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。     

基于交叉小波变换和相关系数矩阵的局部放电特征提取

针对局部放电特征量的高维性及对噪声的高敏感性,提出一种基于交叉小波变换和相关系数矩阵的局部放电特征提取方法。基于交叉小波变换对信号的时频域分析功能以及对噪声的免疫功能,采用交叉小波变换分析变压器局部放电信号,并获得表征交叉小波谱图特性的特征量;然后利用相关系数矩阵对获得的特征量进行相关性分析,剔除具有较强相关性的特征量;最后将提取到的特征量送入概率神经网络与BP神经网络分类器进行放电模式识别。仿真及实例分析证明了该方法的有效性。     

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。     

基于变分模态分解和凹凸型阈值小波的电缆局部放电信号降噪方法

针对中高压电缆局部放电信号测量中常见的周期性窄带干扰和随机白噪声干扰的问题,提出了一种基于变分模态分解(variational mode decomposition, VMD)和凹凸型阈值小波变换相结合的局部放电信号的降噪方法。先通过VMD对原始信号进行分解重构完成初步的降噪,再通过凹凸型阈值的小波变换进行进一步降噪。应用此方法分别对仿真信号和实测信号进行噪声抑制,并与传统降噪方法的降噪效果进行对比。对比结果证明所提方法相较于传统的软硬阈值的小波降噪等方法有更好的降噪效果,局放信号特征保留效果也更好。     

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     

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。     

电力变压器局放信号抗干扰与模式识别

在局部放电信号抗干扰方面,考察了几种较新的阈值除噪方法,提出了将二进小波变换分别与单抽头最小均方LMS(Lease Mear Square)算法滤波器和基于Birge-Massart策略的小波去噪相结合的变压器局部放电信号抗干扰方法.同时针对局部放电信号的模式识别问题,首先分别根据模糊概率理论和波形匹配理论,针对时域单个特高频UHF(Ultra High Frequency)脉冲信号,提出了2种电力变压器特高频局部放电信号的模式识别方法.基于时域单个UHF脉冲信号的信息,提出了用于神经网络输入的8个特征量,分别利用BP网络、Elman回归神经网络和PNN概率神经网络对4种典型的变压器局部放电信号进行了模式识别的尝试,取得了较好的识别效果.     

小波变换在局部放电声信号提取中的应用

在电力设备外表面设置的声传感器可以获取局部放电的声信号,文中使用高精度的声信号采集装置来采集局部放电声信号,并对实测信号的特性进行分析。由于局部放电信号具有突出的局部瞬变特征,可通过这一特性从含有噪声的原始信号中有效的提取出局部放电信号。本文采用小波变换在时域和频域具有局部瞬变特征的特点,用基于小波变换的消噪算法来提取局放信号。通过对仿真信号和实测信号的处理,表明该算法行之有效。     

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。     

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。     

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。     

基于交叉验证的局部放电白噪声抑制新方法

基于交叉验证理论,提出局部放电信号白噪声抑制的新方法.该法无须事先估计局部放电中白噪声的任何参数,能根据所定义的积分平方误差(ISE)代价函数确定最佳的阈值,同时选择最优的分解层数和小波基函数,通过阈值处理,实现了对局部放电白噪声的抑制.仿真算例和现场数据表明,本文所提方法能够很好地提高局部放电信号的信噪比,且信号的均方误差较小.