采用改进型圆形超声阵列传感器的油中局放定位

局放超声阵列定位方法是阵列传感器技术与阵列信号处理技术发展的最新成果之一。为此,采用改进型圆形超声阵列传感器对局放源进行测向定位。首先研制了改进型圆形超声阵列传感器,并搭建了油中局放定位实验平台;接着采用相位模式激励算法、MUSIC算法以及多平台交叉定位相结合的方法对圆形阵列信号进行测向定位,最后运用快速独立分量分析(fast independent component analysis,FastICA)算法对超声阵列信号进行去噪后再进行测向定位。结果表明:采用改进型圆形阵列传感器的定位准确度优于传统圆形阵列和方阵;比较去噪前后的定位效果发现去噪后的定位误差为3.8cm,优于去噪前的11.3cm。多次实验验证了该方法的有效性。     

基于SAMP-VMD的局放信号去噪方法

针对电力设备局部放电信号容易受到环境中的窄带噪声和白噪声的干扰,为了更好保留局放信号特征以便后续进行故障诊断和预测,提出了一种基于压缩感知重构和变分模态分解的变压器局部放电信号去噪方法。该方法首先使用窗函数抑制窄带干扰的频率泄露,之后利用窄带干扰在频域上与局放信号和白噪声之间稀疏度的差异从而将窄带信号进行分离重构以抑制窄带噪声,其次通过改进变分模态分解方法根据各模态含有局放信号信息的多少来对不同模态进行分类去噪,最终恢复出局放信号。通过仿真及实测信号对该方法进行去噪效果测试,并与奇异值分解和变分模态分解去噪方法的去噪效果进行对比,结果表明该方法能够有效抑制局部放电信号的干扰,相比传统算法的波形相似系数提升约2%,能够更好的保留局部放电信号的波形特征。     

一种直线型超声阵列信号测向方法及其应用

提出一种直线型超声阵列信号测向方法.首先,利用FastICA算法对超声阵列信号进行去噪;然后,采用双边相关变换(two-sided correlation transformation,TCT)算法对其进行聚焦处理,实现宽带信号方位信息的累积;接着采用FastDOA对聚焦后的窄带信号进行波达方向估计.在此基础之上,研究该测向方法在电气设备局放检测中的应用,先在不同信噪比下仿真直线型局放超声阵列信号的测向精度,结果显示误差约为2°;通过多次实验,表明该方法的实际测向误差约为3.5°,证明了该方法的正确性.     

基于改进量子粒子群优化稀疏分解的局放信号去噪方法

噪声抑制是局放在线监测的关键环节之一。针对局放信号噪声抑制问题,提出一种基于改进量子粒子群优化稀疏分解的局放信号去噪方法。该方法基于信号的稀疏分解思想,构建了仅与局放信号时频特性相匹配的匹配局放信号过完备原子库;基于匹配追踪(MP)算法在该原子库中对染噪局放信号进行最佳匹配原子搜索,并通过改进量子粒子群算法加速搜索进程,同时以残差比阈值作为MP迭代终止条件;基于各次MP迭代搜索得到最佳匹配原子仅可对原始无噪局放信号分量进行稀疏表示,而难以对噪声分量进行表示的原理,实现局放信号稀疏分解去噪目的。运用本文介绍方法对局放仿真信号及实测信号进行了去噪处理,并与基于形态学-小波的局放去噪结果作对比。结果表明,本文介绍方法能有效对局放信号进行去噪处理,去噪结果准确性高且波形无畸变,较好保留局放信号原始特征。     

基于信号子空间转换与快速子空间测向算法的局部放电超声阵列信号测向方法

提出一种基于信号子空间转换法（signal subspace transform,SST）与快速子空间测向算法（fast subspace estimation of DOA ,FDOA）的局放超声阵列信号高精度测向新方法。首先利用SST算法对局放超声阵列信号进行聚焦处理,使得原始信号的宽频空域信息被最大限度地保留,从...     

短时奇异值分解用于局放信号混合噪声抑制

电缆终端局部放电检测是诊断电缆终端绝缘状态的有效手段。为了有效抑制局放信号中的多种噪声源并保留局放信号的细节,提出了一种基于短时奇异值分解的局放信号混合噪声抑制方法。该方法首先利用短时滑动数据窗截取含噪局放信号片段进行奇异值分解,然后利用最优奇异值阈值对周期性窄带干扰进行甄别重构,并进行混合噪声的抑制。对含有混合噪声的局放仿真信号和实验室及现场实测局放信号进行去噪,并将去噪结果与自适应奇异值分解、形态学小波综合滤波器去噪结果进行对比。结果表明:所提去噪方法相比于自适应奇异值分解、形态学小波综合滤波器去噪能取得更好的去噪效果,去噪后波形相似度更高,误差更小,且当数据量较大时,该方法相比于自适应奇异值去噪能显著提高执行效率,具有较好的应用价值。     

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。     

局放信号自适应加权分帧快速稀疏表示去噪方法

电气设备局放信号易受噪声干扰,影响监测效果。为提高局放信号去噪效果,提出一种局放信号自适应加权分帧快速稀疏表示去噪方法。该方法以信号稀疏表示理论为核心,为提高去噪速度,对局放信号进行了加权分帧,减少待处理数据长度的同时避免了强制分帧时截断效应;提出一种快速正交匹配追踪算法,避免了基于传统正交匹配追踪实现稀疏表示时庞大的计算量。为提高去噪效果,基于K-SVD字典学习理论及高信噪比局放样本信号构建局放脉冲自适应过完备字典,其各原子仅与局放脉冲信号强关联,且满足实测信号多样性要求;结合加权分帧方法,提出一种残差比阈值自适应确定方法,实现了局放稀疏表示去噪迭代终止条件自适应确定。实验结果表明,所提方法解决了现有局放稀疏表示去噪方法去噪速度慢,过完备字典适用性弱等问题,相比传统局放信号小波分析去噪方法,该方法去噪结果误差及畸变均较小。     

粒子群算法用于局部放电小波阈值去噪

小波阈值去噪在局放信号监测分析方面应用效果较好,而小波系数阈值的选取是决定局放信号去噪后的失真和误差的关键因素。针对局放脉冲频谱特征,提出了一种基于粒子群算法的小波最优阈值选择方法,用于局放脉冲信号去噪。采用小波对局放信号进行分解,在估计最优阈值时以广义交叉验证为标准,利用粒子群算法进行全局搜索,使阈值寻优效果大大提升。对人工模拟加噪信号和典型局放脉冲仿真信号进行去噪处理和定量分析,结果表明与标准软阈值法以及Donoho阈值计算法相比,对局放信号的去噪效果更好,有着非常好的应用前景和价值。     

非平稳振荡局放信号去噪效果评价参数研究

为克服目前常用的波形相似性参数(NCC)只能从整体上评价去噪前后波形相似程度,缺乏对波形振荡细节描述的缺点,弥补只用NCC作为评价参数的不足,基于信号去噪必须满足畸变小和信噪比高的基本原则,对PD信号去噪后带来的波形畸变程度进行了定量评价研究,提出并定义一种描述波形相似程度的变化趋势参数(VTP),给出了离散表达式并阐述了其数学意义。对4种仿真信号去噪前后功率谱的分析验证了VTP参数设置的合理性,而且对不同强度的染噪局放信号均可采用VTP参数来反映去噪效果的优劣性;将VTP与NCC配合使用并结合SNR,能更好地对PD信号去噪效果的理论研究进行综合评价。     

用于提取PD信号的复小波簇消噪算法

因电气设备处在强烈电磁干扰环境中,常被噪声淹没,为了准确检测PD信号,需有效抑制其噪声干扰。根据PD信号和白噪干扰的复小波系数各有其特点和小波变换的本质是被分析信号和小波做内积运算,提出了从一簇复小波中逐层选择最优复小波并根据模极大值原理确定分解层数的方法即以阈值消噪法为基础的复小波簇消噪法。采用该方法对PD染噪信号进行去噪处理,并用去噪前后的信噪比(SNR)和波形相似性参数(NCC)对仿真PD信号的消噪结果进行评价。结果表明,复小波簇消噪法在满足SNR>10 dB的要求下,两个信号的NCC都>0.9,复小波簇消噪法从白噪干扰中提取PD信号的能力更强,在高SNR的情况下,信号的畸变也更小。     

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。     

De-noising of partial discharge signal using eigen-decomposition technique

The Rogowski coil method for the measurements and detection of PD signals represents a cost effective and practical way to measure PD signals in electrical power apparatus; however it is subject to excessive noise pick-up because of its inductive nature. This paper discusses the implementation of a de-noising algorithm using Eigen-decomposition approach, which can be utilized in order to minimize the extraneous noise encountered with on-line tests in the field. The proposed algorithm possesses the inherent advantage of decomposing the signal space and separates it from the noise subspaces. Results discussed in the paper demonstrate the performance of the proposed technique for both simulated and experimental PD signals.     

粒子群优化的小波算法在避雷器老化诊断中的应用

为研究金属氧化物避雷器漏电流“消噪”问题,提出一种粒子群优化的小波消噪方法。首先利用db₅小波对漏电流信号进行5层分解,其次设定待求解阈值,对信号进行重构,最后通过粒子群优化求解阈值实现消噪,并通过模拟MOA小电流区模型进行仿真验证。研究表明：使用db₅小波对信号进行分解,并利用PSO对阈值进行优化求解,最终阈值c₅,c₄,c₃,c₂,c₁分别为0.32,0.20,0.13,0.02和0.01。消噪后信噪比相对于单独使用平稳小波提升了7dB,说明利用结合粒子群优化的小波消噪算法进行消噪,消噪效果明显优于单独使用小波消噪算法。     

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。     

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.     

超宽带信号检测中基于新阈值函数的小波去噪方法研究

小波阈值去噪是信号处理中一种重要的去噪方法。为了提高超宽带通信信号的检测性能,获得更高的检测信噪比,基于小波变换以及小波阈值去噪的原理,提出了一种新的阈值处理方法,进而对跳时脉冲位置调制超宽带（TH-PPM-UWB）信号用新方法的去噪结果进行分析比较,仿真试验结果表明,新的小波阈值法去噪效果明显,在信噪比和均方根误差上均优于传统的软阈值和硬阈值方法。     

Performance evaluation of noise reduction method during on-line monitoring of MV switchgear for PD measurements by non-intrusive sensors

Partial Discharge (PD) measurement is a globally accepted method for insulation diagnosis of electrical assets. The consequences of insulation breakdown are well known. The trend is to move from conventional offline testing to online monitoring for insulation life prediction, which results in the inclusion of high frequency noise in the captured signals. Therefore de-noising is of paramount importance in online monitoring to obtain useful information from the signal.In this research, a 20 kV switchgear panel has been subjected to PD faults in the laboratory and measurements have been carried out by using different non-intrusive sensors including a novel sensor, the D-dot sensor and recorded by a high frequency oscilloscope. The measured results show the effective applicability of sensors for switchgear. The Discrete Wavelet Transform (DWT) has been used to de-noise PD signals in this paper. Time domain and frequency domain comparison of original and de-noised PD signals reveals the significance of this technique for online monitoring of Medium Voltage (MV) switchgear. Finally, an adaptive online de-noising concept, based on automatic de-noising is also proposed in this paper.     

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。