输电线路作为电力系统能量传输的核心载体，长期暴露在野外复杂环境中，受雷击、覆冰、外力破坏等因素影响，极易出现绝缘劣化、故障点击穿等问题，快速准确定位故障点是缩短停电时间、恢复供电可靠性的关键环节。行波故障诊断技术凭借其不受线路阻抗、过渡电阻影响的优势，已经成为当前故障定位领域的主流技术方向，但故障初始阶段产生的行波信号往往幅值微弱，容易被线路背景噪声掩盖，如何从复杂噪声环境中高效提取有效微弱行波信号，直接决定了故障诊断的精度和可靠性。

一、输电线路微弱行波信号的产生与特性分析

当输电线路发生瞬时性或永久性故障时，故障点介质击穿瞬间会产生电压、电流突变，这种突变会以行波的形式沿着输电线路向两端传播，这就是故障行波的来源。对于高阻故障、初始绝缘击穿等故障场景，故障点产生的行波信号幅值往往只有正常运行电流幅值的千分之一甚至更低，属于典型的微弱信号范畴。同时，输电线路运行过程中存在多种噪声干扰，包括系统载波通信噪声、雷击背景噪声、电力设备运行产生的电磁干扰、天气因素带来的随机噪声等，这些噪声的频谱往往与微弱行波信号的频谱存在部分重叠，进一步增加了信号提取的难度。

从信号特性来看，故障行波属于暂态突变信号，其上升沿时间通常在微秒级别，包含丰富的高频分量，而输电线路的自然衰减特性会导致高频分量在传播过程中幅值快速下降，经过较长距离传播后到达检测装置的行波信号已经变得十分微弱。与常规的稳态信号不同，微弱行波信号具有非平稳、突变性强、持续时间短的特点，传统的傅里叶变换这类针对平稳信号的分析方法很难有效分离信号与噪声，这也是微弱行波提取需要解决的核心痛点。

二、分布式故障诊断装置提取微弱行波信号的硬件基础

分布式故障诊断装置采用沿线分布式配置传感器的架构，与传统的变电站端单端采集模式相比，分布式装置距离故障点更近，行波信号传播衰减更小，从硬件层面为微弱信号提取提供了基础条件。江苏宇拓电力输电线路分布式故障诊断装置，采用高精度差分采集硬件架构，搭配定制化的电流传感器，能够实现对nA级电流变化的捕捉，从源头降低了微弱信号被硬件噪声淹没的概率。

具体来看，硬件层面针对微弱行波提取的优化主要体现在三个方面：第一是传感器的带宽优化，常规的电流互感器带宽大多集中在kHz级别，无法满足行波高频分量的采集需求，分布式装置采用的 Rogowski 线圈传感器，带宽可以覆盖几十Hz到几MHz的范围，能够完整保留故障行波的高频分量，避免有效信号在传感器环节被衰减；第二是信号调理电路的降噪设计，采用多级滤波与低噪声运算放大器组合设计，对输入的原始信号进行预放大同时抑制电路自身热噪声，将电路输出信噪比提升一个数量级以上；第三是同步采集精度优化，分布式装置采用北斗+GPS双模授时同步，采集时钟同步误差控制在百纳秒级别，保证行波波头到达各个装置的时间差采集精度，为后续信号处理提供准确的原始数据。

三、微弱行波信号提取的常用算法处理策略

1. 小波变换模极大值提取方法

小波变换是处理非平稳微弱信号的常用方法，其核心优势是可以实现多分辨率分析，在低频段采用高时间分辨率、高频段采用高频率分辨率，恰好适配故障行波突变性强的特点。在实际应用中，首先对采集到的原始信号进行多尺度小波分解，不同尺度下分解得到的细节分量对应不同频段的信号成分，噪声分量的模极大值会随着分解尺度的增大而衰减，而有效行波信号的模极大值会随着分解尺度的增大保持稳定甚至增强，通过筛选不同尺度下的模极大值点，就可以分离出被噪声掩盖的微弱行波波头。

针对微弱行波提取，小波变换方法需要选择合适的小波基，目前应用较多的是db系列小波和sym小波，这类小波的紧支性和对称性较好，适合处理突变行波信号。与传统方法相比，小波变换模极大值方法可以在信噪比较低的情况下识别出幅值仅为噪声幅值1/2的微弱行波信号，大幅提升了微弱信号的检出率。但该方法也存在一定局限性，当噪声强度过高时，模极大值容易出现误判，需要结合其他判据进行筛选。

2. 经验模态分解与自相关结合提取方法

经验模态分解（EMD）可以根据信号自身的时间尺度特征，将原始信号分解为若干个本征模态函数（IMF），不同的IMF分量对应不同频段的信号成分，对于含有微弱行波的原始信号，噪声主要集中在高阶IMF分量，而有效行波信号集中在中低阶IMF分量，通过剔除高阶噪声分量，再对剩余分量进行重构，就可以实现信号与噪声的分离。为了进一步提升提取效果，可以将EMD分解与自相关分析结合，由于噪声的自相关系数会随着延迟时间的增加快速衰减，而行波信号的自相关系数会保持较高的相关性，通过对重构后的信号进行自相关处理，可以进一步抑制残留噪声，凸显有效行波信号。

该方法不需要预先设定分解尺度，完全按照信号自身特性分解，对于非线性非平稳的微弱行波信号有较好的适应性，在信噪比较低的场景下，提取效果优于传统的傅里叶滤波方法。但传统EMD分解存在端点效应和模态混叠问题，目前已经衍生出集合经验模态分解（EEMD）等改进算法，通过添加高斯白噪声辅助分解，有效抑制了模态混叠问题，进一步提升了微弱行波提取的稳定性。

3. 稀疏表示提取方法

稀疏表示是近年来发展起来的微弱信号处理方法，其核心思路是认为微弱行波信号可以在某个过完备字典中用很少几个原子的线性组合表示，而噪声无法被稀疏表示，通过求解最稀疏的表示系数，就可以分离出有效信号。在实际应用中，首先根据故障行波的波形特性构建适配的过完备字典，然后通过正交匹配追踪等算法求解稀疏系数，保留大系数对应的原子重构出行波信号，剔除小系数对应的噪声成分。

稀疏表示方法对强噪声背景下的微弱行波信号有较好的提取效果，即使原始信号信噪比低于0dB，依然可以准确提取出行波波头信息，这是传统方法很难实现的。目前该方法的研究方向主要集中在字典优化和求解算法加速方面，随着芯片算力的提升，已经逐步可以满足分布式装置在线实时提取的需求。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。