小波熵自适应阈值的电能质量信号去噪新方法

针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。     

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。     

用于局部放电检测的一种小波去噪方法

局放监测系统常会受到很强的外界干扰,有时局放信号甚至被噪声完全淹没,因此对采集到的信号必须进行去噪处理才能获得可靠的局放信息。笔者介绍了利用小波变换进行自动去噪处理的方法。利用相关系数选择最佳小波,通过自动阈值计算选定阈值并对高频分量进行软阈值处理,然后对信号进行重构。结果表明,这种自动去噪算法可以有效地提取局放信号的特征,可望用于局放信号在线监测。     

基于小波变换模极大值去噪方法的改进

由Mallat的极大值去噪算法出发,与利用尺度间小波变换相似系数的阈值去噪方法结合,提出了一种新的改进去噪算法。该方法克服了模极大值法在信号重构方面计算复杂,重构信号产生偏差的缺陷。通过对局放信号的去噪仿真计算,证明了该方法运算简单,适合局放信号的处理,处理后的局放信号不失真,剔除噪声效果好。     

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。     

基于提升小波改进阈值的光谱信号去噪研究

对傅里叶红外光谱信号的预处理进行研究,分析了小波变换在光谱信号去噪中的应用,针对传统小波阈值去噪中存在的缺点,对阈值函数进行改进。改进方法通过保留部分低于阈值的分解系数,克服了硬阈值法不连续,以及软阈值法估计系数和真实系数具有恒定偏差的缺点。实验采用基于提升小波的改进阈值函数法对铜陵市市区上空空气实测光谱信号进行预处理,结果表明,与经典小波变换和Donoho软阈值、硬阈值法相比,相同条件下信噪比、均方差、运行速度均有所提高。     

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。     

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。     

小波去噪与压缩在电厂设备中的应用

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。     

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。     

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。     

局部放电在线监测中小波阈值去噪法的最优阈值自适应选择

小波系数阈值是决定小波阈值去噪法处理后的去噪信号失真度及误差的关键因素。针对局部放电脉冲频谱特征,提出用于局部放电信号去噪的小波最优阈值选择方法,阐述了自适应阈值搜索中的尺度选择方案;采用四种人工模拟加噪信号和两种典型局部放电脉冲仿真信号对该方法的去噪效果进行了定量分析,并采用了自适应阈值法对实测局部放电信号进行了处理,结果表明,该方法在局部放电在线监测中具有良好的去噪效果和实用价值。     

基于小波变换和数学形态学的局部放电信号分析方法

应用小波变换与数学形态学相融合的方法对含有强噪声的局部放电信号进行消噪，并与小波变换的阈值法进行了比较，发现该方法能更有效地消除局部放电信号的噪声，同时能很好地保留原信号特征。采用多尺度数学形态学开运算提取消噪后的局部放电信号数学形态谱，通过形态谱的提取可看出每种放电类型具有不同的形态特征，为放电类型的识别打下基础。     

局部放电离散谱干扰的小波包变换熵阈值抑制法

将信号的小波包变换看做通过等带宽的滤波器组，输出是对应频带上的分量，如某一频带上存在离散谱干扰，其小波包变换树节点的信息熵将会明显增大。同时，提出基于小波包分解和重构算法的熵阈值法。结果表明，这种方法具有良好的自适应性，无须事先确定离散谱干扰的数目及其中心频率，干扰抑制能力强，能准确提取局部放电脉冲的相位，对于单一放电类型，可以标定放电量的大小。     

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。     

基于小波分析的水冷壁管缺陷识别和分类方法

根据水冷壁管不同缺陷对应的检测信号的波形特征，提出一种基于奇对称小波变换的模极大值缺陷识别和分类方法。选取二次样条小波为小波函数，运用软阈值函数和固定阈值处理小波系数，有效地消除和抑制了背景噪声对检测信号的影响，获得了比较纯净的水冷壁管壁厚减薄缺陷信号。同时，对小波变换后管壁内、外表面局部缺陷信号的特征进行分析，探讨了基于小波变换的内、外表面局部缺陷的分类方法。     

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。     

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。