遗传算法用于局部放电小波自适应阈值去噪

小波去噪用于局部放电信号在线监测具有良好的效果,阈值选取与局部放电去噪后信号的畸变具有紧密联系。为提高局部放电监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出一种小波自适应最优阈值去噪算法,用于变压器局部放电脉冲信号去噪。该方法采用小波对局部放电信号进行分解,在阈值选择时采用基于史坦无偏似然估计(SURE)的最优阈值自适应选择方法,并引入一种新的具有多阶导数的阈值函数,结合二进制遗传算法全局自适应搜索最优阈值,使最优阈值自适应寻优速度大大提高。对局部放电仿真信号和现场局部放电信号的去噪结果表明,该方法与Donoho阈值计算公式及标准软阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值。     

粒子群优化小波自适应阈值法用于局部放电去噪

为了提高局部放电在线监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出了一种用于电力设备局部放电信号去噪的粒子群优化小波自适应阈值方法。该方法采用小波对局部放电信号进行分解,在阈值选择时采用基于SURE无偏估计的最优阈值自适应选择方法,结合粒子群优化算法进行全局自适应搜索最优阈值,使最优阈值自适应寻优速度大大提高。为了验证其去噪效果,还引入遗传算法对小波自适应阈值法进行优化计算。对局部放电仿真信号与实测局部放电信号的去噪结果表明,本文与标准软阈值法和遗传算法优化小波自适应阈值法相比,能更好地去除局部放电信号中的白噪声,计算速度更快,具有良好的去噪效果和应用价值。     

蚁群优化小波阈值算法用于变电设备状态信号提取

针对变电设备状态信号的快速有效提取,降低去噪信号的畸变率,本文提出了一种用于电气设备状态信号去噪的蚁群优化小波阈值算法。该方法在计算最优阈值时,采用基于SURE无偏估计的最优阈值选择方法,结合蚁群优化算法进行全局自适应搜索最优阈值,大大提高了最优阈值自适应寻优速度。为了验证其去噪效果,本文还引进标准软阈值法及梯度迭代优化小波阈值方法对两种典型人工平稳信号、局部放电模拟信号及实测局部放电工频信号进行去噪,结果表明本文提出的方法比其他两种方法的去噪效果更优,计算速度更快,具有良好的去噪效果和应用价值。     

基于新阈值法的阈值-空域相关联合去噪法在局部放电信号中的应用

为了更有效地去除局部放电信号中的白噪声,提出了一种基于新阈值法的阈值-空域相关联合去噪方法,该方法首先提出了一种新的阈值选择方式,即对局部放电开始发生前的只含噪声的信号进行小波变换,将每层细节部分和最后一层近似部分的小波系数最大值作为该层阈值,再用该阈值处理经小波变换后的含噪局部放电信号,然后用空域相关法对阈值处理后的小波系数进行相关迭代运算,最后重构信号。整个去噪过程是自动的无须人工干预。仿真实验表明,与传统的去噪方法相比,该方法能更好地去除局部放电信号的噪声,具有较强的实用性。     

基于粒子群优化的最佳阈值法在局部放电信号去噪中应用

抑制白噪声干扰是局部放电（ Partial Discharge,PD）在线检测中的关键技术。提出一种基于粒子群优化的最优阈值选取去噪方法。该方法采用小波对局部放电信号进行分解,在选取阈值时建立广义交叉验证准则,以广义交叉验证准则作为适应度值函数,并结合粒子群优化算法自适应地确定出各分解层的最佳阈值。该方法不依赖任何先验知识,实现局部放电信号自适应去噪。对局部放电仿真信号和实测局部放电信号的去噪结果表明：本文提出的方法与标准阈值法相比,能更好地去除局部放电信号中的白噪声。     

基于CEEMD-EEMD的局部放电阈值去噪新方法

为了解决局部放电信号去噪过程中自适应性不足,提出了基于完全经验模态分解和总体平均经验模态分解 (CEEMD-EEMD)的局部放电阈值去噪新方法。首先将放电信号进行CEEMD分解,其次对分解出来的固有模态函数进行EEMD分解,根据数理统计的知识将分解后的信号进行阈值去噪。利用该算法对局部放电的仿真信号和实测信号进行去噪处理,并与常规的小波去噪算法比较分析。仿真和实验的去噪结果表明,基于CEEMD-EEMD的局部放电阈值去噪方法取得了良好的去噪效果,验证了该方法的有效性,从而为局部放电信号的预处理提供了一种新思路。     

基于小波阈值的局部放电去噪新方法

针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。     

混合粒子群优化小波自适应阈值估计算法及用于局部放电去噪

小波去噪是局部放电(PD)检测中常用的去噪手段,小波阈值的选取会对局部放电信号失真度及误差产生重要影响。为了提高局部放电小波去噪的自适应能力,降低去噪畸变,提出了1种用于局部放电信号去噪的混合粒子群优化小波自适应阈值估计(HPSOWATE)算法。针对普通阈值选取算法容易陷入局部最优的问题,采用融合了交叉、变异的HPSOWATE算法进行了全局自适应搜索最优阈值。引入遗传算法及标准粒子群算法对计算结果进行了验证。对局部放电染噪仿真信号和现场实测信号的去噪结果表明,该算法能够有效地跳出局部最优位置,较快收敛到全局最优,显著提升了结果可信度和算法计算速度。计算结果表明,所提出的算法在不同信噪比下得到的去噪信号的均方误差(MSE)和幅值误差都最佳,能更好地去除局部放电信号中的白噪声,具有良好的应用价值。     

改进阈值函数的小波熵方法抑制局部放电白噪声的研究

针对传统硬阈值法和软阈值法的缺陷,提出了改进阈值函数的小波熵方法。该方法对含噪局放信号进行小波分解,基于小波熵自适应选取阈值,并引入一种改进阈值函数对小波系数进行处理,最后重构得到去噪后信号。典型仿真信号和实测信号的去噪结果表明,提出的方法能够有效去除局放信号中的白噪声。     

粒子群算法用于局部放电小波阈值去噪

小波阈值去噪在局放信号监测分析方面应用效果较好,而小波系数阈值的选取是决定局放信号去噪后的失真和误差的关键因素。针对局放脉冲频谱特征,提出了一种基于粒子群算法的小波最优阈值选择方法,用于局放脉冲信号去噪。采用小波对局放信号进行分解,在估计最优阈值时以广义交叉验证为标准,利用粒子群算法进行全局搜索,使阈值寻优效果大大提升。对人工模拟加噪信号和典型局放脉冲仿真信号进行去噪处理和定量分析,结果表明与标准软阈值法以及Donoho阈值计算法相比,对局放信号的去噪效果更好,有着非常好的应用前景和价值。     

基于时域能量与自适应奇异值阈值的改进局放信号去噪方法

局部放电(简称局放)检测是探测电力电缆绝缘缺陷的有效手段。针对传统短时奇异值分解(STSVD)白噪声抑制方法存在的不足,文中提出了一种基于时域能量与自适应奇异值阈值的局放信号白噪声抑制方法。该方法利用自适应奇异值阈值估计策略对重构奇异值个数进行准确估计,并在此基础上结合时域能量准则仅对局放脉冲区域进行去噪处理,从而极大地提升了算法的执行效率。对仿真和实测含噪局放信号进行处理,并将去噪结果与现有的自适应奇异值分解(ASVD)、传统STSVD及小波变换去噪结果进行对比。研究结果表明：相比于ASVD、小波变换去噪方法,文中所提去噪方法能够取得更好的去噪效果,去噪后波形误差更小;相比于传统STSVD,文中所提方法能够有效解决去噪后存在的毛刺干扰问题,且计算速率更快。     

基于小波变换的局部放电软阈值消噪方法研究

在阐述小波变换原理的基础上介绍了两种局部放电检测的软阈值去噪方法:即Stein无偏风险阈值法和平均阈值法,并利用MATLAB对加入白噪声的局部放电信号模型进行仿真研究。结果表明,Stein无偏风险阈值法对单指数振荡局部放电模型消噪效果好,但是对于其它3种局放模型波形失真严重,滤噪效果较差;利用平均阈值法能更好地实现从白噪声干扰中提取原信号。     

变压器局部放电监测逐层最优小波去噪算法

针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。     

小波阈值去噪函数的改进方法分析

小波阈值去噪是一种简洁有效的去噪方法,传统阈值去噪法包括软、硬阈值法,它们在实际应用中取得了很大的成功,但同时也存在一些有待改进的地方。为此,介绍了3种国内外有代表性的小波阈值函数改进方法,并在传统阈值函数的基础上提出了一种新的双变量阈值函数。对局部放电仿真信号进行的去噪分析结果显示,改进阈值函数在信噪比增益和最小均方误差意义上要优于传统的软、硬阈值函数,其中新的双变量阈值函数在4种改进阈值函数中具有最优的去噪性能。