自适应广义数学形态学抑制局部放电窄带干扰

针对传统数学形态滤波器存在的统计偏倚现象,基于最小均方(LMS)自适应算法调节不同长度的结构元素,提出一种自适应广义数学形态滤波器。在强烈的噪声环境中,采用数学形态学、广义数学形态学和自适应广义数学形态学三种方法对比仿真分析消除连续的周期窄带干扰,并引入信噪比和局部放电脉冲的波形失真均方误差评价指标。仿真分析和现场数据处理结果表明,自适应广义数学形态学的滤波效果优于单一的形态滤波效果,完整地保持了局部放电信号的几何结构特征,信号失真小。分析结果表明,自适应广义数学形态学能有效地抑制连续的周期窄带干扰。     

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.     

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。     

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。     

基于熵阈值的小波包变换抑制局部放电窄带干扰的研究

阐述了正交小波基框架下二进小波变换和小波包变换的频域分割基本思想，研究了窄带干扰存在时被测信号的小波包变换及其树节点的信息熵变化情况，并利用信号信息测度的熵作为判断局部放电在线监测中窄带干扰存在与否的标准，提出基于熵阈值的小波包分解和重构算法。研究结果表明，当窄带干扰存在时，被测信号的小波包变换树节点的信息熵明显增大，能够用作被测信号中存在窄带干扰的判据；仿真分析和实测数据处理表明，文中方法具有良好的自适应性，无需事先确定窄带干扰的数目及其中心频率，干扰抑制能力强，能准确提取局放脉冲的相位。     

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EMD的局部放电窄带干扰抑制算法

以经验模态分解(empirical mode decomposition,EMD)为基础,提出了一种基于包络线及有效值的自适应窄带干扰抑制算法,用以从噪声中提取局放信号。EMD可以自适应地将信号分解成若干阶不同频率段的固有模态函数(intrinsic mode functions,IMF),窄带干扰经分解后在振幅上显示出与局放脉冲明显不同的特征,通过包络线及有效值确定的阈值可以有效地区别开来。仿真及实际处理结果表明:与常规的基于小波变换的窄带抑制算法相比,该算法具有较强的自适应性;能有效地抑制局放信号中的窄带干扰。     

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。     

基于遗传算法和傅里叶级数的局部放电窄带干扰抑制

阐述了傅里叶级数法利用原始数据来重构窄带干扰的基本思想,分析了其重构精度受频率估计偏差和随机干扰影响较大的不足.在此基础上,结合遗传优化算法提出了一种抑制局部放电信号中窄带干扰的新方法.它不需要预知窄带干扰频率的精确值,而是通过遗传算法优化选择重构参数,避免了求解冗余方程组带来的累积误差,具有较强的自适应逼近能力和抗随...     

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。     

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(singular value decomposition,SVD)方法在局部放电(partial discharge,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...     

基于EEMD与KICA的局部放电窄带干扰抑制

窄带干扰严重时可能完全淹没局部放电信号,给局部放电检测工作带来巨大困难。针对局放信号经验模态分解模态混叠现象,提出采用集合经验模态分解与核独立分量分析抑制局部放电窄带干扰的方法。在局放信号叠加不同频率、不同幅值的窄带干扰情况下,该方法能较好地提取出局放信号,有效提高信噪比且信号失真小。仿真和现场测试信号的处理结果均验证了所提方法的有效性。     

开关柜局部放电超高频检测中周期性窄带干扰的抑制研究与应用

基于小波变换用于抑制开关柜局部放电在线检测中用期性窄带干扰的目的,提出了K-均值阈值算法来改进经典阈值法对窄带干扰频率的自适应性,现场实验结果表明,K-均值阈值算法能改善局部放电信号的提取效果,准确率高,波形失真小,对混频周期性窄带干扰具有较强抑制能力.     

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     

FFT与交叉验证在局部放电窄带干扰抑制中的应用

根据窄带干扰与局部放电信号具有不同频谱的特性,提出了一种基于FFT和交叉验证相结合的抑制局部放电窄带干扰的方法。先用FFT对信号进行消噪,再用交叉验证方法对消噪后信号进一步处理,由此能有效去除局部放电中的窄带干扰。仿真结果表明,该方法能有效提高信噪比,失真小,去除窄带干扰优于FFT及小波。     

基于数学形态滤波器抑制局部放电窄带周期性干扰的研究

变压器局部放电在线检测的关键技术之一是有效抑制现场强烈的电磁干扰。文中引入非线性数学形态学变换，基于最小均方(LMS)算法构造了一种结构元素自适应的形态开、闭组合形态滤波器，很好地解决了局部放电在线检测的窄带周期性干扰问题。仿真表明该方法对窄带周期性干扰的噪声抑制比(NNR)大于60dB，而现场实际测量的噪声抑制比超过20dB。数学形态滤波器为电力变压器局部放电在线检测提供了一种新的干扰抑制方法。     

抑制局部放电信号中周期性窄带干扰的共振稀疏分解方法

为了从窄带干扰背景中有效提取局部放电信号,提出一种抑制周期性窄带干扰的共振稀疏分解方法。利用窄带干扰信号与局部放电信号品质因子的不同,在基于信号共振稀疏分解理论的基础上,实现窄带干扰和放电脉冲的有效分离。该方法能在有效抑制窄带干扰的同时,削弱随机干扰。仿真和实测信号的处理结果验证了该方法的可行性和有效性。     

基于广义S变换的高斯领域时频滤波方法

针对S变换时频滤波局部时频区域选择问题,提出了一种高斯邻域阈值滤波方法。首先,利用S变换的二维时频特性,构建时频分辨率可调的广义S变换,提高分析信号的时频分辨率。然后根据不同时频分布类型,定义了3种不同的高斯邻域时频滤波模型。针对不同模型高斯邻域,对信号中S矩阵高斯邻域内的时频数据采用局部阈值处理,保留有用信息,通过广义S反变换得到滤波后的信号。仿真与实验结果表明,广义S变换高斯邻域时频阈值滤波方法具有较高的滤波精度,该滤波模型能有效减小滤波均方差。     

FFT与小波分析应用于抑制局部放电窄带干扰

局部放电极易被噪声污染,众多干扰中载波通讯、高频保护、无线电广播等周期干扰尤其严重,而窄带干扰严重时可能完全淹没局部放电信号,这给局部放电的检测工作带来了巨大困难。为了从强的窄带干扰背景中有效提取局部放电信号,在基于FFT与小波分析理论的基础上,根据窄带干扰与局部放电信号具有不同频谱的特性,提出了抑制局部放电信号窄带干扰的新方法。考虑FFT处理方法的频谱泄漏性,再用小波变换对FFT处理后的局部放电信号进行进一步消噪,由此能够取得很好的消噪效果。仿真结果表明,此方法对窄带干扰去噪要比FFT、小波及小波模极大值去噪效果好,且得到的局部放电信号失真小。     

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。