應濾波器時，濾波器的參數選擇是決定其性能的關鍵因素之一，合理的參數設計能夠顯著提高信號處理的效果[6]。

自適應濾波器的基本結構由一個輸入信號處理模塊、一個濾波器模型、一個誤差計算模塊以及參數更新模塊組成。其輸出信號表示為式（5）：

其中，y(t)為濾波器的輸出信號，Wk(t)為濾波器的權重系數， x(t - k)為輸入信號的延遲版本， M為濾波器的階數。自適應濾波器的目標是調整權重系數Wk(t)，使得輸出信號與期望信號之間的誤差最小[7]。

為了實現這一目標，本文引用的自適應算法為最小均方誤差（Least Mean Square，LMS） 算法，其誤差計算公式為式（6）：

其中，e(t)為誤差信號， d(t)為期望信號， y(t)為濾波器的輸出。通過LMS，更新權重系數的公式為式（7）：

其中，為步長因子，控制權重更新的速度。步長因子的選擇對于濾波器的收斂速度和穩定性具有重要影響。過大的步長可能導致濾波器不穩定，而過小的步長則會導致收斂速度過慢。

在實際應用中，濾波器的階數需要根據導線散股信號的特點和噪聲環境進行合理設計。階數過小可能無法充分捕捉信號的細節，而階數過大會增加計算復雜度，且可能導致過擬合。通常，階數的選擇是基于信號特性和實際需求進行的折中設計。

3.2   導線散股信號處理

在高壓輸電線路導線散股信號處理過程中，本文采用自適應濾波算法來有效識別和提取信號特征。整個處理流程可以分為以下三步：信號預處理、信號濾波與降噪、信號分析與特征提取。

信號預處理是處理流程的第一步，旨在對采集到的原始信號進行初步修正，去除一些明顯的干擾，并為后續的濾波和分析奠定基礎。預處理步驟通常包括去除直流分量、增益調整以及對采樣信號的離散化。假設原始信號為x(t)，則預處理后的信號xpre (t)表示為式（8）：

其中，DC(x(t))為信號x(t)的直流分量。去除直流分量有助于消除由長期穩定干擾或偏移引起的影響。同時進行增益調整，使得信號的幅度在處理過程中保持在適當的范圍內[8]。

信號濾波與降噪是信號處理的核心步驟，旨在消除噪聲的影響，提升信號的質量。為了從復雜的干擾噪聲中提取有用信號，本文采用自適應濾波器對信號進行處理。通過這一過程，濾波器能夠有效抑制電磁干擾、機械振動噪聲等，從而增強導線散股信號的信噪比。

經過濾波與降噪后的信號，已經去除了大部分干擾，可以進行進一步的信號分析與特征提取，從處理后的信號中提取出與導線散股相關的特征，例如散股發生的頻率、幅度變化等。利用快速傅里葉變換（Fast Fourier Transform， FFT）將時域信號轉換為頻域信號，提取出信號中的頻率特征。通過分析頻域特性，識別出與散股信號相關的特征頻率，并進一步用于故障診斷和報警。

4  實驗研究

為了驗證本文提出的采用自適應濾波算法的高壓輸電線路導線散股信號處理方法的實際應用效果，我們選用本文方法和傳統方法進行了對比實驗，設定實驗參數如表2所示。

表2 實驗參數

4.1   信噪比改善實驗

信噪比實驗結果如圖2所示。

圖2 信噪比實驗結果

從圖2可以看出，本文方法和傳統方法在信噪比隨運行時間變化的趨勢上存在明顯差異。隨著運行時間的增加，本文方法的信噪比明顯高于傳統方法，并且提升的速度也較為迅速，尤其是在初期階段，信噪比的增長較為顯著。而傳統方法的信噪比增長則較為平緩，即使在較長的運行時間下，信噪比的提升也沒有明顯加速，且最終信噪比的值明顯低于本文方法。總體來看，本文方法在信噪比上相較于傳統方法有著更優的表現，且隨著時間的推移，優勢愈加明顯。這表明本文方法在提高信噪比方面具有更高的效率和效果。

4.2   散股信號識別率實驗

散股信號識別率實驗結果如表3所示。

表3 散股信號識別率實驗結果

從表3的實驗結果可以看出，采用本文提出的方法對散股信號的識別率顯著高于傳統方法，在五次實驗中均表現出優越的性能。本文方法的識別率穩定在95.72%~99.35%之間，最高達到99.35%，而傳統方法的識別率范圍為81.76%~84.32%，波動較小但整體較低。這表明，本文方法在處理散股信號時具有更強的魯棒性和準確性，能夠更有效地應對復雜的噪聲環境和多樣化的信號特性。尤其在實驗3和實驗4中，本文方法與傳統方法的識別率差距分別達到了16.80%和16.80%，進一步驗證了本文方法在信號處理中的先進性和可靠性。

5  結束語

本文針對高壓輸電線路導線散股信號的復雜特性和傳統信號處理方法的局限性，提出了一種基于自適應濾波算法的信號處理方法。通過對散股信號的特性分析、自適應濾波器參數設計及信號處理流程的研究，本文方法能夠有效抑制噪聲干擾、顯著提高信噪比，并在實驗驗證中表現出優異的散股信號識別能力。實驗結果表明，與傳統方法相比，本文方法在識別準確性和魯棒性上均具有明顯優勢，為高壓輸電線路導線故障的實時監測和診斷提供了重要的技術支持。

盡管本文方法取得了較好的效果，但仍有進一步優化的空間。例如，在濾波器參數優化方面，可以引入智能算法以實現自適應性能的進一步提升；在信號特征提取上，可以結合深度學習技術以提高對復雜信號的識別能力。未來的研究將進一步探索這些方向，以實現更加高效、精準的輸電線路故障監測方案，從而更好地保障電力系統的安全穩定運行。AP

作者簡介： 

劉  剛（1972-） ，男，新疆烏魯木齊人，副高級工程師，本科，現就職于新疆送變電有限公司，主要從事特高壓輸電線路運維方面的研究。

曹金才（1966-） ，男，新疆烏魯木齊人，副高級工程師，本科，現就職于新疆送變電有限公司，主要從事架空輸電線路運維檢修方面的研究。

沈建偉（1994-） ，男，甘肅武威人，工程師，本科，現就職于新疆送變電有限公司，主要從事架空輸電線路運維檢修方面的研究。

參考文獻：

[1] 張杰, 陳玉林, 黃濤, 等. 基于自適應遞推濾波的高壓輸電線路行波故障定位方法[J]. 湖北電力, 2023, 47 (1) : 52 - 59.

[2] 王照, 葛馨遠, 饒毅. 基于多算法融合的破損陶瓷絕緣子圖像識別與檢測方法[J]. 自動化技術與應用, 2024, 43 (2) : 40 - 44.

[3] 彭放, 劉甜甜, 蘇江文, 等. 基于X射線無損探傷的輸電線路耐張線夾缺陷檢測[J]. 機械制造與自動化, 2024, 53 (4) : 264 - 270.

[4] 胡瑾, 呂干云, 葉加星, 等. 基于卡爾曼濾波狀態估計的輸電線路故障測距[J]. 電氣自動化, 2023, 45 (4) : 85 - 87.

[5] 劉江龍, 李根. 基于改進OMP算法的輸電線路故障測距仿真[J]. 電氣自動化, 2023, 45 (3) : 20 - 22.

[6] 韓興波, 王杰, 孫鵬, 等. 基于自適應開關中值濾波的輸電線路覆冰厚度檢測研究[J]. 重慶理工大學學報: 自然科學, 2023, 37 (8) : 265 - 273.

[7] 沈曉康. 基于自適應CKF的輸電線路運檢數據融合研究[J]. 電子元器件與信息技術, 2023 (8) : 101 - 104 + 109.

[8] 楊明浩, 安韻竹, 胡元潮, 等. 改進EGM模型對特高壓輸電線路的適用性與驗證[J]. 電力系統保護與控制, 2023, 51 (1) : 93 - 100.

摘自《自動化博覽》2026年第二期暨《工業控制系統信息安全專刊（第十二輯）》