基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

一种基于短时奇异值分解的局部放电白噪声抑制方法

白噪声是电缆局部放电(partial discharge,PD)检测时最为常见的噪声之一。针对局部放电白噪声的抑制问题,提出一种基于短时奇异值分解的局部放电去噪方法。该方法通过短时数据窗截取含噪局放信号片段,利用奇异值分解实现局放信号白噪声抑制。通过典型局放脉冲模型模拟实际局放信号,考虑不同信噪比、窗口长度对去噪结果的影响,验证了该方法的可行性。在振荡电压和工频电压下对实验室模拟的两种不同典型电缆缺陷进行了局部放电测试试验,并利用不同去噪方法对测试得到的局放信号进行去噪,验证了该方法的有效性和准确性。结果表明,该方法相比于传统小波去噪识别灵敏度更高,且去噪后波形相比于传统小波和奇异值分解去噪后波形相似度更高、误差更小。     

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CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。     

基于Spc-Shrink平稳小波变换的GIS局部放电降噪方法

气体绝缘金属封闭开关设备进行局部放电检测时易受到白噪声的影响。为了有效滤除局部放电信号中的白噪声干扰,提出了一种基于新型噪声阈值规则的平稳小波降噪方法。该方法利用统计过程控制理论确定了小波系数的初始上限和下限,并根据每层小波系数的统计特征迭代更新上限与下限,通过该上、下限求出信号的噪声阈值水平,从而对局部放电信号的进行自适应降噪。所使用的平稳小波变换摒弃了传统小波的下采样步骤,对局部放电信号的表征更为完整。本文对三种5 dB染噪局部放电信号进行噪声抑制,降噪后信噪比达到19.1433 dB,均方根误差维持在0.03以内。而处理实验室平台下采集的染噪局部放电信号,信号抑制比为17.1769。本文所提算法能较好抑制局部放电信号中的噪声,去噪后的波形特征明显,失真程度低。     

基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪

抑制干扰是GIS局部放电在线监测的关键技术之一。尽管局部放电超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为准确测量局部放电带来困难。为有效抑制白噪声,提高局部放电超高频法的测量精度,本文提出一种用于GIS局部放电超高频信号的自适应小波分解去噪算法,该算法基于每层小波分解尺度系数能量最大的原则,逐层自适应选取最优的小波进行分解,并结合Donoho提出的软阈值法进行去噪。对人工绝缘缺陷产生的四种GIS超高频信号的去噪结果证明了该算法较其他小波算法能更好地去除白噪声且去噪后信号波形畸变较小,具有很好的应用前景。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器（GIS）局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

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。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器(GIS)局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

形态学滤波与自适应噪声抵消在GIS局部放电超高频信号去噪中的应用

抑制局部放电信号中的噪声干扰是GIS局部放电在线监测的关键技术之一。尽管超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为局部放电的准确测量带来挑战。针对GIS局部放电监测中的白噪声干扰,以提高局部放电超高频法的测量精度为目标,文中采用形态学滤波和自适应噪声抵消相结合的方法对GIS局部放电超高频信号的去噪问题进行了研究。通过对4种典型绝缘缺陷产生的局部放电超高频信号的去噪实验,结果表明文中所用方法较小波变换方法能更好地去除白噪声且去噪后信号具有较小的幅值误差和畸变率。     

Classification of multiple partial discharge sources in dielectric insulation material using Cepstrum analysis–artificial neural network

In high‐voltage equipment insulation, multiple partial discharge (PD) sources may exist at the same time. Therefore, it is important to identify PDs from different PD sources under noisy condition in insulations, with the highest accuracy. Although many studies on classifying different PD types in insulation have been performed, some signal processing methods have not been used in the past for this application. Thus, in this work, Cepstrum analysis on PD signals combined with artificial neural network (ANN) is proposed to classify the PD types from different PD sources simultaneously under noisy condition. Measurement data from different sources of artificial PD signals were recorded from insulation materials. Feature extractions were performed on the recorded signals, including Cepstrum analysis, discrete wavelet transform, discrete Fourier transform, and wavelet packet transform for comparison between the different methods. The features extracted were used to train the ANN. To investigate the classification accuracy under noisy signals, the remaining data were corrupted with artificial noise. The noisy data were classified using the ANN, which had been trained by noise‐free PD signals. It is found that Cepstrum–ANN yields the highest classification accuracy for noisy PD signals than the other methods tested. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

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。     

小波分析在气体绝缘组合电器局部放电检测中的应用

采用两种检测手段,测量了在气体绝缘组合电器(GIS)局部放电模拟系统中,由内导体固定突起所产生的局部放电。一种有效的滤除干扰的信号处理方法——小波分析法被应用于这个系统。结果表明,在背景有较强干扰情况下,由于小波分解的局部特性,在检测局部放电时优于传统的付里叶频谱分析方法及在单纯频率范围滤波的方法。     

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.     

应用FPGA和小波变换提取局部放电信号

小波变换是抑制局部放电中强干扰信号的有效工具,然而其巨大的计算量制约了它在局部放电在线监测中的现场应用。FPGA(Fielded Programmable Gate Array)器件兼具并行、串行的工作方式,有较高的并行计算能力,在现场数字信号处理领域具有较高的实时性。在分析了局部放电信号和白噪声的特点后,提出折衷小波包硬阈值变换算法。根据该算法,以DSP Builder为平台,模块化地设计出基于FPGA的流水线结构。从模拟现场信号中提取局部放电信号的实验结果表明系统可行。实际局部放电现场信号的处理结果表明,系统能较好的提取局部放电信号,同时满足了的实时性要求,在变压器的局部放电信号在线检测等领域具有一定的工程应用价值。     

基于空间屏蔽滤波的小波变换在抑制变压器局放白噪干扰中的应用

提出了利用基于空间屏蔽滤波的小波变换进行变压器局放白噪干扰抑制的方法,对仿真信号和局放信号进行了计算,证明该方法对变压器局部放电信号的白噪干扰抑制起到比较好的效果.     

小波分析检测线缆故障的应用研究

小波分析克服了傅立叶变换不能对信号同时时频局部化分析的缺点,具有很强的信号特征提取能力,尤其对暂态突变信号或微弱变化信号的处理表现出明显优势,为快速准确检测电缆故障研究了应用小波分析处理故障线路行波信号的技术。通过计算模量初始电流行波在小波变换下的模极大值,根据3个模量的故障特征选择故障相。EMPT仿真数据的分析,证明该方法具有很高的精度。     

A novel wavelet transform technique for on-line partial discharge measurements. 1. WT de-noising algorithm

Medium and high voltage power cables are widely used in the electrical industry with substantial growth over the last 20-30 years ago, particular in the use of XLPE insulated systems. Ageing of the cable insulation is becoming an increasing problem that requires development of reliable methods for on-line condition assessment. For insulation condition assessment of MV and HV cables, partial discharge (PD) monitoring is one of the most effective techniques. However on-site and on-line PD measurements are affected by electromagnetic interference (EMI) that makes sensitive PD detection very difficult, if not impossible. This paper describes implementation of wavelet transform techniques to reject noise from on-line partial discharge measurements on cables. A new wavelet threshold determination method is proposed with the technique. With implementation of this novel de-noising method, PD measurement sensitivity has been greatly improved. In addition, a full AC cycle data recovery can be achieved instead of focusing only on recovering individual PD pulses. Other wavelet threshold de-noising methods are discussed and examined under a noisy environment to compare their performance with the new method proposed here. The method described here has been found to be superior to the other wavelet-based methods     

从白噪声中提取局部放电信号的小波变换方法研究

在分析局部放电在线监测中局部放电信号及白噪声特征的基础上,提出了用自相关函数的小波变换方法从白噪声中提取局部放电信号;通过对去噪后局部放电信号自相关函数特征的分析,提出了从小波反变换后的自相关函数中提取局部放电信号的方法。