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。     

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。     

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。     

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。     

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。     

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     

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。     

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.     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

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。     

小波分析在气体绝缘组合电器局部放电检测中的应用

采用两种检测手段,测量了在气体绝缘组合电器(GIS)局部放电模拟系统中,由内导体固定突起所产生的局部放电。一种有效的滤除干扰的信号处理方法——小波分析法被应用于这个系统。结果表明,在背景有较强干扰情况下,由于小波分解的局部特性,在检测局部放电时优于传统的付里叶频谱分析方法及在单纯频率范围滤波的方法。     

基于空间屏蔽滤波的小波变换在抑制变压器局放白噪干扰中的应用

提出了利用基于空间屏蔽滤波的小波变换进行变压器局放白噪干扰抑制的方法,对仿真信号和局放信号进行了计算,证明该方法对变压器局部放电信号的白噪干扰抑制起到比较好的效果.     

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.     

基于AVMD-自适应小波包法的电缆局部放电去噪研究

为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周期性窄带干扰滤出,得到仅含有白噪声的局放信号。再运用自适应小波包分解,将信号分解在高中低频的分量中,根据阈值法将不含局放信号的分量滤出,得到较为纯净的局放信号,并将所提方法分别与其中单独一种算法进行去噪比较分析。仿真结果表明,所提方法抑制噪声效果更明显,与仿真信号的相似度最高。     

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。     

抑制局部放电信号中周期性窄带干扰的子空间重构方法

为有效提取局部放电信号,提出一种基于子空间重构的窄带干扰抑制方法。对局部放电信号数据形成的HANKEL矩阵进行奇异值分解,将信号划分为窄带干扰子空间和局部放电信号子空间。利用子空间数据重构窄带干扰波形,然后与原始数据相减,得到抑制干扰后的局部放电信号。该方法能在保证局部放电信号失真较小的同时有效去除窄带干扰,抗随机干扰能力较强。仿真和实测信号的处理结果验证了其有效性。     

基于小波神经网络的低压电力线背景噪声建模

为增强电力线通信的抗噪能力,针对低压电力线信道噪声中的有色背景噪声和窄带噪声,提出一种基于小波神经网络的建模方法。首先,将背景噪声进行小波神经网络建模,对比所建模型输出噪声与测试噪声的时域波形及功率谱密度,计算两者功率谱密度的均方根误差;然后,对同一组背景噪声分别进行基于传统的小波马尔科夫链和小波神经网络的建模,并计算2种模型输出噪声与测试噪声的功率谱密度及其均方根误差。仿真结果表明,小波神经网络输出噪声与测试噪声的时域波形及功率谱密度均有着较一致的变化趋势,因此小波神经网络对低压电力线信道背景噪声的建模是有效的,对宽带噪声的建模效果更好。