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。     

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。     

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。     

基于提升小波分解的小波熵在抑制局部放电白噪声干扰中的应用

抑制白噪声干扰是局部放电在线检测中的关键技术。文中提出了一种基于小波熵的局部放电信号去除白噪声方法:先将信号进行提升小波分解;再对最高一层的低频系数和不同分解尺度上的高频系数进行阈值及量化处理;利用经过阈值处理过的最高一层的低频系数和各分解尺度的高频系数重构信号,去掉白噪声干扰。计算机仿真分析和现场数据处理表明,文中提出的提升小波熵分层软阈值去噪法可以有效地滤除局部放电信号中的白噪声,在抑制白噪声的性能和稳定性方面优于提升小波软阈值法。     

电能质量信号的小波软阈值去噪方法

基于DONOHO的软阈值去噪方法,提出了一种改进的小波软阈值算法。该算法利用高斯白噪声的正态分布特点、3Σ法则和小波变换系数的分布特点,在有效去除白噪声的同时较好地保留了信号的局部特征,且不受采样点数的影响。MATLAB仿真表明,该法在较强白噪声干扰下仍能有效去噪,较之无偏风险、固定阈值、启发式阈值、极大极小值等去噪方法更为有效,特别适于强噪声背景下弱信号的提取。     

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。     

改进VMD和阈值算法在局部放电去噪中的应用

为解决局部放电检测中存在白噪声和周期窄带干扰的问题,提出一种结合改进变分模态分解（VMD）和阈值算法的局部放电去噪法。针对VMD在实际应用中难以自适应选取分解参数的问题,提出以能量偏差最小为原则确定分解个数,通过天牛须搜索算法（BAS）优化各分量对应的惩罚因子,以峭度准则筛选出有效分量,从而去除掉窄带干扰噪声;利用3σ准则确定阈值,结合阈值函数进一步去除有效分量中残留的白噪声,重构有效分量。通过对仿真、实测信号去噪分析,并与提升db4小波法、集合经验模态分解（EEMD）阈值法对比。结果表明,该方法具有更好的去噪效果,去噪后波形相似度更高,噪声抑制比更高,能够保留更多的局部放电特征。     

应用VC理论结构风险最小原则的局部放电信号消噪方法

为提高局部放电信号的消噪效果,根据统计学习理论中的结构风险最小化思想,基于小波的多分辨分析技术,给出一种针对局部放电的消噪方法.该方法不同于以往的对噪声进行估计并加以阈值处理的消噪方法,而从估计真实放电信号的角度出发,根据小波分解的系数能量大小选择能够表征真实局放信号的小波系数,并通过结构风险最小化原则确定模型的VC维...     

变压器局部放电信号小波消噪新算法与试验分析

目前变压器局部放电信号小波消噪主要有阈值法、相关法和模极大值法3种,其都有一定的局限性.针对这些局限性,笔者结合阈值法和模极大值法的特点和适应范围,给出了一种新的小波消噪算法,最后用该算法编程对变压器局部放电信号进行分析.实验表明该算法能较好的消除白噪声,并对强电脉冲干扰有一定的抑制作用,证明其在变压器放电信号处理中有...     

基于VMD的电力电缆局部放电信号自适应阈值降噪方法

局部放电(Partial Discharge, PD)用于高压电缆在线监测时,采集到的信号包含多种噪声,白噪声是最常见、影响最广泛的一种。为了抑制白噪声的影响,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的局部放电信号降噪方法。采用变分模态分解对含噪局部放电信号进行分解,得到频率从低到高的模态分量后,计算各个变分模态分量的峭度值,选取脉冲特征分量进行重构,利用小波自适应阈值对重构信号再次降噪。与小波变换阈值法对比在不同噪声环境下的降噪结果,结果从均方误差、波形相似系数定量优于小波标准软阈值降噪法和小波全局硬阈值降噪法。仿真和现场实验结果表明,该方法可以有效去除噪声信号,能够较为完整地保留原始信号波形。     

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。     

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。     

快速独立分量分析算法在局放超声阵列信号去噪中的应用

根据阵列信号去噪需要最大限度保留"相位差"信息的要求,提出采用快速独立分量分析(fast independent component analysis,FastICA)对含噪局放超声阵列信号进行去噪处理。首先通过分离矩阵U实现混合信号中源信号与噪声信号的逐次分离;然后采用波形相似性原则对分离后的信号进行盲抽取,获得去噪后局放超声信号;在此基础之上,对局放超声阵列信号模型进行了重构。同时,提出以阵列流型平均相角差、波形变化趋势、波形相似性以及去噪前后的信噪比等参数对局放超声阵列信号的去噪效果进行综合评价。最后,将FastICA用于实验室实测局放超声阵列信号的去噪。结果表明,FastICA能够很好的抑制局放超声阵列信号中的白噪声,在保证高信噪比的情况下,可最大限度地保留阵列信号的"相位差"信息,确保良好的测向效果。     

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。     

非平稳振荡局放信号去噪效果评价参数研究

为克服目前常用的波形相似性参数(NCC)只能从整体上评价去噪前后波形相似程度,缺乏对波形振荡细节描述的缺点,弥补只用NCC作为评价参数的不足,基于信号去噪必须满足畸变小和信噪比高的基本原则,对PD信号去噪后带来的波形畸变程度进行了定量评价研究,提出并定义一种描述波形相似程度的变化趋势参数(VTP),给出了离散表达式并阐述了其数学意义。对4种仿真信号去噪前后功率谱的分析验证了VTP参数设置的合理性,而且对不同强度的染噪局放信号均可采用VTP参数来反映去噪效果的优劣性;将VTP与NCC配合使用并结合SNR,能更好地对PD信号去噪效果的理论研究进行综合评价。