★ 刘刚，曹金才，沈建伟 新疆送变电有限公司

关键词： 自适应滤波算法；高压输电线；线路导线；散股信号处理

1  引言

高压输电线路作为电力系统的重要组成部分，其运行的安全性和可靠性对电力供应的稳定具有重要意义。然而，在长期运行过程中，由于外部环境、机械振动以及电磁干扰等因素的影响，高压输电线路的导线可能出现散股现象[1]。这种现象不仅会导致电力传输性能的下降，还可能引发严重的安全隐患。因此，如何准确检测和有效处理导线散股信号成为电力工程领域亟待解决的问题之一[2]。

传统的导线散股信号处理方法多依赖于固定滤波器或基于频谱分析的技术，这些方法在应对复杂噪声环境和非线性干扰时存在一定的局限性。自适应滤波算法作为一种动态调整模型参数以适应信号特性的信号处理技术，具有良好的鲁棒性和实时性，被广泛应用于各类复杂信号处理领域。

本文针对高压输电线路导线散股信号的特性，研究了基于自适应滤波算法的信号处理方法，并通过分析导线散股信号的主要特征和干扰源，设计了适用于该场景的自适应滤波器模型，进一步实现了对散股信号的准确提取和噪声抑制。

2  高压输电线路导线散股信号的特性分析

2.1   导线散股信号的主要特征

高压输电线路导线散股现象是指输电线路的导线在运行过程中，由于受到各种力的作用或材料老化等原因，部分股线从原有的束状结构中松脱或断裂的现象。这种现象不仅影响输电线路的传输效率和安全性，还可能造成系统故障，因此对导线散股信号的特性分析是进行信号处理和故障诊断的基础[3]。导线散股示意图如图1所示。

图1 导线散股示意图

根据图1可知，导线在原始状态下是直线排列的，而当电流流过导线时，由于不同区域的电流密度不同，导线会产生一定程度的“散股”或变形。散股现象通常表现为导线的局部区域因电流分布不均匀而产生轻微形变，或者由于相互之间的电场作用力导致导线的某些部分会相对移动，造成散开[4]。

导线散股信号具有瞬态性、非平稳性、宽频特性以及较强的随机性，因此信号的检测和处理过程十分复杂。导线散股信号的主要特征概括如下表1所示。

表1 导线散股信号主要特征

2.2   干扰源与信号噪声分析

高压输电线路附近的强电磁场会对信号采集系统造成显著干扰，形成电磁干扰噪声，从而出现高频信号。其频率范围通常覆盖宽带，幅值波动较大。电磁干扰信号可近似表达为式（1）：

其中，AEM表示干扰幅值，fEM表示干扰频率， EM为干扰相位。这类噪声的随机性和高频特性往往与散股信号的频谱特性部分重叠，增加了信号分离的难度。

自然环境中的大气噪声也是影响散股信号的主要因素之一。雷电、风振以及雨滴撞击导线表面会产生低频和中频的扰动信号。这类噪声的功率密度随时间呈现强烈波动，功率谱密度表示为式（2）：

其中，C为常数，f为频率。由于大气噪声的能量主要集中在低频区间，与导线振动的低频特征部分重合，进一步干扰了信号的特征提取[5]。

机械振动噪声同样对导线散股信号有显著影响。这类噪声主要来源于导线自身的振动、输电塔基座的晃动以及风载荷对线路的周期性作用。机械噪声具有较强的周期性，其表达形式为式（3）：

其中，Amech和fmech分别表示机械噪声的幅值和频率，n(t)为叠加的随机成分。该噪声不仅与散股信号的时间域特征交叠，还会在频谱中引入混叠效应。

环境噪声的复杂性使得散股信号的处理更加困难。这些噪声往往叠加形成混合噪声信号，可用式（4）公式描述：

混合噪声的存在使得导线散股信号的信噪比显著降低，对信号提取和特征分析造成了较大挑战。

3  基于自适应滤波算法的导线散股信号处理方法

3.1    自适应滤波器参数设计

在高压输电线路导线散股信号处理中，自适应滤波器作为一种有效的信号处理工具，能够动态地根据输入信号的变化调整其滤波参数，从而实现对噪声的抑制和信号的增强。在设计自适应滤波器时，滤波器的参数选择是决定其性能的关键因素之一，合理的参数设计能够显著提高信号处理的效果[6]。

自适应滤波器的基本结构由一个输入信号处理模块、一个滤波器模型、一个误差计算模块以及参数更新模块组成。其输出信号表示为式（5）：

其中，y(t)为滤波器的输出信号，Wk(t)为滤波器的权重系数， x(t - k)为输入信号的延迟版本， M为滤波器的阶数。自适应滤波器的目标是调整权重系数Wk(t)，使得输出信号与期望信号之间的误差最小[7]。

为了实现这一目标，本文引用的自适应算法为最小均方误差（Least Mean Square，LMS） 算法，其误差计算公式为式（6）：

其中，e(t)为误差信号， d(t)为期望信号， y(t)为滤波器的输出。通过LMS，更新权重系数的公式为式（7）：

其中，为步长因子，控制权重更新的速度。步长因子的选择对于滤波器的收敛速度和稳定性具有重要影响。过大的步长可能导致滤波器不稳定，而过小的步长则会导致收敛速度过慢。

在实际应用中，滤波器的阶数需要根据导线散股信号的特点和噪声环境进行合理设计。阶数过小可能无法充分捕捉信号的细节，而阶数过大会增加计算复杂度，且可能导致过拟合。通常，阶数的选择是基于信号特性和实际需求进行的折中设计。

3.2   导线散股信号处理

在高压输电线路导线散股信号处理过程中，本文采用自适应滤波算法来有效识别和提取信号特征。整个处理流程可以分为以下三步：信号预处理、信号滤波与降噪、信号分析与特征提取。

信号预处理是处理流程的第一步，旨在对采集到的原始信号进行初步修正，去除一些明显的干扰，并为后续的滤波和分析奠定基础。预处理步骤通常包括去除直流分量、增益调整以及对采样信号的离散化。假设原始信号为x(t)，则预处理后的信号xpre (t)表示为式（8）：

其中，DC(x(t))为信号x(t)的直流分量。去除直流分量有助于消除由长期稳定干扰或偏移引起的影响。同时进行增益调整，使得信号的幅度在处理过程中保持在适当的范围内[8]。

信号滤波与降噪是信号处理的核心步骤，旨在消除噪声的影响，提升信号的质量。为了从复杂的干扰噪声中提取有用信号，本文采用自适应滤波器对信号进行处理。通过这一过程，滤波器能够有效抑制电磁干扰、机械振动噪声等，从而增强导线散股信号的信噪比。

经过滤波与降噪后的信号，已经去除了大部分干扰，可以进行进一步的信号分析与特征提取，从处理后的信号中提取出与导线散股相关的特征，例如散股发生的频率、幅度变化等。利用快速傅里叶变换（Fast Fourier Transform， FFT）将时域信号转换为频域信号，提取出信号中的频率特征。通过分析频域特性，识别出与散股信号相关的特征频率，并进一步用于故障诊断和报警。

4  实验研究

为了验证本文提出的采用自适应滤波算法的高压输电线路导线散股信号处理方法的实际应用效果，我们选用本文方法和传统方法进行了对比实验，设定实验参数如表2所示。

表2 实验参数

4.1   信噪比改善实验

信噪比实验结果如图2所示。

图2 信噪比实验结果

从图2可以看出，本文方法和传统方法在信噪比随运行时间变化的趋势上存在明显差异。随着运行时间的增加，本文方法的信噪比明显高于传统方法，并且提升的速度也较为迅速，尤其是在初期阶段，信噪比的增长较为显著。而传统方法的信噪比增长则较为平缓，即使在较长的运行时间下，信噪比的提升也没有明显加速，且最终信噪比的值明显低于本文方法。总体来看，本文方法在信噪比上相较于传统方法有着更优的表现，且随着时间的推移，优势愈加明显。这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   散股信号识别率实验

散股信号识别率实验结果如表3所示。

表3 散股信号识别率实验结果

从表3的实验结果可以看出，采用本文提出的方法对散股信号的识别率显著高于传统方法，在五次实验中均表现出优越的性能。本文方法的识别率稳定在95.72%~99.35%之间，最高达到99.35%，而传统方法的识别率范围为81.76%~84.32%，波动较小但整体较低。这表明，本文方法在处理散股信号时具有更强的鲁棒性和准确性，能够更有效地应对复杂的噪声环境和多样化的信号特性。尤其在实验3和实验4中，本文方法与传统方法的识别率差距分别达到了16.80%和16.80%，进一步验证了本文方法在信号处理中的先进性和可靠性。

5  结束语

本文针对高压输电线路导线散股信号的复杂特性和传统信号处理方法的局限性，提出了一种基于自适应滤波算法的信号处理方法。通过对散股信号的特性分析、自适应滤波器参数设计及信号处理流程的研究，本文方法能够有效抑制噪声干扰、显著提高信噪比，并在实验验证中表现出优异的散股信号识别能力。实验结果表明，与传统方法相比，本文方法在识别准确性和鲁棒性上均具有明显优势，为高压输电线路导线故障的实时监测和诊断提供了重要的技术支持。

尽管本文方法取得了较好的效果，但仍有进一步优化的空间。例如，在滤波器参数优化方面，可以引入智能算法以实现自适应性能的进一步提升；在信号特征提取上，可以结合深度学习技术以提高对复杂信号的识别能力。未来的研究将进一步探索这些方向，以实现更加高效、精准的输电线路故障监测方案，从而更好地保障电力系统的安全稳定运行。AP

作者简介： 

刘  刚（1972-） ，男，新疆乌鲁木齐人，副高级工程师，本科，现就职于新疆送变电有限公司，主要从事特高压输电线路运维方面的研究。

曹金才（1966-） ，男，新疆乌鲁木齐人，副高级工程师，本科，现就职于新疆送变电有限公司，主要从事架空输电线路运维检修方面的研究。

沈建伟（1994-） ，男，甘肃武威人，工程师，本科，现就职于新疆送变电有限公司，主要从事架空输电线路运维检修方面的研究。

参考文献：

[1] 张杰, 陈玉林, 黄涛, 等. 基于自适应递推滤波的高压输电线路行波故障定位方法[J]. 湖北电力, 2023, 47 (1) : 52 - 59.

[2] 王照, 葛馨远, 饶毅. 基于多算法融合的破损陶瓷绝缘子图像识别与检测方法[J]. 自动化技术与应用, 2024, 43 (2) : 40 - 44.

[3] 彭放, 刘甜甜, 苏江文, 等. 基于X射线无损探伤的输电线路耐张线夹缺陷检测[J]. 机械制造与自动化, 2024, 53 (4) : 264 - 270.

[4] 胡瑾, 吕干云, 叶加星, 等. 基于卡尔曼滤波状态估计的输电线路故障测距[J]. 电气自动化, 2023, 45 (4) : 85 - 87.

[5] 刘江龙, 李根. 基于改进OMP算法的输电线路故障测距仿真[J]. 电气自动化, 2023, 45 (3) : 20 - 22.

[6] 韩兴波, 王杰, 孙鹏, 等. 基于自适应开关中值滤波的输电线路覆冰厚度检测研究[J]. 重庆理工大学学报: 自然科学, 2023, 37 (8) : 265 - 273.

[7] 沈晓康. 基于自适应CKF的输电线路运检数据融合研究[J]. 电子元器件与信息技术, 2023 (8) : 101 - 104 + 109.

[8] 杨明浩, 安韵竹, 胡元潮, 等. 改进EGM模型对特高压输电线路的适用性与验证[J]. 电力系统保护与控制, 2023, 51 (1) : 93 - 100.

摘自《自动化博览》2026年第二期暨《工业控制系统信息安全专刊（第十二辑）》