CN108562837A - 一种电厂开关柜局部放电超声信号降噪方法 - Google Patents

一种电厂开关柜局部放电超声信号降噪方法 Download PDF

Info

Publication number
CN108562837A
CN108562837A CN201810357625.1A CN201810357625A CN108562837A CN 108562837 A CN108562837 A CN 108562837A CN 201810357625 A CN201810357625 A CN 201810357625A CN 108562837 A CN108562837 A CN 108562837A
Authority
CN
China
Prior art keywords
power plant
switchgear
imf components
ultrasonic signal
partial discharge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810357625.1A
Other languages
English (en)
Inventor
徐妍
黄涛
韩文建
张钰
黄烜城
储海军
魏海增
马宏忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Jiangsu Fangtian Power Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Hohai University HHU, Jiangsu Fangtian Power Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810357625.1A priority Critical patent/CN108562837A/zh
Publication of CN108562837A publication Critical patent/CN108562837A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

一种电厂开关柜局部放电超声信号降噪方法，为弥补经验模态分解算法由于模态混叠问题带来的降噪能力的不足、提高EMD算法的降噪能力所提出的改进EMD降噪方法，并应用于电厂开关柜局部放电超声信号中。方法首先采集电厂开关柜电缆室和母线室外表面的超声信号，并将原始超声信号进行EMD分解得到一系列IMF分量，经过两次筛选，选择出保留较多局部放电超声信号的IMF分量，再利用小波包算法对选择出的每个IMF分量进行降噪处理，最后对降噪后的IMF分量进行重构，得到纯净的电厂开关柜局部放电超声信号，达到降噪的目的。该方法可以提高EMD算法的降噪能力，为后续电厂开关柜局部放电故障状态的判定，提高可靠性与精准度。

Description

一种电厂开关柜局部放电超声信号降噪方法
技术领域
本发明涉及一种电厂开关柜局部放电超声信号降噪方法，属于电气设备检修技术领域。
背景技术
电厂开关柜作为电厂内重要的控制装置，其是否可靠的运行直接关系到电厂的安全。长期的运行和检修经验表明，开关柜内部的绝缘事故是导致其运行故障的一个主要原因。而开关柜内部局部放电又是导致其内部绝缘老化、发生绝缘故障的重要因素。因此，准确提取出开关柜局部放电故障信号、诊断局部放电故障对整个电厂的可靠运行具有重要意义。由于电厂开关柜运行环境复杂，开关柜发生局部放电时，信号十分微弱，常被湮没在强烈的干扰噪声中，影响开关柜局部放电检测结果的准确性。所以，消除开关柜局部放电信号噪声是提高检测结果准确性的关键。
经验模态分解(EMD)是希尔伯特-黄用于分析非线性、非平稳信号的方法。通常一个信号里有多个振荡模式和多个时间尺度分量。EMD分解就是将多时间尺度分量信号完全自适应地分解为多个频率由高到低的单一时间尺度分量的IMFs。EMD分解过程相当于一个滤波过程，完成信号按瞬时频率由高到低的滤波。染噪局部放电信号在经过EMD分解后，首先分解出来的几个低阶IMF分量一般为噪声占主导的噪声模态函数，后分解出来的高阶IMF分量一般为信号占主导的信号模态函数。由于各固有模态函数分量根据分解顺序为高频率到低频率，可以根据需要选择性的去除或保留某些固有模态函数分量。从而实现低通、高通或带通滤波或去噪的功能。
多数情况下，EMD分解得到的结果都符合人类的直观感觉，但当信号中存在着间断的跳跃性变化时，将直接导致EMD分解产生不期望的模态混叠现象。所谓的模态混叠，就是指不能依据时间特征尺度有效地分离出不同的模态分量，使得原本不同的模态出现在一个模态中的现象，而且模态混叠现象一旦出现，将影响后续分解的分量。最终导致EMD的分解结果失去物理意义，模态混叠问题是EMD算法一个不可回避和有待妥善解决的重要难题。因此，为了弥补EMD算法的不足，提高EMD算法的降噪能力，提出了一种改进EMD的降噪方法，并将该方法应用于电厂开关柜局部放电超声信号的降噪中。
发明内容
本发明针对现有技术中的不足，提供一种电厂开关柜局部放电超声信号降噪方法，特别是处在强干扰环境中的电厂用开关柜的局部放电超声信号噪声消除，该方法能够弥补EMD算法由于模态混叠问题带来的降噪能力的不足，提高EMD算法的降噪能力，且该方法适用于电厂开关柜局部放电超声信号的降噪。
为实现上述目的，本发明采用以下技术方案：
一种电厂开关柜局部放电超声信号降噪方法，其特征在于，包括以下步骤：
步骤一、超声信号采集：采集电厂开关柜电缆室和母线室外表面的超声信号作为电厂开关柜局部放电原始超声信号，并对信号进行预处理；
步骤二、EDM分解：利用经验模态分解方法对采集到的电厂开关柜局部放电原始超声信号进行分解，得到各个IMF分量；
步骤三、初步筛选IMF分量：在步骤二得到的各个IMF分量中，选择具有突变信号的IMF分量；
步骤四、互相关分析：对步骤三选择的具有突变信号的IMF分量，与采集到的电厂开关柜局部放电原始超声信号进行互相关分析，计算互相关系数；
步骤五、再次筛选IMF分量：根据计算的互相关系数，设置互相关系数阈值，保留互相关系数大于等于互相关系数阈值的IMF分量；
步骤六、噪声消除：利用小波包算法对步骤四保留的IMF分量进行各个IMF分量降噪，去除保留的IMF分量中的噪声；
步骤七、信号重构：对最终选择的并消除噪声的各个IMF分量进行求和，重构出较为纯净的电厂开关柜局部放电超声信号。
为优化上述技术方案，采取的具体措施还包括：
所述步骤一中，对开关柜超声信号进行采样的频率为1.25MHz，采样时长为160ms。
所述步骤四中，计算互相关系数rxy：
其中，x(t)和y(t)均为时间序列，x(t)表示原始信号序列，y(t)表示IMF分量，σx、σy分别是x(t)和y(t)的均方差，分别是x(t)和y(t)的均值，Cxy(k)是两时间序列在时滞k下的互协方差，rxy(k)是两时间序列在时滞k下的互相关系数，n是时间序列长度。
所述步骤五中，互相关系数阈值设置为0.1。
所述步骤六中，利用小波包算法处理IMF分量具体包括：
1)选择与局放信号波形匹配较优的db8小波基，对各筛选出的IMF分量进行5层小波包分解，得到32个子频带；
2)采用shannon标准，寻求信号的最优小波包树；
3)通过Birge-Massart策略计算最佳小波包基的节点分解系数的阈值；
4)根据阈值消躁后的系数，将32个子频带进行重构，得到IMF分量中纯净的超声信号部分。
本发明的有益效果是：为弥补EMD算法由于模态混叠问题带来的降噪能力的不足，提高EMD算法的降噪能力，提出一种改进EMD的降噪方法，并将其应用于电厂开关柜局部放电超声信号中。本发明采集电厂开关柜电缆室和母线室外表面的超声信号，对电厂开关柜局部放电故障的超声信号进行降噪，首先将采集到的原始超声信号进行EMD分解得到一系列IMF分量，经过两次筛选，选择出保留较多局部放电超声信号的IMF分量，再利用小波包算法对选择出的每个IMF分量进行降噪处理，最后对降噪之后的IMF分量进行重构，得到纯净的电厂开关柜局部放电超声信号，达到对电厂开关柜局部放电超声信号降噪的目的。本发明与传统EMD降噪算法相比，可以提高EMD算法的降噪能力，为后续电厂开关柜局部放电故障状态，提高故障判定的可靠性与精准度。
附图说明
图1是本发明的方法流程图。
图2是本发明的小波包分解示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所示的电厂开关柜局部放电超声信号降噪方法，包括以下步骤：
一、超声信号采集
采集电厂开关柜电缆室和母线室外表面的超声信号，并对信号进行预处理，其中对电厂开关柜超声信号进行采样的频率为1.25MHz，采样时长为160ms。
二、EMD分解
利用经验模态分解方法对采集到的电厂开关柜局部放电原始超声信号进行分解，得到各个IMF分量。
三、初步筛选IMF分量
在得到的各个IMF分量中，选择具有突变信号的IMF分量。
四、互相关分析
对选择的具有突变信号的IMF分量与采集到的电厂开关柜局部放电原始超声信号进行互相关分析，计算互相关系数rxy，具体为，利用公式(1)，
式中：x(t)和y(t)均为时间序列，x(t)表示原始信号序列，y(t)表示IMF分量，σx、σy分别是x(t)和y(t)的均方差；分别是x(t)和y(t)的均值；Cxy(k)是两时间序列在时滞k下的互协方差；rxy(k)是两时间序列在时滞k下的互相关系数；n是时间序列长度。
五、再次筛选IMF分量
根据计算的互相关系数明确保留较多局部放电超声信号的IMF分量，选择具有突变信号IMF分量中的保留较多局部放电超声信号的IMF分量备用，而判断具有突变信号的IMF分量中是否保留较多的局部放电超声信号，通过设置互相关系数阈值确定，且互相关系数阈值rxy为0.1，即选择互相关系数大于等于0.1的IMF分量保留。
六、噪声消除
利用小波包算法对保留的IMF分量进行各个IMF分量降噪，去除保留的IMF分量中的噪声。如图2所示，选择与局放信号波形匹配较优的db8小波基对各筛选出的IMF分量进行5层小波包分解，得到32个子频带，并通过Birge-Massart策略计算最佳小波包基的节点分解系数的阈值，其中，采用shannon标准，寻求信号的最优小波包树，最根据阈值消躁后的系数，将32个子频带进行重构，得到IMF分量中纯净的超声信号部分，去除保留的IMF分量中的噪声。
七、信号重构
对最终选择的并消除噪声的各个IMF分量进行求和，重构出较为纯净的电厂开关柜局部放电超声信号，完成电厂开关柜超声信号的降噪。
综上所述，该方法首先分解电厂开关柜原始超声信号，得到一系列IMF分量，在经过两次筛选，保留含有较多局部放电超声信号的IMF分量，再利用小波包算法对各个保留下的IMF分量进行降噪，最后重构各降噪之后的IMF分量，实现电厂开关柜超声信号降噪的目的。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (5)

1.一种电厂开关柜局部放电超声信号降噪方法，其特征在于，包括以下步骤：
步骤一、超声信号采集：采集电厂开关柜电缆室和母线室外表面的超声信号作为电厂开关柜局部放电原始超声信号，并对信号进行预处理；
步骤二、EDM分解：利用经验模态分解方法对采集到的电厂开关柜局部放电原始超声信号进行分解，得到各个IMF分量；
步骤三、初步筛选IMF分量：在步骤二得到的各个IMF分量中，选择具有突变信号的IMF分量；
步骤四、互相关分析：对步骤三选择的具有突变信号的IMF分量，与采集到的电厂开关柜局部放电原始超声信号进行互相关分析，计算互相关系数；
步骤五、再次筛选IMF分量：根据计算的互相关系数，设置互相关系数阈值，保留互相关系数大于等于互相关系数阈值的IMF分量；
步骤六、噪声消除：利用小波包算法对步骤四保留的IMF分量进行各个IMF分量降噪，去除保留的IMF分量中的噪声；
步骤七、信号重构：对最终选择的并消除噪声的各个IMF分量进行求和，重构出较为纯净的电厂开关柜局部放电超声信号。
2.如权利要求1所述的一种电厂开关柜局部放电超声信号降噪方法，其特征在于：所述步骤一中，对开关柜超声信号进行采样的频率为1.25MHz，采样时长为160ms。
3.如权利要求1所述的一种电厂开关柜局部放电超声信号降噪方法，其特征在于：所述步骤四中，计算互相关系数rxy：
其中，x(t)和y(t)均为时间序列，x(t)表示原始信号序列，y(t)表示IMF分量，σx、σy分别是x(t)和y(t)的均方差，分别是x(t)和y(t)的均值，Cxy(k)是两时间序列在时滞k下的互协方差，rxy(k)是两时间序列在时滞k下的互相关系数，n是时间序列长度。
4.如权利要求1所述的一种电厂开关柜局部放电超声信号降噪方法，其特征在于：所述步骤五中，互相关系数阈值设置为0.1。
5.如权利要求1所述的一种电厂开关柜局部放电超声信号降噪方法，其特征在于：所述步骤六中，利用小波包算法处理IMF分量具体包括：
1)选择与局放信号波形匹配较优的db8小波基，对各筛选出的IMF分量进行5层小波包分解，得到32个子频带；
2)采用shannon标准，寻求信号的最优小波包树；
3)通过Birge-Massart策略计算最佳小波包基的节点分解系数的阈值；
4)根据阈值消躁后的系数，将32个子频带进行重构，得到IMF分量中纯净的超声信号部分。
CN201810357625.1A 2018-04-19 2018-04-19 一种电厂开关柜局部放电超声信号降噪方法 Pending CN108562837A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810357625.1A CN108562837A (zh) 2018-04-19 2018-04-19 一种电厂开关柜局部放电超声信号降噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810357625.1A CN108562837A (zh) 2018-04-19 2018-04-19 一种电厂开关柜局部放电超声信号降噪方法

Publications (1)

Publication Number Publication Date
CN108562837A true CN108562837A (zh) 2018-09-21

Family

ID=63535756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810357625.1A Pending CN108562837A (zh) 2018-04-19 2018-04-19 一种电厂开关柜局部放电超声信号降噪方法

Country Status (1)

Country Link
CN (1) CN108562837A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109116202A (zh) * 2018-10-17 2019-01-01 江苏方天电力技术有限公司 一种pvdf超声阵列传感器及其阵列信号去噪方法
CN109448692A (zh) * 2018-12-12 2019-03-08 中国电建集团福建省电力勘测设计院有限公司 基于电信号处理的电力设备降噪***
CN109785854A (zh) * 2019-01-21 2019-05-21 福州大学 一种经验模态分解和小波阈值去噪相结合的语音增强方法
CN109858408A (zh) * 2019-01-17 2019-06-07 西安交通大学 一种基于自编码器的超声信号处理方法
CN110703058A (zh) * 2019-11-06 2020-01-17 中研新科智能电气有限公司 基于超声识别的局部放电检测方法、装置及终端
CN110736902A (zh) * 2019-10-22 2020-01-31 北京国电通网络技术有限公司 一种局部放电信号检测装置
CN111898080A (zh) * 2020-08-20 2020-11-06 拉扎斯网络科技（上海）有限公司 数据序列去噪方法、装置、电子设备及计算机存储介质
CN112800831A (zh) * 2020-12-24 2021-05-14 长安大学 一种用于时变重力场的emd滤波方法及***
CN114325270A (zh) * 2021-12-30 2022-04-12 广东电网有限责任公司江门供电局 一种开关柜局部放电监测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091096A (zh) * 2013-01-23 2013-05-08 北京信息科技大学 基于eemd和小波包变换的早期故障敏感特征提取方法
CN104102838A (zh) * 2014-07-14 2014-10-15 河海大学 一种基于小波神经网络和小波技术的变压器噪声预测方法
CN105510783A (zh) * 2015-12-30 2016-04-20 华北电力大学 一种基于超声信号的开关柜局部放电检测***
CN105893773A (zh) * 2016-04-20 2016-08-24 辽宁工业大学 一种基于eemd、cmf、wpt技术的振动信号频率特征提取方法
CN106814396A (zh) * 2017-03-13 2017-06-09 山东科技大学 一种基于vmd的矿山微震信号的降噪滤波方法
CN107561420A (zh) * 2017-08-30 2018-01-09 广东电网有限责任公司珠海供电局 一种基于经验模态分解的电缆局部放电信号特征向量提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091096A (zh) * 2013-01-23 2013-05-08 北京信息科技大学 基于eemd和小波包变换的早期故障敏感特征提取方法
CN104102838A (zh) * 2014-07-14 2014-10-15 河海大学 一种基于小波神经网络和小波技术的变压器噪声预测方法
CN105510783A (zh) * 2015-12-30 2016-04-20 华北电力大学 一种基于超声信号的开关柜局部放电检测***
CN105893773A (zh) * 2016-04-20 2016-08-24 辽宁工业大学 一种基于eemd、cmf、wpt技术的振动信号频率特征提取方法
CN106814396A (zh) * 2017-03-13 2017-06-09 山东科技大学 一种基于vmd的矿山微震信号的降噪滤波方法
CN107561420A (zh) * 2017-08-30 2018-01-09 广东电网有限责任公司珠海供电局 一种基于经验模态分解的电缆局部放电信号特征向量提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MEI-YAN LIN ET AL: "Partial Discharge Signal Extracting Using the Empirical Mode Decomposition with Wavelet Transform", 《2011 7TH ASIA-PACIFIC INTERNATIONAL CONFERENCE ON LIGHTNING》 *
许亚男 等: "最优小波包变换在齿轮箱振动信号去噪中的应用研究", 《软件导刊》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109116202A (zh) * 2018-10-17 2019-01-01 江苏方天电力技术有限公司 一种pvdf超声阵列传感器及其阵列信号去噪方法
CN109448692A (zh) * 2018-12-12 2019-03-08 中国电建集团福建省电力勘测设计院有限公司 基于电信号处理的电力设备降噪***
CN109448692B (zh) * 2018-12-12 2023-12-15 中国电建集团福建省电力勘测设计院有限公司 基于电信号处理的电力设备降噪***
CN109858408A (zh) * 2019-01-17 2019-06-07 西安交通大学 一种基于自编码器的超声信号处理方法
CN109785854A (zh) * 2019-01-21 2019-05-21 福州大学 一种经验模态分解和小波阈值去噪相结合的语音增强方法
CN110736902A (zh) * 2019-10-22 2020-01-31 北京国电通网络技术有限公司 一种局部放电信号检测装置
CN110703058A (zh) * 2019-11-06 2020-01-17 中研新科智能电气有限公司 基于超声识别的局部放电检测方法、装置及终端
CN111898080A (zh) * 2020-08-20 2020-11-06 拉扎斯网络科技（上海）有限公司 数据序列去噪方法、装置、电子设备及计算机存储介质
CN111898080B (zh) * 2020-08-20 2024-05-03 拉扎斯网络科技（上海）有限公司 数据序列去噪方法、装置、电子设备及计算机存储介质
CN112800831A (zh) * 2020-12-24 2021-05-14 长安大学 一种用于时变重力场的emd滤波方法及***
CN114325270A (zh) * 2021-12-30 2022-04-12 广东电网有限责任公司江门供电局 一种开关柜局部放电监测方法及装置
CN114325270B (zh) * 2021-12-30 2023-07-04 广东电网有限责任公司江门供电局 一种开关柜局部放电监测方法及装置

Similar Documents

Publication Publication Date Title
CN108562837A (zh) 一种电厂开关柜局部放电超声信号降噪方法
CN108804832A (zh) 一种基于vmd的间隔阈值局部放电去噪方法
CN111308285B (zh) 一种窄带干扰降噪方法
CN104020402A (zh) 一种脉冲触发采集的变电站局部放电脉冲信号降噪方法
CN109581270B (zh) 基于小波多尺度变换快速辨识cvt故障的方法
CN112014773B (zh) 一种用于检测小电流接地***电缆早期故障的方法
CN103197124A (zh) 基于时频矩阵奇异值的过电压识别方法
CN110007198B (zh) 一种单相接地故障启动方法
Chen et al. Analysis of the partial discharge of ultrasonic signals in large motor based on Hilbert-Huang transform
Zhong et al. An improved wavelet spectrum segmentation algorithm based on spectral kurtogram for denoising partial discharge signals
CN112946442A (zh) 一种开关柜局部放电检测方法、终端设备及存储介质
Yan et al. An automatic tool for partial discharge de-noising via short-time Fourier transform and matrix factorization
CN114492538A (zh) 一种城市中压配电电缆局部放电信号去噪方法
CN106404399A (zh) 基于自适应冗余提升小波包分解树的轴承故障诊断方法
Shen et al. Wavelet-analysis-based singular-value-decomposition algorithm for weak arc fault detection via current amplitude normalization
CN111239565B (zh) 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及***
Cerutti et al. Analysis of visual evoked potentials through Wiener filtering applied to a small number of sweeps
CN109001602A (zh) 基于极限学习机算法的局部放电严重程度评估方法
CN110609088B (zh) 一种支柱绝缘子故障识别方法及装置
Chan et al. Automatic blind equalization and thresholding for partial discharge measurement in power transformer
CN108594156B (zh) 一种改进的电流互感器饱和特性识别方法
CN113268924B (zh) 基于时频特征的变压器有载分接开关故障识别方法
Sun et al. Detection and analysis based on the abnormal mechanical vibration signal of GIS
Hang et al. Extraction of partial discharge signals using wavelet transform
CN108020761B (zh) 一种局部放电去噪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180921

RJ01 Rejection of invention patent application after publication