TLS-ESPRIT在局部放电窄带干扰抑制中的应用

针对局部放电信号的多态性以及利用混沌振子抑制周期性窄带干扰存在的不足,将一种阵列信号处理方法总体最小二乘-旋转矢量不变技术TLS-ESPRIT(total least squares-estimation of signal parameters via rotational invariance techniques)应用到局部放电信号窄带干扰抑制中。首先将含有窄带干扰的局放信号进行采样并形成HANKEL矩阵;再对HANKEL矩阵进行奇异值分解,划分为窄带干扰子空间与局放信号子空间,并判断是否存在窄带干扰及主要干扰的真实数目;最后通过TLS的二次消噪处理,改善周期性窄带干扰参数的提取精度。研究结果表明,该方法能够有效识别窄带干扰参数和有效处理多种形态的放电信号。     

基于SAMP-VMD的局放信号去噪方法

针对电力设备局部放电信号容易受到环境中的窄带噪声和白噪声的干扰,为了更好保留局放信号特征以便后续进行故障诊断和预测,提出了一种基于压缩感知重构和变分模态分解的变压器局部放电信号去噪方法。该方法首先使用窗函数抑制窄带干扰的频率泄露,之后利用窄带干扰在频域上与局放信号和白噪声之间稀疏度的差异从而将窄带信号进行分离重构以抑制窄带噪声,其次通过改进变分模态分解方法根据各模态含有局放信号信息的多少来对不同模态进行分类去噪,最终恢复出局放信号。通过仿真及实测信号对该方法进行去噪效果测试,并与奇异值分解和变分模态分解去噪方法的去噪效果进行对比,结果表明该方法能够有效抑制局部放电信号的干扰,相比传统算法的波形相似系数提升约2%,能够更好的保留局部放电信号的波形特征。     

基于广义S变换和随机子空间的局放窄带干扰抑制方法

为了解决传统方法难以有效抑制局部放电中周期性窄带干扰的问题,本文提出了一种基于广义S变换和随机子空间的局部放电窄带干扰抑制方法.该方法首先利用广义S变换将染噪局放信号从时域变换到时频域中,接着利用局放信号和窄带干扰不同的时频特征确定窄带干扰数目和无局放时间片段,最后利用随机子空间算法估计窄带干扰参数,实现染噪局放信号的窄带干扰抑制.仿真和实际测试结果表明:相比于传统的广义S变换模矩阵方法和频率切片小波变换方法,本文所提方法对窄带干扰抑制效果更好,能更好地恢复原始局放波形.     

基于变分模态分解和小波分析的变压器局部放电去噪研究*

为有效去除变压器局部放电信号中大量的电磁干扰,针对现有经验模态分解存在模态混叠等问题,提出将一种新的信号分解算法——变分模态分解结合小波运用在变压器局部放电信号中来抑制窄带周期干扰和白噪声。首先利用变分模态分解将含噪信号分解成若干个以某中心频率波动的模态,在分解过程中自动滤去白噪声;然后提取含局部放电信息的模态进行重构;最后通过小波去除残余窄带周期干扰,进而实现干扰抑制。仿真和实测信号分析结果表明,该方法能很好地抑制两类干扰,保留局部放电信号特征,验证了采用变分模态分解结合小波去除噪声的有效性,为局部放电信号去噪提供了一种新的方法。     

FFT与小波分析应用于抑制局部放电窄带干扰

局部放电极易被噪声污染,众多干扰中载波通讯、高频保护、无线电广播等周期干扰尤其严重,而窄带干扰严重时可能完全淹没局部放电信号,这给局部放电的检测工作带来了巨大困难。为了从强的窄带干扰背景中有效提取局部放电信号,在基于FFT与小波分析理论的基础上,根据窄带干扰与局部放电信号具有不同频谱的特性,提出了抑制局部放电信号窄带干扰的新方法。考虑FFT处理方法的频谱泄漏性,再用小波变换对FFT处理后的局部放电信号进行进一步消噪,由此能够取得很好的消噪效果。仿真结果表明,此方法对窄带干扰去噪要比FFT、小波及小波模极大值去噪效果好,且得到的局部放电信号失真小。     

抑制局部放电信号窄带干扰的快速算法

为消除与抑制窄带干扰对电力设备局部放电信号在线监测的影响,提出了一种将快速傅里叶变换（FFT）与小波变换相融合的快速算法,即先对信号进行FFT,从窄带干扰背景中有效提取局部放电信号,再利用小波变换对FFT处理后的局部放电信号进一步消噪。对仿真信号和实测信号的分析结果表明,该方法对窄带干扰有较好的消噪效果,并且得到的局部放电信号失真较小。     

局部放电奇异值特征及其混合噪声的自适应抑制

为了抑制局部放电信号中混杂的窄带干扰和白噪声,文中首先分析了典型局部放电、窄带干扰和白噪声信号的Hankel矩阵奇异值的分布特征;提出了确定窄带干扰和典型局放奇异值有效阶次的自适应方法;将信号Hankel矩阵的有效阶次奇异值作为其特征量,在染噪信号中去除窄带干扰后重构信号,截取局部重构信号从中提取局放。通过对模拟和实测染噪信号的处理,验证了文中方法去除窄带干扰和白噪声的有效性。     

基于EEMD与KICA的局部放电窄带干扰抑制

窄带干扰严重时可能完全淹没局部放电信号,给局部放电检测工作带来巨大困难。针对局放信号经验模态分解模态混叠现象,提出采用集合经验模态分解与核独立分量分析抑制局部放电窄带干扰的方法。在局放信号叠加不同频率、不同幅值的窄带干扰情况下,该方法能较好地提取出局放信号,有效提高信噪比且信号失真小。仿真和现场测试信号的处理结果均验证了所提方法的有效性。     

FFT与交叉验证在局部放电窄带干扰抑制中的应用

根据窄带干扰与局部放电信号具有不同频谱的特性,提出了一种基于FFT和交叉验证相结合的抑制局部放电窄带干扰的方法。先用FFT对信号进行消噪,再用交叉验证方法对消噪后信号进一步处理,由此能有效去除局部放电中的窄带干扰。仿真结果表明,该方法能有效提高信噪比,失真小,去除窄带干扰优于FFT及小波。     

局部放电信号中抑制周期性窄带干扰的逆向分离方法

为了有效提取局部放电信号,提出一种抑制周期性窄带干扰的逆向分离方法。该方法由两部分组成:利用矩阵束算法估计含噪局部放电信号中的窄带干扰频率;借助独立分量分析算法,逆向分离出抑制窄带干扰后的局部放电信号。针对在不同信噪比下的局部放电信号,分别运用小波、多小波消噪算法和该方法抑制窄带干扰。仿真结果表明,与小波、多小波相比,在信噪比低至?20d B时,该方法表现出更强的抗噪能力,同时能更好的保留原信号特征。现场测试信号的处理结果也验证了所提方法的有效性。     

用于复小波变换的EWC阈值法抑制周期性窄带干扰

由于气体绝缘组合电器(GIS)的局部放电(PD)特高频检测虽然能够避开大多数窄带干扰,但是,还有部分窄带干扰会进入检测系统,从而湮没PD信号,因此在现场检测时必须加以抑制。根据PD信号与周期性窄带干扰小波变换后的不同特点,剖析了抑制周期性窄带干扰的常用方法--小波系数直接置零法的局限性,提出了可以用于抑制周期性窄带干扰的有效小波系数(EWC)阈值法,并以所构造的db4复小波对仿真信号与实测GIS特高频PD信号进行了对比去噪研究。研究结果表明:基于EWC阈值法的复小波变换能够有效地抑制GIS特高频PD信号中的周期性窄带干扰。     

基于短时傅里叶变换的局部放电窄带干扰抑制

为有效抑制局部放电(PD)信号中周期性窄带干扰,文中提出短时傅里叶变换和矩阵束相结合的局部放电窄带干扰抑制方法。该方法利用短时傅里叶变换分析染噪PD信号,得到窄带干扰数目,同时分离出染噪PD信号中信号帧和噪声帧;采用矩阵束算法在噪声帧中对窄带干扰参数进行估计,重构出全时段的窄带干扰,实现局部放电的窄带干扰抑制。仿真及实测染噪PD信号的去噪效果表明,与传统的傅里叶级数法和局部能量比法相比,所提方法去噪后的残余噪声更小,对染噪PD信号中窄带干扰有很好的抑制效果。     

基于AVMD-自适应小波包法的电缆局部放电去噪研究

为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周期性窄带干扰滤出,得到仅含有白噪声的局放信号。再运用自适应小波包分解,将信号分解在高中低频的分量中,根据阈值法将不含局放信号的分量滤出,得到较为纯净的局放信号,并将所提方法分别与其中单独一种算法进行去噪比较分析。仿真结果表明,所提方法抑制噪声效果更明显,与仿真信号的相似度最高。     

Support Vector Machine-based Denoising Technique for Removal of White Noise in Partial Discharge Signal

Abstract—Partial discharge (PD) measurement has emerged as a dominant investigative tool for condition monitoring of insulation in high voltage equipment. In general, PD signals are severely polluted by several noises like white noise, random noise, discrete spectral interferences (DSI). The challenge lies with removing these noises from PD signal effectively by preserving the signal features. In this article, support vector machine (SVM) based denoising technique has been proposed for the removal of white noise from PD signal. The proposed SVM technique retains the edge of the original signal efficiently and also pseudo Gibbs phenomenon does not exist with SVM technique. In order to evaluate the effectiveness of the proposed method, artificially simulated PD signal mixed with white noise and the measured PD readings are considered. For the purpose of comparison, other denoising techniques such as fast Fourier transform (FFT), discrete wavelet transform (DWT), and translation invariant wavelet transform (TIWT) are also considered. The results reveal that, SVM based denoising technique shows better performance in terms of higher signal to noise ratio, signal reconstruction error ratio, cross correlation coefficient and reduction in noise level, mean square error, and waveform distortion.     

基于人工神经网络的绝缘局部放电信号提取方法的研究

提出了一种基于ＢＰ神经网络结构与算法的局部放电信号提取方法。该方法在网络节点连接权向量域,从强大的窄带周期性干扰（载波通讯干扰）和随机噪声中提取局部放电信号。仿真研究与现场实验结果表明,该方法能有效地提取局部放电信号,可用于大型发电机、变压器及其它电力设备局部放电在线监测系统中。     

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。     

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。