基于短时傅里叶变换的局部放电窄带干扰抑制

为有效抑制局部放电(PD)信号中周期性窄带干扰,文中提出短时傅里叶变换和矩阵束相结合的局部放电窄带干扰抑制方法。该方法利用短时傅里叶变换分析染噪PD信号,得到窄带干扰数目,同时分离出染噪PD信号中信号帧和噪声帧;采用矩阵束算法在噪声帧中对窄带干扰参数进行估计,重构出全时段的窄带干扰,实现局部放电的窄带干扰抑制。仿真及实测染噪PD信号的去噪效果表明,与传统的傅里叶级数法和局部能量比法相比,所提方法去噪后的残余噪声更小,对染噪PD信号中窄带干扰有很好的抑制效果。     

基于改进SVD算法的局部放电窄带干扰抑制方法

为了解决阈值法和传统奇异值分解(singularvaluedecomposition,SVD)方法在局部放电(partialdischarge,PD)周期性窄带干扰抑制过程中存在的窄带干扰抑制不干净和PD波形畸变的现象,提出了一种带引导信号的SVD算法进行PD信号的窄带干扰抑制。首先结合PD混合信号快速傅里叶变换(fast Fourier transform, FFT)功率谱的特点,引入经典阈值用于判断窄带干扰数,并提出利用3谱线插值对窄带干扰频率进行精确估计;然后构造引导信号加入PD混合信号中,使得窄带干扰的奇异值和PD信号的奇异值便于分离,从而完成PD混合信号的窄带干扰抑制。仿真及实测结果表明,该方法可以有效地抑制周期性窄带干扰并能还原出原始的PD脉冲波形,同时通过和传统SVD方法和FFT阈值滤波对比说明了该方法的去噪效果更明显。     

基于广义S变换与数学形态学的局部放电窄带干扰抑制方法

针对高压电力设备局部放电信号受周期性窄带干扰影响大的问题,提出了一种基于广义S变换与数学形态学的局部放电窄带干扰抑制方法。该方法可以从染噪局部放电(partial discharge,PD)信号中分离出原始PD信号和窄带干扰信号的时频谱图,从而在时频域内准确辨识出窄带干扰和原始PD信号,避免强能量的窄带干扰掩盖原始PD信号时频特征的问题。再利用总体最小二乘不变旋转矢量技术准确估计窄带干扰的特征参数,以抑制染噪PD信号中窄带干扰。对仿真和实测PD信号开展窄带干扰的抑制测试,测试结果表明：该文所提方法可以有效分离出染噪PD信号时频谱图中窄带干扰和PD信号,提高了时频分析的准确率;同时相比于传统的快速傅里叶变换(fast Fourier transform,FFT)算法谱最小熵解卷积滤波法和自适应奇异值分解法,该文方法能够有效抑制小幅值的窄带干扰,具备更好的窄带干扰抑制效果,以恢复局放信号的波形特征。     

结合广义S变换和快速独立分量分析的局放信号中窄带干扰抑制方法

针对现有方法对局部放电（partial discharge,PD）信号中窄带干扰抑制效果较差的问题,提出了一种基于广义S变换和快速独立分量分析的窄带干扰抑制方案。该方案首先利用广义S变换对染噪PD信号进行时频分析,在染噪PD信号的时频分布图中,根据窄带干扰和PD信号的不同时频特征,可以确定窄带干扰的特征区域;然后在窄带干扰的特征区域中,利用Candan算法对窄带干扰的频率进行估计;最后利用窄带干扰频率估计值和快速独立分量分析方法分离出PD信号,实现窄带干扰抑制。仿真和实测结果说明,所提方法可以有效抑制染噪PD信号中窄带干扰,并且能准确获取PD信号的波形特征,对比传统的奇异值分解方法和快速傅里叶变换滤波方法,文中方法对窄带干扰的抑制效果更好,残余干扰的能量较小。     

局部放电在线监测中混频周期性窄带干扰的抑制

为抑制局部放电在线监测中的周期性窄带干扰,在分析局部放电信号与周期性窄带干扰的小波功率谱特点基础上,发现多频混合周期性窄带干扰会在小波功率谱的不同位置产生幅值很大的干扰功率峰。为此,提出一种基于小波功率谱抑制混频周期性窄带干扰的方法,阐述利用小波功率谱抑制混频周期性窄带干扰的基本原理和步骤;同时对经典的阈值法作了改进,采用K-均值阈值算法来改进阈值法对窄带干扰频率的自适应性。仿真结果表明,该方法具有较好的自适应性,对混频周期性窄带干扰具有较强的抑制能力。     

抑制局部放电信号窄带干扰的快速算法

为消除与抑制窄带干扰对电力设备局部放电信号在线监测的影响,提出了一种将快速傅里叶变换（FFT）与小波变换相融合的快速算法,即先对信号进行FFT,从窄带干扰背景中有效提取局部放电信号,再利用小波变换对FFT处理后的局部放电信号进一步消噪。对仿真信号和实测信号的分析结果表明,该方法对窄带干扰有较好的消噪效果,并且得到的局部放电信号失真较小。     

基于广义S变换和随机子空间的局放窄带干扰抑制方法

为了解决传统方法难以有效抑制局部放电中周期性窄带干扰的问题,本文提出了一种基于广义S变换和随机子空间的局部放电窄带干扰抑制方法.该方法首先利用广义S变换将染噪局放信号从时域变换到时频域中,接着利用局放信号和窄带干扰不同的时频特征确定窄带干扰数目和无局放时间片段,最后利用随机子空间算法估计窄带干扰参数,实现染噪局放信号的窄带干扰抑制.仿真和实际测试结果表明:相比于传统的广义S变换模矩阵方法和频率切片小波变换方法,本文所提方法对窄带干扰抑制效果更好,能更好地恢复原始局放波形.     

用于复小波变换的EWC阈值法抑制周期性窄带干扰

由于气体绝缘组合电器(GIS)的局部放电(PD)特高频检测虽然能够避开大多数窄带干扰,但是,还有部分窄带干扰会进入检测系统,从而湮没PD信号,因此在现场检测时必须加以抑制。根据PD信号与周期性窄带干扰小波变换后的不同特点,剖析了抑制周期性窄带干扰的常用方法--小波系数直接置零法的局限性,提出了可以用于抑制周期性窄带干扰的有效小波系数(EWC)阈值法,并以所构造的db4复小波对仿真信号与实测GIS特高频PD信号进行了对比去噪研究。研究结果表明:基于EWC阈值法的复小波变换能够有效地抑制GIS特高频PD信号中的周期性窄带干扰。     

基于改进FFT-小波变换的XLPE电力电缆局放降噪方法

局部放电信号检测对于电力电缆绝缘状态评估具有重要的意义,但信号极其微弱,容易湮没在强烈的外部干扰之中。针对传统小波变换存在去噪效果差、信噪比不高的问题,提出一种快速傅里叶变换与小波变换结合的去噪算法。首先采用改进模糊C均值聚类阈值法对快速傅里叶变换去噪算法进行改进。改进模糊C均值聚类算法有着更优的初始聚类中心,聚类结果更容易收敛,使快速傅立叶变换去噪算法中干扰峰定位更加准确。然后利用改进的快速傅立叶变换去噪算法对周期性窄带噪声进行针对性处理,再结合小波变换方法,去除白噪声为主的剩余噪声,从而实现对局部放电信号的综合去噪。仿真结果表明,基于改进快速傅里叶变换-小波变换的去噪算法信噪比高,波形畸变小,去噪效果优于小波算法。     

用最优谐波小波包变换抑制局部放电混频随机窄带干扰

在进行电气设备局部放电(partial discharge,PD)在线监测中,当多个随机周期性窄带干扰的频率位于传感器监测频段内部时,会严重影响监测的可信性和准确性,然而目前缺乏有效抑制此类干扰的方法。为此,利用谐波小波具有严格盒形频谱特性的优点,提出一种基于最优离散谐波小波包变换的PD去噪新方法,将不同频率窄带干扰的能量分别集中在单一的子带内,用分解后子带香农熵比值的大小来确定包含各窄带干扰的子带,只要将对应的小波系数置零后重构就能得到去除窄带干扰后的PD信号,克服了离散小波包变换子带间存在频谱泄漏的缺点,实现了对PD监测信号的自适应优化分解。通过对仿真和实测PD信号频带范围内含有的混频随机窄带干扰进行去噪处理,并与离散小波包变换去噪结果进行对比分析后表明,最优离散谐波小波包变换对PD信号去噪后的能量损失和波形畸变较小,有利于后续对PD信号的模式识别,可以解决干扰频率位于监测频段内难于抑制的难题。     

局部放电信号中抑制周期性窄带干扰的逆向分离方法

为了有效提取局部放电信号,提出一种抑制周期性窄带干扰的逆向分离方法。该方法由两部分组成:利用矩阵束算法估计含噪局部放电信号中的窄带干扰频率;借助独立分量分析算法,逆向分离出抑制窄带干扰后的局部放电信号。针对在不同信噪比下的局部放电信号,分别运用小波、多小波消噪算法和该方法抑制窄带干扰。仿真结果表明,与小波、多小波相比,在信噪比低至?20d B时,该方法表现出更强的抗噪能力,同时能更好的保留原信号特征。现场测试信号的处理结果也验证了所提方法的有效性。     

应用组合广义形态学滤波器抑制变压器局放信号窄带干扰

为了抑制变压器局部放电(PD)信号中常见的窄带周期性干扰,根据PD信号和窄带周期性干扰的频谱特性不同,在开闭和闭开形态学滤波器的基础上,构造和采用组合广义形态学滤波器,在频域中滤除窄带周期性干扰形成的离散谱线,保留PD信号本身宽频带特性,从而达到抑制窄带周期性干扰的效果。用去噪前后的信噪比和波形相似系数对仿真PD信号的干扰抑制结果进行了评价,结果表明,组合广义形态学滤波器可以有效地抑制窄带周期性干扰。     

基于广义S变换和奇异值分解的局放信号降噪优化方法

针对电缆终端局部放电现场检测时存在白噪声、周期性窄带干扰问题,提出一种基于广义S变换和奇异值分解的局放信号降噪方法。该方法首先通过广义S变换自适应获取窄带干扰个数并截取局放信号所在片段,然后利用改进的3谱线插值法对窄带干扰频率进行精确估计并构造引导信号加入原信号中,对该信号利用奇异值分解实现对混合噪声的抑制。通过对仿真、实测局放信号进行去噪,并与传统降噪方法进行对比分析。结果表明,该方法对于混合噪声干扰具有更优的抑制效果,能较好地还原局部放电信号。     

用于复小波变换的EWC阈值法抑制周期性窄带干扰

由于气体绝缘组合电器（GIS）的局部放电（PD）特高频检测虽然能够避开大多数窄带干扰，但是，还有部分窄带干扰会进入检测系统，从而湮没PD信号，因此在现场检测时必须加以抑制。根据PD信号与周期性窄带干扰小波变换后的不同特点，剖析了抑制周期性窄带干扰的常用方法——小波系数直接置零法的局限性，提出了可以用于抑制周期性窄带干扰的有效小波系数（EWC）阈值法，并以所构造的db4复小波对仿真信号与实测GIS特高频PD信号进行了对比去噪研究。研究结果表明：基于EWC阈值法的复小波变换能够有效地抑制GIS特高频PD信号中的周期性窄带干扰。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法EI北大核心CSCD

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

基于Spectrogram谱图局部放电窄带干扰信号抑制方法

干扰抑制是局部放电信号处理的重难点。窄带干扰作为一种最常见的干扰形式,常将局部放电脉冲信号完全淹没。为在噪声中有效提取微弱的局部放电脉冲信号,提出一种基于Spectrogram谱图窄带干扰抑制方法。对原始信号做短时傅里叶变换(short-time fourier transform,STFT),并将时间-频率-功率密度三维信息绘制成谱图。借助该谱图颜色分布,即由特定谱功率密度突变确定局部放电脉冲起始时刻,从而分离检测时段内不含局部放电脉冲的时段,即噪声干扰段,进而基于该段的功率谱分布提取阈值,在频域上设计数字滤波器,对全检测时段进行干扰抑制。仿真和实测信号的处理结果均表明方法具有很好的干扰抑制效果。     

快速傅里叶变换和广义形态滤波器在抑制局部放电窄带干扰中的应用

根据局部放电信号和窄带干扰的差异,提出了一种基于快速傅里叶变换(fast Fourier transform,FFT)和广义形态滤波器抑制窄带干扰的新方法。首先利用FFT得到窄带干扰的离散谱线,再利用基于数学形态学原理构造的广义形态滤波器将局部放电信号中的干扰滤除,最后进行傅里叶逆变换和小阈值处理以提取局部放电信号。仿真和实测数据的处理结果表明,该方法通过选取合理的结构元素可在滤除干扰的同时保留局部放电信号特征,较好地解决了局部放电信号中窄带干扰滤除的难题。     

基于改进Protrugram和小波变换的超高频局部放电信号去噪方法

为同时抑制超高频(UHF)局部放电(PD)信号中的周期性窄带噪声和随机白噪声,在分析UHF PD信号频谱特性的基础上,发现PD脉冲的频谱具有以某一频率为中心向左右两侧衰减的特征,中心频率处的谱线幅值要明显高于边带部分,且位于谱图上的局部极大值点处。为此,提出了一种基于改进Protrugram和小波变换的UHFPD信号去噪算法。该方法首先在频域上识别PD脉冲的中心频率,然后依据"峭度值"这一指标自适应获取中心频率所对应的频宽,实现脉冲的频谱定位。最后采用小波去噪法去除信号中的冗余白噪声,实现多类噪声的有效抑制。仿真和实测结果表明:同经典的小波去噪算法和集合经验模态分解(EEMD)自适应阈值算法相比,所提算法不仅具有更好的噪声抑制能力,且能更好地保留有效信号。论文研究可为超高频信号去噪提供参考。     

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