尺度空间滤波在局部放电脉冲提取中的应用

在提出脉冲提取思想的基础上，利用局部放电信号所固有的奇异性特征，将小波变换的奇异性检测原理应用于提取局部放电脉冲。为了满足局部放电在线监测的在线准实时要求，提出了改进的尺度空间滤波算法，并将其应用于局部放电脉冲的提取。通过相邻尺度的小波系数直接相乘，可以突出奇异点的信号，并获得基于尺度的屏蔽滤波器，将阈值方法和尺度空间滤波相结合，最终得到基于时域的屏蔽滤波器，将时域滤波器和原信号相乘，就可以提取出局部放电脉冲。仿真试验和发电机实测信号的算例表明，相对于模极大值算法，该方法在提高运算速度的基础上，不但能准确检测出局部放电脉冲，而且能很好地保持局部放电脉冲的幅度和位置。     

基于ICA的水轮发电机局部放电干扰抑制方法

提出了一种基于独立分量分析（ICA）的水轮发电机局部放电干扰抑制方法,该方法可以有 效地分离出相互独立或者近似独立的源信号。对于现场采集到的局部放电信号,可认为该信号中 局部放电脉冲信号和噪声干扰是相互独立的。通过ICA方法对检测到的局部放电信号进行信号 分离和消噪处理,从而得到局部放电脉冲分量,在时域、频域上都保持了原信号的完整性。通过实 例证明了该方法的有效性。     

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。     

油中典型局部放电模型放电波形特征参数的提取

根据油中局部放电脉冲波形的特性,提出了一种用于抑制噪声的多分辨率分析和软阈值相结合的小波消噪算法;同时对提取的放电波形的特征参数进行了分析和处理。结果表明,软阈值消噪能较好地解决保留信号局部特征与抑制噪声之间的矛盾,特别适合于对单个局部放电脉冲波形的处理;不同的局部模型,其放电脉冲波形的特征参数有很大差异,提取每种放电的波形特征参数,就可以较好地进行放电类型的识别。     

改进空间屏蔽滤波算法在局部放电脉冲提取中的应用

提出了改进的空间屏蔽滤波算法，并将其应用于局部放电脉冲信号的提取。利用Teager能量算子得到能量强化后的小波变换系数，利用小波系数在相邻尺度的乘积突出奇异性信号，形成基于尺度的屏蔽滤波器，通过相邻屏蔽滤波器的逻辑“与”运算得到最终的屏蔽滤波器。将该屏蔽滤波器和不同尺度的小波系数相乘来提取局部放电脉冲。仿真信号和试验室线棒放电信号的测试表明该方法不仅能提高信噪比，还能很好保留局部放电信号的幅值和能量，有利于后续的局部放电分析。     

基于小波消噪的充油电缆局部放电抗干扰技术研究

在分析高压充油电缆局部放电信号及白噪声干扰特征的基础上,利用小波消噪技术从白噪声中提取局部放电信号,通过仿真研究,证实了消噪模型的可行性,确定了小波消噪的分解尺度,实测信号的消噪处理证实了消噪算法在充油电缆局部放电在线监测上的有效性。     

基于组合滤波器组的变压器局部放电信号识别

文中提出了一种基于组合滤波器组实现变压器局部放电信号识别的算法。首先对变压器局部放电信号进行数学建模和噪声分析,设计出对应的抑制噪声滤波器组合信号检测滤波器组,通过将局部放电信号去噪。非线性放大,以及电压抬升特征提取,最终结合阈值比较滤波器,实现对于局部放电信号的定位。所述算法可实时高效,对于仿真数据和实际数据均表现良好。     

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。     

用于提取局放脉冲的波形匹配识别方法初探

针对现场采集的局部放电信号中经常混杂白噪声和窄带周期干扰现象,本文首次提出使用Laplace小波按照波形匹配的原则来提取局部放电脉冲信号的方法.利用该小波波形与局部放电脉冲波形相吻合程度较好的特点,根据波形匹配的原则对含噪信号在一个由该小波构成的小波基函数空间中进行模式识别,进而去除噪声,提取局部放电脉冲信号.该方法不仅能够用于去噪,而且可以确定脉冲的放电主频率、衰减度、放电时刻及放电个数,从而为故障识别和定位奠定良好的基础.仿真和实验结果显示该算法具有良好的去噪性,同时可以获得更多的局放脉冲信息.     

局部放电信号检测的HHT-MDL自适应阈值算法

基于局部放电信号特征,将HHT与信息论的MDL 判据相结合应用于局部放电信号的提取。该算法以多分辨率的EMD为基础,结合MDL判据自适应地确定EMD得到的IMF的阈值,来提取局部放电信号,同时还得到局部放电信号的时间-相位-幅值谱。对于强周期窄带干扰,提出了先用FFT预处理后,再用HHT和MDL消噪的简单算法。该算法综合了这两种方法的优点：无需定义任何基函数,无需事先知道噪声的水平,不需要预置阈值、不需要选择阈值行为方式,有较强的自适应性。仿真结果表明,本方法能够有效地消除局部放电中的噪声,其效果优于基于小波和MDL准则的消噪算法,为局部放电信号的消噪提供了一种新思路。     

基于随机奇异值分解的局部放电脉冲提取及去噪技术

针对低信噪比下局部放电信号易漏检与传统奇异值分解算法在进行局放脉冲提取时计算量大的问题,提出一种基于随机奇异值分解的局部放电脉冲提取及去噪方法。该方法能有效提取局放脉冲及去除白噪声,且相较于传统SVD脉冲提取计算所需时间更短,更具工程实用价值。首先,利用滑动短时数据窗截取原始局放信号片段,采用随机奇异值分解法计算最大奇异值,并与全局最优奇异值阈值进行比较,确定脉冲信号的起止点;然后,利用奇异值分解法结合局部最优奇异值阈值,去除提取信号的白噪声。通过对典型局放模拟脉冲进行实验,验证了该算法在脉冲提取时的执行效率优越性。在工频电压下对实验室模拟电缆缺陷进行局放测试,分别采用所提方法、离散小波变换及自适应双阈值方法进行对比性实验,结果表明,所提方法局放信号漏检率低,去噪效果好。     

用傅立叶级数法消除局部放电检测中窄带干扰的研究

提出了一种新的抗窄带干扰方法——傅立叶级数法,利用原始数据通过傅立叶级数估计原始数据中的窄带干扰波形,然后与原始数据相减,以得到局部放电脉冲信号;通过仿真数据和现场实际数据验证了该方法的抗干扰效果,发现该方法能够在完全消除窄带干扰的同时,基本保留局部放电脉冲的波形、幅值和极性,尤其在脉冲信号的中心频谱与干扰的频谱非常接近时;讨论了随机干扰、频率误差和模数转换量化误差对抗干扰效果的影响,认为这些因素对抗干扰效果的影响不大;与常见的时频转换法和自适应滤波法进行了对比分析,结果表明傅立叶级数法在保持局部放电原始波形、幅值和极性信息方面具有明显优点.     

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。     

临近高压电气设备电缆局部放电脉冲的鉴别方法（英文）

On-line partial discharge(PD)diagnostics data are corrupted by various noise sources and this makes it more challenging to extract the PD signal contained in the raw data.Though the noise sources can be filtered out using signal processing techniques,PDs from neighboring cables and other high voltage equipment make the de-noising process more difficult due to the similar features of these signals with the PD signal of interest.Proposed in this paper is a double-ended partial discharge diagnostic system with dual sensors at each end which uses wireless time triggering using global time reference with the aid of global positioning system(GPS).Using the time of arrival method based on the velocity of propagation on the data,PD pulses originating from other sources can be discarded which reduces the volume of data to be stored and would eventually also reduce the hardware and software requirements of the denoising process thereby improving de-noising efficiency.System design,laboratory tests and on-site measurements are discussed.     

电力设备局部放电测量中抗干扰研究的现状和展望

综述了国内外电力设备局部放电测量中抗干扰研究的现状。讨论了局部放电信号的特性以及常见干扰的类型、特点和传播途径;分频域开窗、时域开窗和时－频分析３类,详细介绍了现有的抗干扰措施,分析了它们的优缺点和适用范围;为了定量地评价干扰的抑制性能,以实现去噪的最优化,给出了几中表征抗干扰效果的特征量;最后展望了今后抗干扰研究的发展方向。     

GIS局部放电超高频检测法有关问题的仿真研究

气体绝缘组合电器(gas insulated switchgear,GIS)中的局部放电在腔体中产生超高频(ultra high frequency,UHF)电磁波信号。为研究GIS局部放电源与UHF信号的关系,利用时域有限差分法计算局部放电产生的UHF信号;通过改变放电源和探头的参数,研究了局部放电产生的UHF信号的特性。仿真分析结果表明:UHF信号的幅值与局部放电脉冲幅值成线性关系;UHF信号与放电源的径向位置、放电通道长度、放电脉冲波形以及放电源与探头的夹角有关。单纯 UHF信号很难解释局部放电量的大小,但UHF信号可在一定程度上反映出GIS的绝缘状态。     

灯泡贯流式水轮发电机组的局放在线监测

针对水轮发电机组结构及汇流母线排走线方式的特点,选择发电机每相高压出线处为系统监测点,利用双安装传感器定向耦合实现干扰脉冲抑制。该系统分别在电站6台发电机主引出线上安装近、远端两路传感器(6只/每台机组),耦合放电信号,经过信号的选通、滤波处理后进入监测系统,利用软件进行时延幅值判别,提取放电信号,并进行二维、三维谱图分析。对比分析了现场测到的放电信号与干扰信号在时域及幅值上的差别,验证了抗干扰方法的有效性。自第一台机组并网发电以来,系统运行稳定、操作方便,所测结果与预试数据基本一致。     

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。     

Support Vector Machine-based Denoising Technique for Removal of White Noise in Partial Discharge Signal

Abstract—Partial discharge (PD) measurement has emerged as a dominant investigative tool for condition monitoring of insulation in high voltage equipment. In general, PD signals are severely polluted by several noises like white noise, random noise, discrete spectral interferences (DSI). The challenge lies with removing these noises from PD signal effectively by preserving the signal features. In this article, support vector machine (SVM) based denoising technique has been proposed for the removal of white noise from PD signal. The proposed SVM technique retains the edge of the original signal efficiently and also pseudo Gibbs phenomenon does not exist with SVM technique. In order to evaluate the effectiveness of the proposed method, artificially simulated PD signal mixed with white noise and the measured PD readings are considered. For the purpose of comparison, other denoising techniques such as fast Fourier transform (FFT), discrete wavelet transform (DWT), and translation invariant wavelet transform (TIWT) are also considered. The results reveal that, SVM based denoising technique shows better performance in terms of higher signal to noise ratio, signal reconstruction error ratio, cross correlation coefficient and reduction in noise level, mean square error, and waveform distortion.