变压器局放信号监测中白噪声和周期干扰的抑制

针对电力变压器在线监测的局放信号中包含各种干扰的问题,提出使用小波包的方法去除局放信号中的白噪声干扰,使用数字陷波滤波器去除局放信号中的周期窄带干扰,并用MATLAB 7.0进行了仿真研究.理论分析和仿真试验说明使用这两种方法能较好地达到去干扰的目的.     

基于门限值小波包变换抑制局部放电白噪干扰

分析了局部放电在线监测系统中局部放电信号及白噪干扰小波变换特征，局部放电信号在大部分尺度上具有较大的幅度，而白噪声信号随尺度的增加而迅速趋于零，从而对信号在各个尺度上的小波系数设定一个门限，如果某尺度上的系数大于门限，则认为它对应于局部放电信号，否则对应于噪声信号。提出了用基于门限值的小波包变换方法从白噪中提取局部放电信号的方法。实测数据分析结果表明，经此法处理后信噪比明显提高，可用于在线监测局部放电信号中白噪干扰的抑制。     

变压器局部放电在线检测中DSI干扰抑制

针对运行中变压器局部放电在线监测信号中的周期性窄带干扰(DSI),分析DSI与局部放电信号的频谱特征．在此基础上,提出采用基于快速Fourier变换(FFT)的功率谱估计法进行DSI信号检测．采用级联二阶IIR陷波滤波器,对放电信号进行处理,滤除DSI信号以抑制干扰．详细介绍IIR陷波滤波器的设计方法,它对局部放电信号造成的波形畸变较小．仿真结果验证了该方法的有效性。     

变压器局部放电在线监测信号处理技术的研究

针对运行中变压器局部放电在线监测信号中的强烈窄带干扰,分别研究了基于快速Fourier变换(FFT)和时域分析算法的滤波器,对放电高频信号进行信号处理,以抑制干扰。处理结果表明,高频放电信号样本的信噪比可以提高15～20dB。对处理后的高频信号和同时采集到的超高频信号进行了综合分析,发现两种放电样本中的放电脉冲在时延和幅值上均存在着十分明确的相关关系,而干扰样本中则不存在这种对应关系。这一结果可以为局部放电信号的识别提供分析判断的依据。     

变压器局放宽频带监测及数字陷波去噪方法

传统的局部放电测量系统频率带宽通常为数10 kHz.随着计算机技术和信号处理技术的发展,宽频带测量系统比传统的局部放电测量系统具有更高的测量灵敏度,但同时容易受到外部强烈电磁干扰的影响.研制出50 kHz～1 MHz测量频带的大型电力变压器在线监测系统,主要采用前置信号处理系统和二阶级联格形数字陷波器抑制窄带周期性干扰.通过安装于220 kV变电站的变压器局部放电监测系统实测信号分析表明,该系统能够有效提取放电脉冲信号,具有较高的抗干扰能力.     

基于UHF技术的风电场油浸式主变压器局部放电监测与分析

为了避开风电场主变压器局部放电在线监测中存在的多种形式噪声干扰,引入了基于UHF技术的风电场油浸式变压器局部放电监测与分析方法,设计了UHF局部放电传感器及配套的硬件降频电路,仿真验证了传感器及降频电路的有效性,建立了风电场主变压器超高频局部放电监测与分析模型,研制了硬件构建方案及软件的功能框架,并利用现场实测信号对该方法进行验证.工业实践证明,UHF技术能达到避开风电场现场电磁干扰、可靠获取真实局部放电脉冲、有效诊断变压器内部故障的目的.     

基于小波去噪的开关柜局部放电声检测方法

准确识别开关柜的局部放电有益于电网的安全运行.在利用声检测方法实现的开关柜局部放电在线监测中,周围噪声会降低局部放电信号的识别效果.针对噪声干扰问题,提出了一种基于小波去噪的开关柜局部放电声检测方法.对包含噪声的放电声音信号进行小波降噪,再进行特征提取,最后运用粒子群-支持向量机(PSO-SVM)分类器完成放电状态识别.在某电力公司的局部放电测试平台进行模拟仿真,试验结果显示,利用PSO-SVM对开关柜局部放电信号的识别效果要优于传统SVM方法,且经小波去噪改进后的分类准确率能够达到95%,比去噪前提高8%.     

变压器局部放电在线监测中信号干扰分析与抑制

分析了变压器局部放电在线监测中的各种干扰,提出了分层式抑制干扰的处理模型,采用不同的数字信号处理方法分层处理各种干扰,具有结构灵活、易于扩充等特点。现场实验结果表明,该模型可有效、快速地抑制干扰,具有良好的应用前景。     

一种保留相位谱的DS信号接收方法

为抑制接收DS信号中的窄带干扰,研究了基于DFT只保留相位谱的DS信号接收方法,给出了该方法的一种迭代实现算法,有效降低了相位谱计算的运算量.讨论了该算法在DS系统抑制窄带干扰中的应用原理,分析了该算法在加性高斯白噪声信道中的性能损失,给出了一种计算性能损失的方法.对采用相位谱保留算法接收DS信号进行了数值仿真,给出了在窄带干扰和多址干扰情况下,该算法与常规DS信号接收方法的对比数值仿真结果.仿真结果表明:采用文中的算法处理后,可有效抑制窄带干扰,在多址干扰情况下,保留相位谱处理后没有引起明显的性能损失.     

电缆局部放电检测中周期性窄带干扰的抑制

局部放电检测系统由于覆盖了比较宽的频带，采集到的信号中会不可避免地包括背景噪声或干扰信号，针对局部放电检测中比较严重的周期性窄带干扰信号，介绍了现有的抑制此类干扰的方法。研究了基于db4小波基的软阈值小波包变换去除周期性窄带干扰的方法，在实验室环境下，对交联聚乙烯（XLPE）电缆的局部放电进行检测，用小波包变换去除所采集波形的周期性窄带干扰，由试验结果可以得出小波包变换抑制周期性窄带干扰效果良好．     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

抑制局部放电混合干扰的浮阈值量化算法

由于局部放电(PD)信号与含有的混合干扰(白噪和窄带)在能量分布频段上存在明显差异,根据小波包变换各节点分解系数能够有效反映被分析信号能量变化的特点,建立一种以反映PD信号分解系数中噪声能量为判据的浮阈值量化算法,使得最优基下各节点阈值随相应节点分解系数中信号噪声强度的变化而变化,自适应地决定各节点最佳阈值选择,以实现对PD信号分解系数更精细划分。通过对含有混合干扰的仿真与实测PD信号的小波包最优分解,分别用传统全局阈值量化算法与笔者建立的浮阈值量化算法进行了干扰抑制效果的对比,结果表明：后者具有更强的抑制混合干扰的能力,且混合干扰抑制前后PD信号波形相似度更高。     

基于自适应基追踪去噪的含噪语音压缩感知

针对含白噪语音信号压缩采样后采用基追踪方法重构性能差的问题,提出了自适应基追踪去噪方法,该方法根据原含噪信号的信噪比自适应选择重构最佳参数,从而在重构语音的同时提高原信号信噪比。把该方法运用到含噪语音压缩感知中,对重构语音进行了主客观评价,并分析了不同压缩比下的重构性能。仿真结果显示:本文方法既实现了压缩采样,又在重构信号时实现了语音增强,优于基追踪重构方法     

一种基于优化阈值函数的EEMD改进降噪方法

以提高降噪效果为目的,提出了一种基于白噪声分解特性的EEMD优化阈值降噪方法。避免了小波分解时选择合适小波基函数的困难,具有自适应性,同时,也可以有效地避免频率混叠问题。方法从能量密度和对应平均周期乘积的变化率出发,提出了“跳变点”和“奇异点”的选择原则,并利用优化阈值函数对“跳变点”和“奇异点”对应的IMF分量进行量化处理,然后通过对处理后的IMF分量重构得到降噪信号。最后用仿真信号进行试验,证明本方法的有效性和优越性。     

基于改进稀疏度估计模型的压缩感知去噪算法

针对带有高斯白噪声的宽带信号,提出改进基于二项分布的稀疏度估计模型,使其能够适用于带有噪声的信号,并根据稀疏度上界确定采样数目以保证信号能够被准确重构;利用估计的稀疏度上界,改进自适应阈值去噪算法,降低噪声折叠对信号重构的影响。仿真表明,对带有高斯白噪声的宽带稀疏信号,所提算法能够较为准确地估计出稀疏度上界,在保证信号重构精度的前提下,减少了采样数目,同时也降低了自适应阈值去噪算法的计算开销。     

模糊权重小波去噪在变电站声压信号测量中的应用

为了对变电站周边可听噪声进行科学合理的评价,分析了不同时间点噪声分布情况,提出了一种自适应声压背景噪声滤波方法。采用小波去噪算法对声压频谱轮廓进行提取,对小波阈值进行了改进以提高信号平滑度,根据三角模糊数设计了复合评价指标权重以确定最佳小波分解尺度。利用设计的算法得到了声压频谱轮廓,并通过对比不同时间点的声压频谱轮廓确定背景噪声的频段,以此设计带阻滤波器的参数。利用设计的滤波算法对采集的声压信号进行了处理,实验结果表明,本文设计的滤波方法可以很好地滤除声压信号中的背景噪声。经设计的滤波算法处理后的等效连续A声级比未处理的要小5dB以上,可见所设计的滤波算法可有效降低背景噪声的影响,提高变电站可听噪声测量的可靠性。     

用小波剔除局放信号中白噪声的一种实用方法

局部放电信号中的白噪声给局放信号的后续处理带来了很大的困难，白噪声的剔除是局部放电信号处理中的一个不可缺少的环节。虽然有很多剔除白噪声的方法，但是大都不是很适合局放信号的处理。局部放电信号和白噪声有着不同的Lipschitz指数，经过小波变换后二者在时间--尺度平面上有不同特征。据此，文中提出了一种剔除白噪声的新方法，该方法运算简单，适合局放信号快速处理。处理后的局放信号不失真，而且剔除效果良好，能够运用于现场局部放电信号的处理。     

SG-VMD-SVD的信号去噪方法研究

油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题.为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD: Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结合的油气管道信号的联合去噪方法.首先,针对泄漏信号在时域利用SG平滑滤波降噪,去除尖脉冲、高频成分等噪声,提高输入信号的信噪比;将滤波后的信号利用VMD分解,通过计算各个本征模态分量(IMF: Intrinsic Mode Function)与信号之间的曼哈顿距离,从而区分信号分量与噪声分量,对噪声分量进行频域奇异值(SVD)去噪,最后将滤波后的分量与信号分量进行重构,得到最终降噪后的信号.通过仿真和实际实验表明,该方法与单一VMD法、VMD-小波变换、SG-VMD-时域SVD去噪方法相比,去噪后所得信号信噪比相对较高,并验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性.