电机在线监测数字化干扰抑制技术

2019-02-21 陈加玉 52

 

        在发电机局部放电在线监测中,现场会引入大量的干扰,特别是宽频带监测系统,由于采用了宽达数兆的频带,虽然信号的灵敏度较以前的窄带系统和常规宽带系统(带宽小于500K)高,但信噪比低,引入的干扰也多,因此,有效地抑制各种干扰,从强干扰中提取出局部放电信号是系统能否可靠工作的关键问题。根据干扰的时域特征,干扰可以分为周期性窄带干扰、白噪声干扰、周期性脉冲干扰和随机脉冲干扰。我们在干扰抑制方面进行了深入的研究,在汲取前人经验的基础上,除采用常规算法外,还采用小波理论、神经网络和自适应滤波等算法对各种干扰采用了相应的不同对策,例如,对于窄带周期性干扰,我们研究了基于小波分解的自适应滤波算法,提高了自适应滤波算法的抗干扰性能和稳定性;对于白噪声,研究了基于小波与隐式马尔科夫模型的发电机局部放电信号去噪算法,对比传统的门限去噪算法,该算法能获得更高的信噪比;对于脉冲干扰,特别是随机脉冲干扰,在大量测试数据的基础上,研究了基于神经网络的干扰抑制算法研究,采用信号的时域和频域特征,利用神经网络抑制随机干扰,取得了很好的效果。在抑制单一干扰的基础了,研究了基于小波空间屏蔽滤波的局部放电信号处理算法,利用小波空间屏蔽滤波器,进一步保留局放信号,抑制干扰,使得最后的信号信噪比大大提供,为局放信号的特征提前打下基础。

a) 基于小波分解的自适应滤波算法抑制局部放电窄带周期干扰中的应用

       在局部放电信号处理中,普通的自适应滤波算法在各种抑制正弦干扰的算法中是比较好的算法之一,但是在宽带局部放电在线监测中,由于窄带周期干扰的频率范围很宽,自适应滤波器的参数设置比较困难,有时甚至会导致算法不稳定。我们创造性地提出了基于小波分解的自适应滤波算法,利用小波分频原理,将采集到的信号分解到各个频段上,再在各频段上利用最优参数自适应滤波抑制窄带干扰,大量的计算机仿真分析和现场数据处理表明,基于小波分解的自适应滤波算法比起普通自适应滤波算法有更好的抗干扰性能和稳定性。

b) 基于小波与隐式马尔科夫模型的发电机局部放电信号去噪

      基于小波变换的马尔科夫模型(HMMs)最近被用于图像信号处理。其方法的优势在于它考虑了小波系数之间的相关性,而且在去噪时不存在待定的自由参数,具有更强的自适应性。我们采用了HMMs方法去除发电机局部放电信号中的白噪声。为了验证方法的有效性,我们采用了两种实测的局放信号,实验室的线棒放电信号和电厂的发电机局放信号。结果证明,对比传统的门限去噪算法,HMMs方法能获得更高的信噪比。

c) 基于神经网络的发电机局部放电随机脉冲干扰抑制

       在周期性窄带干扰、白噪声干扰、周期性随机干扰和随机脉冲干扰中等各种干扰中,随机脉冲干扰由于其在频域上和时域上与局放信号有很强的类似性,现有的各种软硬件抑制方法效果都不太令人满意。我们研究了随机脉冲干扰和发电机局部放电信号在时域和频域上的各种特征和现有的各种干扰抑制算法,利用二者在时域和频域上的细微特征区别,设计采用神经网络算法识别局放信号和干扰信号,在识别的基础上,达到去除随机脉冲干扰的目的,取得了比较满意的效果。

d) 基于小波空间屏蔽滤波的局部放电信号处理算法

       空间屏蔽滤波器是采用相邻尺度上小波系数的相关关系来构造的滤波器。利用基于多孔算法的小波变换对信号进行分解,根据噪声和局放信号小波系数的不同特征,构造空间屏蔽滤波器,对分解后的小波系数进行空间屏蔽滤波,从而抑制各类干扰,提高信号的信噪比。理论分析和实践结果证明,对比传统的去噪算法,空间屏蔽滤波能获得更高的信噪比,保留更多的局放信号信息,对局放信号的去噪起到了很好的效果。

       干扰抑制算法是局放特征提取和分析的基础,我们研究了一套完整的基于超宽带系统的局放信号干扰抑制和特征提前算法,取得了很好的效果。

       在发电机局部放电在线监测中,现场会引入大量的干扰,特别是宽频带监测系统,由于采用了宽达数兆的频带,虽然信号的灵敏度较以前的窄带系统和常规宽带系统(带宽小于500K)高,但信噪比低,引入的干扰也多,因此,有效地抑制各种干扰,从强干扰中提取出局部放电信号是系统能否可靠工作的关键问题。根据干扰的时域特征,干扰可以分为周期性窄带干扰、白噪声干扰、周期性脉冲干扰和随机脉冲干扰。我们在干扰抑制方面进行了深入的研究,在汲取前人经验的基础上,除采用常规算法外,还采用小波理论、神经网络和自适应滤波等算法对各种干扰采用了相应的不同对策,例如,对于窄带周期性干扰,我们研究了基于小波分解的自适应滤波算法,提高了自适应滤波算法的抗干扰性能和稳定性;对于白噪声,研究了基于小波与隐式马尔科夫模型的发电机局部放电信号去噪算法,对比传统的门限去噪算法,该算法能获得更高的信噪比;对于脉冲干扰,特别是随机脉冲干扰,在大量测试数据的基础上,研究了基于神经网络的干扰抑制算法研究,采用信号的时域和频域特征,利用神经网络抑制随机干扰,取得了很好的效果。在抑制单一干扰的基础了,研究了基于小波空间屏蔽滤波的局部放电信号处理算法,利用小波空间屏蔽滤波器,进一步保留局放信号,抑制干扰,使得最后的信号信噪比大大提供,为局放信号的特征提前打下基础。

a) 基于小波分解的自适应滤波算法抑制局部放电窄带周期干扰中的应用

        在局部放电信号处理中,普通的自适应滤波算法在各种抑制正弦干扰的算法中是比较好的算法之一,但是在宽带局部放电在线监测中,由于窄带周期干扰的频率范围很宽,自适应滤波器的参数设置比较困难,有时甚至会导致算法不稳定。我们创造性地提出了基于小波分解的自适应滤波算法,利用小波分频原理,将采集到的信号分解到各个频段上,再在各频段上利用最优参数自适应滤波抑制窄带干扰,大量的计算机仿真分析和现场数据处理表明,基于小波分解的自适应滤波算法比起普通自适应滤波算法有更好的抗干扰性能和稳定性。

b) 基于小波与隐式马尔科夫模型的发电机局部放电信号去噪

      基于小波变换的马尔科夫模型(HMMs)最近被用于图像信号处理。其方法的优势在于它考虑了小波系数之间的相关性,而且在去噪时不存在待定的自由参数,具有更强的自适应性。我们采用了HMMs方法去除发电机局部放电信号中的白噪声。为了验证方法的有效性,我们采用了两种实测的局放信号,实验室的线棒放电信号和电厂的发电机局放信号。结果证明,对比传统的门限去噪算法,HMMs方法能获得更高的信噪比。

c) 基于神经网络的发电机局部放电随机脉冲干扰抑制

      在周期性窄带干扰、白噪声干扰、周期性随机干扰和随机脉冲干扰中等各种干扰中,随机脉冲干扰由于其在频域上和时域上与局放信号有很强的类似性,现有的各种软硬件抑制方法效果都不太令人满意。我们研究了随机脉冲干扰和发电机局部放电信号在时域和频域上的各种特征和现有的各种干扰抑制算法,利用二者在时域和频域上的细微特征区别,设计采用神经网络算法识别局放信号和干扰信号,在识别的基础上,达到去除随机脉冲干扰的目的,取得了比较满意的效果。

d) 基于小波空间屏蔽滤波的局部放电信号处理算法

      空间屏蔽滤波器是采用相邻尺度上小波系数的相关关系来构造的滤波器。利用基于多孔算法的小波变换对信号进行分解,根据噪声和局放信号小波系数的不同特征,构造空间屏蔽滤波器,对分解后的小波系数进行空间屏蔽滤波,从而抑制各类干扰,提高信号的信噪比。理论分析和实践结果证明,对比传统的去噪算法,空间屏蔽滤波能获得更高的信噪比,保留更多的局放信号信息,对局放信号的去噪起到了很好的效果。

      干扰抑制算法是局放特征提取和分析的基础,我们研究了一套完整的基于超宽带系统的局放信号干扰抑制和特征提前算法,取得了很好的效果。