[发明专利]基于WM的局部放电白噪声自适应抑制方法

说明书

本发明公开了一种基于WM的局部放电白噪声自适应抑制方法，包括，获取局部放电测试过程产生的原始信号；将原始信号中相对高频成分和相对低频成分进行解耦分离；对相对高频成分进行修正，得到真实的相对高频波动量；对相对低频成分取绝对值，采用滑动阈值窗，进行扫描，得到白噪声抑制后的PD信号。实现混叠信号的分离，再通过自适应阈值窗对分离的PD信号进一步消噪，从而实现含噪信号中白噪声的抑制；能有效抑制实测信号中的白噪声，且脉冲起始点的畸变较小，明显优于现有DWT和ASVD法的信号去噪效果。

技术领域

本发明涉及电力电缆检测领域，具体为基于WM的局部放电白噪声自适应抑制方法。

背景技术

局部放电(Partial Discharge，PD)检测是诊断电力电缆绝缘状态的有效措施，也是保证电 缆正常运行的主要手段之一。然而现场电缆局部放电检测常处于复杂环境中，所测局放信 号常常混着各种干扰信号，如白噪声干扰、高频脉冲干扰、周期性窄带干扰，从而影响局 放检测结果。白噪声是PD检测中的主要干扰。因此，如何有效抑制局放信号中的白噪声 是提高局放检测准确率的关键问题。

目前国内外已有许多学者对这一问题进行研究并做出了大量贡献。离散小波变换(Discrete Wavelet Transform，DWT)已经广泛应用PD信号中白噪声的抑制。在现有技术中，基于DWT对局放信号中的白噪声进行了有效的抑制。利用小波变换在周期性窄带干 扰抑制中取得良好的效果。但实测PD信号复杂多样，增加了选择合适PD脉冲波形的小波 基函数的难度，且小波变换的分解尺度和阈值的选择不唯一。针对小波分解中的分解尺度 和阈值的选择问题，研究者们提出经验模态分解(Empirical Mode Decomposition，EMD) 噪声抑制方法。通过对比DWT和EMD去噪效果，发现了EMD能有效抑制振荡衰减PD 信号中的噪声，但对于非振荡脉冲，其去噪效果较差，并且EMD算法稳定性差，具有端 点效应，模态混叠等问题。奇异值分解(Singular Value Decomposition，SVD)也是目前应用 较多的局放噪声抑制方法。SVD法通过选取合适的奇异值阈值重构信号来实现噪声的抑制， 但奇异值阈值选取不合适易造成信号畸变。通过SVD技术对PD信号中的白噪声进行抑制 并取得较好的效果。但对于实测信号，SVD分解层数和奇异值的有效个数难以选取，易受 到人为因素影响，且SVD需进行大量的矩阵分解计算，算法耗时较长。因此，提出自适应 奇异值分解(Adaptive Singular Value Decomposition，ASVD)抑制含噪PD信号中的白噪声， 虽能有效的保留信号细节信息，但奇异值阈值依旧难以确定且脉冲端点位置易发生畸变。

发明内容

本发明的目的在于提供一种基于WM的局部放电白噪声自适应抑制方法，首先，利用波动法实现混叠信号的分离，再通过自适应阈值窗对分离的PD信号进一步消噪，从而 实现含噪信号中白噪声的抑制。其次，利用本方法、DWT法及ASVD法对MATLAB仿真 信号和实测PD信号进行白噪声抑制，对比三者去噪效果，结果表明，该方法抑制PD信号 中白噪声的效果优于后两者。

本专利提出一种基于WM的局部放电白噪声自适应抑制方法，包括以下步骤：

S1、获取局部放电测试过程产生的原始信号；

S2、将原始信号中相对高频成分和相对低频成分进行解耦分离；

S3、对相对高频成分进行修正，得到真实的相对高频波动量；

S4、对相对低频成分取绝对值，采用滑动阈值窗，进行扫描，得到白噪声抑制后的PD 信号。

进一步优选的，在S2中，将原始信号进行解耦分离，相对高频成分时，包括以下步骤：对原始数据D依次求出局部变化量和累积变化量；以数据起始点为第一个特征点，累 积变化量为0，依次判断下个数据是否为有效波动；记录有效波动的特征点；对所有有效 波动的特征点相应的幅值H_A进行插值，从而得到S_HF。