基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用

自适应滤波算法是当前抑制窄带干扰的有效方法。对于单频率的窄带干扰,设置自适应滤波器的参数比较容易,但是对于局放监测中多个频率且频率范围很宽的窄带干扰,设置自适应滤波的参数就会变得很困难。根据经验模态分解EMD(Emp iricalMode Decomposition)的分频特性,将EMD引入自适应滤波算法,提出了一种基于EMD的自适应滤波算法。局放信号中多个频率的窄带干扰经EMD分解之后,会分解到不同的模态函数中,从而将多频率的窄带干扰转化成了多个单频率的窄带干扰,在此基础之上对固有模态函数进行自适应滤波,可以较容易地解决自适应滤波器参数设置的问题,并能获得比普通自适应滤波更好的效果。仿真及实际数据的处理验证了该算法的有效性。     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解(EMD)方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取.分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解(EEMD)的解决方法.该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号.并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果.仿真和现场测试的结果均验证了所提方法的有效性.     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解（EMD）方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取。分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解（EEMD）的解决方法。该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号。并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果。仿真和现场测试的结果均验证了所提方法的有效性。     

基于EMD的局部放电窄带干扰抑制算法

以经验模态分解(empirical mode decomposition,EMD)为基础,提出了一种基于包络线及有效值的自适应窄带干扰抑制算法,用以从噪声中提取局放信号。EMD可以自适应地将信号分解成若干阶不同频率段的固有模态函数(intrinsic mode functions,IMF),窄带干扰经分解后在振幅上显示出与局放脉冲明显不同的特征,通过包络线及有效值确定的阈值可以有效地区别开来。仿真及实际处理结果表明:与常规的基于小波变换的窄带抑制算法相比,该算法具有较强的自适应性;能有效地抑制局放信号中的窄带干扰。     

基于经验模态分解和自适应噪声对消算法的窄带干扰抑制

在局部放电在线检测中,自适应噪声对消算法是当前抑制窄带干扰的有效方法。由于窄带干扰频率范围很宽,滤波参数不易设置,同时实测时的窄带干扰在时频域都表现强烈,局部放电信号会完全淹没于干扰之中,使得一般改进噪声对消算法不能取得较好效果。为此,笔者提出一种改进经验模态分解的噪声对消算法,首先在频域中降低干扰幅值,接着利用经验模态分解的分频特性将宽频带的窄带干扰分解到不同频带,各频带内的窄带干扰频率相差有限,然后进行自适应噪声对消,以达到较好的滤波性能。仿真和实际数据验证了该算法的有效性。     

改进经验模态分解阈值算法抑制强窄带干扰

为抑制电力设备局部放电在线监测中出现的较强窄带干扰,提出改进经验模态分解(EMD)阈值算法,改进了频域阈值算法并解决了其阈值和干扰频带难以确定的问题.首先在频域处理时设置一个较大阈值来降低窄带干扰幅值,接着EMD以得到含有特征频率的固有模态函数(IMF),然后对IMF分量进行阈值处理,利用窄带干扰和局部放电信号在IMF分量上的特性差异来抑制窄带干扰.     

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。     

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中，由于窄带周期干扰的频率范围很宽，自适应滤波器的参数设置比较困难，有时甚至会导致算法不稳定。为此，文中提出了一种基于小波分解的自适应滤波算法，以用于抑制窄带周期干扰：利用小波的分频特性先将信号分解到不同的频段上，然后对各频段的信号施以自适应滤波，由于信号被分解到不同的频段，各频段内的窄带干扰频率相差有限，所以，可以根据各频段信号的特性采用最佳的滤波参数，以达到较好的滤波性能。计算机仿真分析和现场数据处理表明，该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。     

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。     

基于改进频移经验模态分解的低频振荡参数提取

对于规模越来越大的复杂电力系统来说,采用基于量测数据的低频振荡研究方法日益受到重视。经验模态分解(EMD)方法的分解过程具有自适应且适于分析非平稳信号,在低频振荡参数提取方面应用较多,但EMD方法存在模态混叠等现象。当信号中2个单频分量的频率在2倍频内时,频移经验模态分解(FS-EMD)可将2个分量分解开。但当信号中有多个单频分量的频率在2倍频内时,FS-EMD就无法分解。为了提高EMD的频率分辨率并使分解方法具有通用性,文中提出了改进的频移经验模态分解(RFS-EMD)算法。此方法增大了信号中组成分量的频率比,且保证频率不翻转,使之可循环使用RFS-EMD算法分解复杂信号。该方法在应用于电力系统低频振荡模态参数的提取时,能较好地提取多个2倍频范围内的低频振荡模态分量的频率、幅值、相位及阻尼比等参数。数值仿真和实例分析均表明了该方法的有效性。