局部放电信号中的白噪声和窄带干扰

分析了局部放电信号中白噪声和周期性窄带干扰经小波变换后的不同特性 ,提出了抑制局部放电信号中白噪声干扰和周期性窄带干扰的分层式综合处理小波包变换算法。结果表明 ,用小波包变换提取局部放电信号有较好的自适应能力     

变压器局部放电检测中的小波包去噪算法

分析了变压器局部放电在线检测中局部放电及干扰信号特征 ,根据小波包变换良好的时频局部化特性 ,引入信号子空间范数描述局部放电信号在时频空间中的分布 ,提出了局部放电信号在线检测的小波包变换新算法。理论分析与实验结果表明 ,该算法能有效抑制周期性载波干扰和白噪声 ,提取局放信号特征     

用小波分析去除局部放电在线监测中的白噪干扰

分析了电力变压器局部放电在线监测中局放信号及白噪声的特征.引出了时—频功率谱的概念.研究了自相关函数的小波变换及它与时—频功率谱的关系.提出了利用小波分析去除变压器局部放电在线监测中的白噪干扰的方法.     

小波包变换和广义形态滤波器在局部放电检测中的应用

现场局部放电在线检测过程中常伴随有白噪声和窄带周期性干扰,为局部放电信号的检测带来很大的困难.为了从强的噪声干扰中有效的提取局部放电信号,本文提出了一种小波包变换和广义形态滤波器相融合的新方法对含有强噪声的局部放电信号进行去噪.结果表明该方法能够有效的消除局部放电信号的噪声,同时能很好的保留原信号的特征,解决了滤除混合...     

基于小波多尺度变换的电力电缆局部放电去噪方法研究

由于强烈的白噪声、周期性窄带信号以及随机脉冲信号等外部干扰因素,电力电缆局部放电在线监测技术中的局部放电信号提取工作一直是一个重点研究课题。本文对小波多尺度变换进行了深入研究,分析了电力电缆局部放电信号及其干扰在小波多尺度变换后的不同特性。去噪结果表明该方法适用于抑制电力电缆局部放电在线监测中的噪声干扰。     

基于小波变换的电力变压器局部放电在线监测方法

常规的放电信号在线监测方法以局部放电信号识别为主,并未对产生的信号噪声进行处理,导致监测过程中的信号能量增加,因此设计了基于小波变换的电力变压器局部放电在线监测方法。该方法提取电力变压器在线监测的局部放电信号特征,充分识别局部放电信号;利用小波变换技术,去除电力变压器局部放电信号噪声,使局部放电信号更加清晰,避免了信号失真的情况;构建局部放电在线监测平台,实时监测局部放电信号的变化情况,从而实现局部放电的有效监测。采用对比实验的方式,验证了该监测方法的信号能量更低、在线监测效果更佳,能应用于实际生活中。     

基于综合门限值小波包去除变压器局部放电白噪声

分析了变压器局部放电信号及白噪声干扰的小波变换特征,提出了采用综合门限值的小波包变换从白噪声中提取局部放电信号的方法,对实测数据进行了处理.     

基于广义S变换模时频矩阵的局部放电特高频信号去噪方法

为有效抑制局部放电特高频信号中的噪声干扰,提出一种基于广义S变换模时频矩阵的去噪方法。基于二维模时频矩阵,采用区域最大能量法提取周期性窄带干扰的特征量,并通过矩阵逆向分离将其去除;采用奇异值分解去噪方法抑制信号中的高斯白噪声。使用该方法对仿真信号和实验室实测信号进行去噪处理,并与传统方法去噪结果进行对比。结果表明,所提方法能有效抑制局部放电信号特高频信号中的噪声,同时更好地保留了原始局部放电信号特征。对现场实测信号进行去噪处理,与传统方法相比,该方法具有较高的噪声抑制比和较低的幅值衰减比,可以有效提取局部放电超高频信号。     

采用自适应随机共振技术进行微弱局部放电信号检测

为实现对微弱放电目标的定位,提出了一种基于自适应随机共振技术检测微弱局部放电信号的方法。分别以具有不同持续时间的双指数函数和双指数衰减振荡函数模拟局部放电信号,加入强高斯噪声;利用该方法提取微弱放电信号,并通过实验验证了该方法的准确性。结果表明,在不同强度的噪声环境中,当尺度变换系数与信号采集频率的数量级相当、系统主要参数选取为信号持续时间的数十倍时,系统可达到随机共振状态,噪声部分能量将转移至放电信号,使得微弱的放电信号得到增强。该方法检测效果优于匹配滤波,为微弱局部放电信号检测提供了一种新方法。     

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。     

基于小波消噪的充油电缆局部放电抗干扰技术研究

在分析高压充油电缆局部放电信号及白噪声干扰特征的基础上,利用小波消噪技术从白噪声中提取局部放电信号,通过仿真研究,证实了消噪模型的可行性,确定了小波消噪的分解尺度,实测信号的消噪处理证实了消噪算法在充油电缆局部放电在线监测上的有效性。     

基于小波变换抑制GIS局部放电监测中白噪干扰的新方法研究

针对GIS局部放电监测中的白噪干扰 ,以离散二进小波变换为基础 ,采用软硬阈值结合的混合阈值滤波方式 ,将信号的能量误差函数作为去噪的目标函数 ,提出了一种从白噪声中提取GIS局部放电信号的新方法。仿真试验结果表明 ,该方法具有抑制白噪干扰能力强 ,PD信号畸变小 ,算法简单等优点 ,能够从白噪干扰中有效地提取出局部放电信号。     

从自相关函数中重构局部放电信号的一种新方法

分析了去噪后局放信号自相关函数的特点,提出了从局放信号自相关函数中重构局放信号的相窗扩展法.     

小波变换在局部放电信号提取中的应用

本文尝试将波波变换应用于提高用脉冲电流法测得的局部电脉冲的信噪比。     

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。     

用于提取PD信号的复小波簇消噪算法

因电气设备处在强烈电磁干扰环境中,常被噪声淹没,为了准确检测PD信号,需有效抑制其噪声干扰。根据PD信号和白噪干扰的复小波系数各有其特点和小波变换的本质是被分析信号和小波做内积运算,提出了从一簇复小波中逐层选择最优复小波并根据模极大值原理确定分解层数的方法即以阈值消噪法为基础的复小波簇消噪法。采用该方法对PD染噪信号进行去噪处理,并用去噪前后的信噪比(SNR)和波形相似性参数(NCC)对仿真PD信号的消噪结果进行评价。结果表明,复小波簇消噪法在满足SNR>10 dB的要求下,两个信号的NCC都>0.9,复小波簇消噪法从白噪干扰中提取PD信号的能力更强,在高SNR的情况下,信号的畸变也更小。