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。     

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。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器(GIS)局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器（GIS）局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

提升双树复小波在GIS局部放电监测白噪声抑制的应用

GIS局部放电在线监测过程中原本就微弱的放电信号往往会被白噪声所淹没,因此抑制白噪声是GIS局部放电在线监测工作中必不可少的环节。为了更加有效且快速地抑制局放在线监测中白噪声的干扰,针对第1代小波去噪算法存在着去噪效果不佳、计算效率低等不足之处,结合双树复小波变换良好的去噪能力和提升小波变换高效的计算能力,提出对双树复小波变换进行提升,得到第二代双树复小波变换,应用提升双树复小波变换进行白噪声抑制研究,并且在局部放电在线监测软件系统中引入该算法,应用于现场监测实验。仿真和实验结果表明,较之其他去噪算法,提升双树复小波变换算法的运算速度提高了83%,内存占用降低了将近50%,信噪比得到了提高,且波形相似系数更接近1,更能满足GIS局部放电在线监测的实时性要求,在工程实践中具有更高的应用价值。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解(EMD)的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数(IMF)的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

基于改进FastICA的局部放电在线监测窄带干扰高保真性抑制方法

为了解决传统阈值法和盲分离法在局部放电周期性窄带干扰抑制过程中存在的波形畸变与不确定性问题,提出利用改进的Fast ICA算法对局部放电(PD)信号进行窄带干扰抑制。首先结合PD混合信号离散傅里叶变换功率谱的特点,引入信息熵理论对窄带干扰个数进行确定,并提出利用功率谱"两步法"对窄带干扰频率进行精确估计;然后引入简化的Simpson-Newton迭代公式对Fast ICA算法进行改进,减少算法的迭代次数,并提出利用校准信号对分离信号进行校准,修正分离PD信号的幅值和相位。仿真及实测结果表明,该方法能够有效抑制周期性窄带干扰并能有效保留信号原始特征,且算法的时间复杂度较小,同时与频率切片小波去噪方法和傅里叶变换滤波相比,该方法去噪效果更明显,且能有效避免边缘效应的影响。     

基于FFT的间谐波优化检测算法研究

由于间谐波成分与电网基频不同步,利用快速傅里叶变换进行检测时往往会出现频谱泄漏和栅栏效应,而加窗插值算法在无噪声干扰时能修正误差、提高检测精度。针对此现状给出一种组合小波阈值去噪和快速傅里叶变换的优化检测算法方案。尤其对小波阈值去噪进行改进,提高其算法适应性并实现更精确的信噪分离。通过仿真对比,得到实现间谐波幅频信息准确测量的优化方案。     

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。     

基于自适应提升小波的局部放电信号噪声消除

为了解决在局部放电信号检测中的噪声抑制问题,采用提升小波变换的方法构造小波,在讨论了第二代小渡变换基本原理及特点的基础上,将自适应性引入提升小波方案中,提出了第二代小波变换的改进算法,并用先更新后预测的改进提升方案解决因自适应性引起的非线性问题。将提出的改进提升方案应用到局部放电信号的去噪处理中以验证其效果,并将其去噪效果与传统小波变换的去噪效果进行了比较。仿真结果表明,这种经过改进的提升方案取得了比传统小波变换更好的去噪效果。     

结合高斯核与各向异性邻域抑制的模糊聚类图像分割

针对模糊C均值聚类算法对图像噪声点敏感且抑制力不足问题,所导致收敛慢去噪效果差分割效果的不足,提出一种结合高斯核和各向异性邻域抑制的模糊聚类图像分割方法。算法首先根据邻域窗均值及其邻域灰度值快速评估各向异性邻域权值,通过该权值抑制局部空间噪声,达到去噪模糊聚类目的;再通过高斯核将图像数据转为核函数矩阵,在特征空间对核函数矩阵实施线性算法。通过对测试图像加入噪声,比较其他算法,该算法在去噪、迭代次数和模糊聚类分割上有显著提升。     

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。     

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。     

基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

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。     

基于FFT-EEMD的XLPE电力电缆局放信号去噪方法

针对集合经验模态分解(EEMD)去噪算法在去除周期性窄带噪声时存在严重的模态混叠问题,提出一种快速傅里叶变换(FFT)结合EEMD的信号综合去噪方法。通过分析噪声成分,利用窄带噪声在频域上能量集中的特点,采用FFT对窄带干扰噪声先行去除,同时也解决了EEMD去噪时模态混叠的问题;然后进行EEMD去噪,通过“3σ法则”对第一层IMF分量去噪,其余IMF分量使用自适应阈值处理。最后经过对仿真信号和实测信号去噪,并与小波变换去噪算法和单一EEMD去噪算法对比,证实了该算法的有效性和优越性。     

FFT优化算法与小波分析在局部放电检测中的应用

在实际检测过程中受多种干扰信号的影响,局部放电信号的检测数据不够准确,难以反映出真实局部放电情况,工作效率低,为此提出了一种基于快速傅里叶变换(fast Fourier transformation,FFT)优化算法与小波分析联合检测方法。首先对含有噪声的局部放电信号进行FFT优化处理,在此基础上再利用小波分析进一步处理,最后获得去除干扰的局部放电信号。由实际案例中的处理效果可知,该方法能够很好地去除噪声信号的干扰,验证了该方法在局部放电检测中的准确性,为进一步研究局部放电提供了准确的数据来源。     

小波去噪方法在开关柜故障检测中的应用

中压开关柜故障检测中,传感器的输出信号中往往包含大量的噪声干扰,特别是在故障发展的早期阶段。小波变换是常用的降噪处理方法,在高压设备局部放电检测中有很长时间的研究历史。首先介绍了小波变换原理,并对其与傅里叶变换的区别进行了分析,同时介绍了常用的小波降噪的实现方法;其次,搭建了一套开关柜故障测试平台,采用一种简单、实用的微分电场传感器实现了对绝缘子沿面电晕放电信号的测量,并采用一种商用高频CT进行对比测量;最后,基于文中所述小波去噪的实现方法,对两种传感器的输出信号进行了小波去噪处理,原始信号中80 MHz以上频带的干扰信号在小波去噪后得到了有效抑制,小波去噪的效果显著。