- 頭條抑制局放信號混合噪聲的新方法，去噪效果好，應用價值高2020-09-23 作者：周凱、黃永祿、謝敏、何珉、趙世林 | 來源：《電工技術學報》 | 點擊率：導語四川大學電氣信息學院、國網重慶市電力公司電力科學研究院、國網四川省電力公司技能培訓中心的研究人員周凱、黃永祿、謝敏、何珉、趙世林，在2019年第11期《電工技術學報》上撰文指出（論文標題為“短時奇異值分解用于局放信號混合噪聲抑制”），電纜終端局部放電檢測是診斷電纜終端絕緣狀態的有效手段。 為了有效抑制局放信號中的多種噪聲源并保留局放信號的細節，提出了一種基于短時奇異值分解的局放信號混合噪聲抑制方法。該方法首先利用短時滑動數據窗截取含噪局放信號片段進行奇異值分解，然后利用最優奇異值閾值對周期性窄帶干擾進行甄別重構，并進行混合噪聲的抑制。對含有混合噪聲的局放仿真信號和實驗室及現場實測局放信號進行去噪，并將去噪結果與自適應奇異值分解、形態學小波綜合濾波器去噪結果進行對比。 結果表明：所提去噪方法相比于自適應奇異值分解、形態學小波綜合濾波器去噪能取得更好的去噪效果，去噪后波形相似度更高，誤差更小，且當數據量較大時，該方法相比于自適應奇異值去噪能顯著提高執行效率，具有較好的應用價值。
電纜終端是電纜線路的重要組成部分，集絕緣、電場應力控制、屏蔽等功能于一體，內部結構復雜，因而運行故障多發。其中局部放電（Partial Discharge,PD,簡稱“局放”）檢測是電纜終端絕緣老化診斷的重要手段之一。
然而在電纜終端的局放檢測過程中，由于現場電磁環境極其復雜，而實際的局放信號又極其微弱，因此實際檢測得到的局放信號常常被湮沒在強烈的噪聲之中，從而降低局放檢測系統的檢測靈敏度，影響檢測結果。因此，有效抑制局放中存在的噪聲干擾是提高局放信號檢出率的重要步驟之一。
以往的研究者在噪聲抑制上做出了大量的貢獻，如在白噪聲干擾、周期性窄帶干擾、尖峰干擾抑制等方面取得良好效果。其中，基于小波變換（Wavelet Transform,WT）的去噪方法在局放信號白噪聲抑制領域得到了廣泛的應用。
然而由于局放信號的多樣性，在去噪過程中難以選擇完全適合局放脈沖波形的小波基函數，并且小波變換也存在分解尺度及閾值選擇不唯一等問題。為了解決小波變換存在的分解尺度不唯一問題，文獻[5,12]提出利用經驗模態分解（Empirical Mode Decomposition,EMD）實現了局放信號白噪聲抑制，但EMD方法仍存在模態混疊、端點效應及閾值選擇不唯一等問題。
為了有效地抑制周期性窄帶干擾，大多數研究者首先利用某種選擇策略進行周期性窄帶干擾甄別，然后利用濾波器、譜抑制等方法進行干擾抑制，然而該方法的前提是要預先假設信號中含有周期性窄帶干擾。
文獻[11]提出了一種基于稀疏分解的噪聲抑制方法，該方法雖然能實現白噪聲和周期性窄帶干擾的同時抑制，但需要建立準確的原子庫且運算速度相對較慢。對于尖峰干擾，由于其分布與局放脈沖有著明顯的不同，且在時域上具有一定的規律，因此可利用模式識別方法進行抑制。
除了上述去噪方法外，奇異值分解（Singular Value Decomposition,SVD）也是一種有效的噪聲抑制方法，通過選擇合適的有效奇異值數量可實現白噪聲和周期性窄帶干擾的抑制。然而，在實際應用中，有效奇異值數量通常難以選取（受人為因素影響），且對整個測試數據進行奇異值分解往往需要耗費大量的時間，不適合對處理速度要求較高的場合，因此該方法的應用也受到一定的限制。
針對上述局放信號噪聲抑制方法存在的問題，本文在已有研究的基礎上，首次提出利用短時奇異值分解（Short-Time Singular Value Decomposition,STSVD），在無需預先假設信號中含有周期性窄帶干擾的條件下，實現局放信號的白噪聲和周期性窄帶干擾自動抑制。
該方法利用滑動短時數據窗截取含噪局放信號片段，并利用最優奇異值閾值確定含噪局放信號片段的有效奇異值數量，從而自動地實現含噪局放信號周期性窄帶干擾的甄別和混合噪聲的抑制。
采用本文去噪方法、自適應奇異值分解（Adaptive Singular Value Decomposition,ASVD）及形態學小波綜合濾波器（Morphology-Wavelet Filter,MWF）對仿真和實測含噪局放信號進行去噪處理，結果表明本文去噪方法能夠有效地對局放信號的多種噪聲源進行抑制。
圖6 局放檢測平臺原理
總結
本文提出了一種基于短時奇異值分解的局放信號混合噪聲抑制方法，所得結論如下：
- 1）結合短時滑動數據窗技術及最優奇異值閾值準則，STSVD無需預先假設信號中含有周期性窄帶干擾即可實現局放信號的白噪聲和周期性窄帶干擾自動抑制。
- 2）對仿真和實測同時含有白噪聲和周期性窄帶干擾混合噪聲的局放信號進行去噪處理，由去噪結果可知，STSVD去噪效果優于相比較的ASVD和MWF。
- 3）由仿真結果可知，STSVD參數選擇具有較強的魯棒性，在較寬的范圍內仍能取得很好的去噪效果。
- 4）不同于ASVD，STSVD通過短時數據窗截取信號片段，極大地減小了信號分析窗口長度，當數據量較大時能顯著提高執行效率。
