基于经验小波与小波变换的GIS局部放电信号去噪方法研究

为解决气体绝缘组合电器(gas insulated switchgear,GIS)内部缺陷局部放电(partial discharge,PD)信号含有噪声的问题,搭建了模拟局部放电环境,采用超高频法(ultra-high frequency,UHF)采集缺陷PD信号。针对UHF PD信号具有周期性窄带噪声与白噪声的特点,提出了基于改进的经验小波(experience wavelet,EWT)与小波变换结合进行UHF PD信号的去噪研究。首先,含噪信号通过EWT预处理分解为多频率的模态函数,然后对模态函数进行小波去噪处理,将去噪后的模态函数按照峭度值进行划分,根据合适的阈值选取UHF PD信号的有效成分并重构信号,最后,通过构建UHF PD仿真信号并采用实测数据验证所提算法的有效性。仿真实验与实测去噪结果表明:文中所提改进去噪算法具有良好的噪声抑制能力,为GIS设备内部UHF PD信号去噪提供参考。     

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。     

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。     

一种基于复小波变换提取PD信号的分块自适应复阈值算法

基于复小波系数之间的相关性以及块阈值算法能充分利用周围小波系数的特点,创建一种用于复小波变换对PD信号的去噪的分块自适应复阈值算法,并与点自适应复阈值算法和分块自适应实阈值算法的去噪效果进行了对比.利用变化趋势参数(VTP)和波形相似性参数(NCC),并结合去噪前后的信噪比(SNR)对仿真PD信号的去噪效果进行综合评价.最后,将分块自适应复阈值技术用于对实验室实测的模拟GIS超高频PD信号的去噪.结果表明,采用分块自适应复阈值算法的复小波变换抑制白噪声效果更好,在保证高信噪比(SNR)或噪声抑制比(NRR)的情况下,对信号的畸变也更小.     

基于互补集合经验模态分解法的变压器局部放电信号去噪方法

提出一种针对特高频(ultra-high frequency,UHF)局部放电(partial discharge,PD)信号的去噪方法。首先利用互补集合经验模态分解法(complete ensemble empirical mode decomposition,CEEMD)将PD信号分解为一系列本征模态函数(intrinsic mode function,IMF),然后通过峭度值判定规则找出含有效PD成分的多组IMF,最终采用小波阈值法对重构信号进一步去噪。仿真和实测算例的处理结果表明,该方法能够有效去除UHF PD信号中的多种噪声,且去噪性能优于单纯的小波自适应阈值法和基于集合经验模态分解法。     

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。     

基于改进奇异值与经验小波分解的局放去噪算法

局部放电(partial discharge,PD)检测是监测绝缘劣化的重要手段.由于现场环境复杂,PD检测易被干扰,而PD检测的真实性影响电气设备绝缘性能评估的准确性.因此,检测信号去噪是PD检测的重要任务.常用PD去噪算法的效果依赖于人工选择阈值或分解层数等参数,为了解决这个问题,该文提出不依赖于人工选择算法,使用基于曲率的奇异值变换(singular value decomposition,SVD)自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的PD信号进行基于经验小波变换(empirical wavelet transform,EWT)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪;最后通过时域去噪去除残留噪声,得到去噪后的PD信号.模拟PD信号和现场实测PD信号的去噪结果均表明所提方法能够更有效地去除窄带干扰和白噪声.     

基于时域能量与自适应奇异值阈值的改进局放信号去噪方法

局部放电(简称局放)检测是探测电力电缆绝缘缺陷的有效手段。针对传统短时奇异值分解(STSVD)白噪声抑制方法存在的不足,文中提出了一种基于时域能量与自适应奇异值阈值的局放信号白噪声抑制方法。该方法利用自适应奇异值阈值估计策略对重构奇异值个数进行准确估计,并在此基础上结合时域能量准则仅对局放脉冲区域进行去噪处理,从而极大地提升了算法的执行效率。对仿真和实测含噪局放信号进行处理,并将去噪结果与现有的自适应奇异值分解(ASVD)、传统STSVD及小波变换去噪结果进行对比。研究结果表明：相比于ASVD、小波变换去噪方法,文中所提去噪方法能够取得更好的去噪效果,去噪后波形误差更小;相比于传统STSVD,文中所提方法能够有效解决去噪后存在的毛刺干扰问题,且计算速率更快。     

混合粒子群优化小波自适应阈值估计算法及用于局部放电去噪

小波去噪是局部放电(PD)检测中常用的去噪手段,小波阈值的选取会对局部放电信号失真度及误差产生重要影响。为了提高局部放电小波去噪的自适应能力,降低去噪畸变,提出了1种用于局部放电信号去噪的混合粒子群优化小波自适应阈值估计(HPSOWATE)算法。针对普通阈值选取算法容易陷入局部最优的问题,采用融合了交叉、变异的HPSOWATE算法进行了全局自适应搜索最优阈值。引入遗传算法及标准粒子群算法对计算结果进行了验证。对局部放电染噪仿真信号和现场实测信号的去噪结果表明,该算法能够有效地跳出局部最优位置,较快收敛到全局最优,显著提升了结果可信度和算法计算速度。计算结果表明,所提出的算法在不同信噪比下得到的去噪信号的均方误差(MSE)和幅值误差都最佳,能更好地去除局部放电信号中的白噪声,具有良好的应用价值。     

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。     

应用复小波变换抑制GIS局部放电信号中白噪声干扰的研究

由于GIS局部放电超高频检测中不可避免的会遇到白噪声干扰，且现有抑制白噪声的方法有许多不足之处。文中根据白噪声干扰的特点，构造了Daubechie’S系列复小波，通过复小波变换的简单信息和复合信息，对染有白噪声的仿真信号和实测信号进行去噪研究。结果证明：综合运用复小波变换的简单信息与构成的复合信息，能更有效地抑制GIS局部放电超高频信号中的白噪声干扰。     

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SVD-WT的电机局部放电去噪方法研究

局部放电(PD)在线监测是高压电机状态监测的常用技术。然而现场的噪声干扰难以避免,最常见的噪声是白噪声和周期性窄带噪声。为此提出一种结合奇异值分解与小波变换(SVD-WT)的去噪方法,对原始PD信号进行SVD分解,通过计算奇异值序列的峭度值,自适应的选取需要重构奇异值实现周期性窄带噪声的去除;通过计算滑动窗内信号的方差值,确定PD信号的起始位置;对无PD发生的位置进行置零,得到去除噪声后的PD信号。通过对仿真和实测的PD信号进行去噪分析,与经验模态分解与小波变换(EMD-WT)和自适应奇异值分解(ASVD)进行对比分析,仿真和实测的PD信号去噪结果表明,SVD-WT方法具有优异的性能。     

基于优化VMD与噪声估计的间隔阈值局部放电去噪方法

为了抑制局部放电(PD)信号中含有的窄带周期干扰和白噪声,提出一种基于优化的变分模态分解(VMD)阈值去噪方法。首先针对VMD算法可能造成染噪信号欠分解或过分解的问题,提出一种基于频谱分析和四分位数的模态分解数K值优化方法,并结合模态的峭度特征去除窄带周期干扰和高频白噪声;针对PD信号主导模态中残留的白噪声,利用文中研究中发现的VMD分解白噪声所得模态的两个统计特性,提出一种噪声标准差估计方法来确定阈值,最后引入间隔阈值函数对PD信号主导模态进一步去噪。采用该方法对仿真和实测信号进行去噪处理,并将其与传统方法进行对比,结果表明,所提方法不仅可以更有效地抑制噪声,同时也能更好地保留PD信号的特征。     

一种用于抑制白噪声的分层复阈值算法

基于PD信号的复小波变换模极大值随尺度s的增加而增加，而白噪声的复小波变换模极大值随尺度s的增加而减小的特点，创建一种分层复阈值算法。将分层复阈值用于复小波变换对仿真PD信号的去噪，并与全局复阈值算法进行了比较。同时在对仿真PD信号去噪后的波形畸变研究中，为弥补波形相似性参数(NCC)的不足，提出一个新的描述波形相似程度参数--变化趋势参数(VTP)，并结合去噪前后的信噪比(SNR)对去噪效果进行综合评价。将分层复阈值技术用于对实验室实测的模拟GIS超高频PD信号的去噪。结果表明，采用分层复阈值技术的复小波变换抑制白噪声的效果更好，在高信噪比(SNR)或噪声抑制比(NRR)的情况下，对信号的畸变也更小。     

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SVD和低秩RBF神经网络的局部放电信号提取方法

局部放电(partial discharge,PD)特高频(ultra high frequency,UHF)信号检测过程易受到白噪声和周期性窄带干扰的严重影响.为有效提取PD UHF信号、抑制干扰,提出一种基于奇异值分解(singular value decomposition,SVD)和低秩径向基函数(radical basis function,RBF)神经网络的去噪方法.首先,将染噪局部放电信号构造为Hankel矩阵,并奇异分解到特征矩阵空间;然后,把特征矩阵中奇异值突变点设为阈值,以去除窄带干扰;最后,采用RBF神经网络逼近去干扰后的PD信号,并采用Gaussian窗滤波以提取局放信号.所提方法与逆向分离(reverse separation,RS)和形态学小波综合滤波器(morphology wavelet filter,MWF)进行对比.从仿真和实测结果表明,该方法对周期性窄带干扰和白噪声有着强抑制作用,评价指标更为显著.     

基于改进经验小波变换的局部放电荧光信号去噪

由于现场环境的复杂性,局部放电(partial discharge,PD)检测伴随着大量噪声干扰,易出现PD漏报与误报现象,影响电力设备后续运维工作。文中采用荧光光纤PD检测法,提出了基于谱峭度和改进经验小波变换(empirical wavelet transform,EWT)的自适应PD荧光信号去噪算法。首先利用快速谱峭度图确定荧光信号傅里叶频谱的紧支撑区域边界,随后对含噪荧光信号进行EWT分解并获得荧光信号所在的有用信号分量,最后对有用信号分量采用小波阈值法去除残留噪声,得到去噪后的PD荧光信号。利用该方法对仿真荧光信号进行去噪分析,并将去噪结果与经验模态分解-小波变换(empirical mode decomposition-wavelet transform,EMD-WT)法和EWT法进行对比,结果表明,该方法在信噪比、均方根误差和归一化相关系数等指标方面都有所提升,证明了该方法具有良好的去噪效果。此外,实测信号的去噪结果表明,该方法的降噪率优于EMD-WT法和EWT法,具有较好的噪声抑制能力。     

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。     

粒子群优化小波自适应阈值法用于局部放电去噪

为了提高局部放电在线监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出了一种用于电力设备局部放电信号去噪的粒子群优化小波自适应阈值方法。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SURE无偏估计的最优阈值自适应选择方法,结合粒子群优化算法进行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。为了验证其去噪效果,还引入遗传算法对小波自适应阈值法进行优化计算。对局部放电仿真信号与实测局部放电信号的去噪结果表明,本文与标准软阈值法和遗传算法优化小波自适应阈值法相比,能更好地去除局部放电信号中的白噪声,计算速度更快,具有良好的去噪效果和应用价值。