在線檢測中，電氣設(shè)備處于帶電運(yùn)行狀態(tài)，現(xiàn)場電磁干擾嚴(yán)重；而絕緣缺陷產(chǎn)生的PD信號(hào)通常非常微弱，容易淹沒于嚴(yán)重的背景噪聲中。因此干擾的抑制是PD在線檢測的關(guān)鍵問題。
（1）局部放電噪聲干擾抑制的一般步驟
噪聲干擾抑制一般從干擾源、干擾途徑、信號(hào)后處理等3個(gè)方面來考慮。解決干擾最有效、最根本的方法是找到干擾源直接消除或切斷相應(yīng)的干擾路徑。但在不允許改變原有設(shè)備運(yùn)行方式的情況下，有效地分析出干擾源和干擾途徑，能夠采取的措施是很有限的。運(yùn)用硬件及各種信號(hào)處理技術(shù)抑制干擾的一般的處理步驟是：1）抑制窄帶干擾；2）抑制白噪干擾；3）抑制周期性脈沖干擾；4）抑制隨機(jī)性脈沖干擾。
目前，運(yùn)用的數(shù)字信號(hào)處理方法可以歸結(jié)為時(shí)域處理和頻域處理方法。時(shí)域處理方法是依據(jù)脈沖型干擾在時(shí)域中的離散特點(diǎn)來處理，頻域方法是根據(jù)周期性干擾在頻域上的離散特點(diǎn)來處理，兩種方法可以通過硬件和軟件兩種方式來實(shí)現(xiàn)。工程實(shí)踐中干擾抑制可按圖所示的分層式處理模型進(jìn)行。
干擾抑制的分層式處理模型
（2）窄帶干擾抑制的現(xiàn)狀
窄帶干擾在各種干擾中占很大比重。它的強(qiáng)度大、相位分布固定，一般采用頻域方法處理。頻域方法可以通過硬件電路或軟件方法實(shí)現(xiàn)。硬件是選擇合適頻帶的窄帶濾波器和程控帶通濾波電路，來抑制各種窄帶干擾，但它在安裝前須經(jīng)過細(xì)致復(fù)雜的試驗(yàn)來選擇最佳的頻帶，必須根據(jù)干擾頻帶的先驗(yàn)知識(shí)確定濾波器的通頻帶，沒有數(shù)字濾波方便靈活，通用性差。
軟件方法包括頻域閾值濾波、自適應(yīng)濾波、級(jí)聯(lián)IIR陷波濾波器、傅立葉級(jí)數(shù)法、神經(jīng)網(wǎng)絡(luò)、數(shù)學(xué)形態(tài)學(xué)數(shù)字濾波、小波分析等方法，這些方法主要是利用窄帶干擾與局部放電信號(hào)頻譜不重合的特點(diǎn)，即信號(hào)與干擾之間的頻帶不同。
頻域閾值濾波在將干擾成分置零的同時(shí)，局部放電信號(hào)丟失的能量過多，不利于提取局部放電信號(hào)的特征，當(dāng)出現(xiàn)新的窄帶干擾或者干擾的中心頻率發(fā)生變化時(shí)，原有的參數(shù)設(shè)置將失效。
自適應(yīng)濾波器只需要較少或完全不需要關(guān)于噪聲和信號(hào)的先驗(yàn)統(tǒng)計(jì)特性，直接利用有限個(gè)觀測數(shù)據(jù)來估計(jì)干擾分量，通過計(jì)算可以自動(dòng)調(diào)節(jié)濾波器參數(shù)，從而滿足某種最佳準(zhǔn)則的要求。但因時(shí)延、收斂因子等多種因子的選擇對(duì)結(jié)果影響較大，且有時(shí)會(huì)不收斂，使該方法調(diào)節(jié)困難，穩(wěn)定性較差。
級(jí)聯(lián)IIR陷波濾波器先計(jì)算輸入信號(hào)的自相關(guān)系數(shù)，再計(jì)算干擾和局部放電信號(hào)的功率譜，求出干擾的諧振頻率，再估算各譜的波函數(shù)，最后用數(shù)字陷波濾波法去除干擾。該方法對(duì)局部放電信號(hào)波形畸變比較小、干擾抑制比高、穩(wěn)定性好、處理時(shí)間短，但該濾波器對(duì)多諧波成分的周期性干擾存在參數(shù)調(diào)整困難、濾波時(shí)間長、占用內(nèi)存大等問題。
局部放電脈沖屬于小波。近年來，不少學(xué)者將小波和復(fù)小波變換應(yīng)用于局部放電的抗干擾。研究表明，小波和復(fù)小波變換對(duì)局部放電檢測頻帶范圍內(nèi)的窄帶干擾的抑制效果不理想，小波包變換是目前能較好區(qū)分局部放電信號(hào)和窄帶干擾的方法，但還遠(yuǎn)未達(dá)到令人滿意的效果。小波分析有其特有的優(yōu)點(diǎn)，但尋找合適的小波函數(shù)和去噪算法比較困難。
（3）白噪聲干擾的抑制
白噪聲干擾是局部放電噪聲中的主要成分，白噪干擾屬于寬帶干擾信號(hào)，是均值為0的平穩(wěn)隨機(jī)信號(hào)。由于局部放電信號(hào)與白噪聲干擾具有相似的頻域特征，很難用頻域方法去除，時(shí)頻局部化分析是一個(gè)很好的選擇，包括時(shí)頻分析和小波變換。小波變換特別適宜于處理突發(fā)性信號(hào)，同時(shí)具有良好的時(shí)域和頻域局部化性質(zhì)，相對(duì)于短時(shí)傅立葉變換，它具有一個(gè)可變的時(shí)頻窗，對(duì)高頻(低頻)信號(hào)成分，時(shí)窗自動(dòng)變窄(寬)。因此，小波分析能對(duì)突發(fā)性局部放電信號(hào)中的高頻成分采用逐漸精細(xì)的時(shí)域或頻域取樣步長，能夠聚焦到信號(hào)的任意細(xì)節(jié)。但在實(shí)際應(yīng)用中還存在不少問題，需要大量的試驗(yàn)研究及應(yīng)用研究。
（4）周期性脈沖干擾的抑制
周期性脈沖干擾的抑制主要有模擬方法和數(shù)字方法兩類。模擬方法有差動(dòng)平衡法、定向耦合法和參考信號(hào)法等。利用兩個(gè)測量點(diǎn)間外來脈沖同極性、內(nèi)部局部放電脈沖反極性來抑制外部脈沖干擾的。工程實(shí)踐中，由于兩路脈沖干擾的來源和傳播途徑不同，兩路脈沖干擾在相位、幅值和波形上有很大的差別，要調(diào)整電路比較困難。有學(xué)者提出，在記錄多個(gè)周期的信號(hào)之后，對(duì)每個(gè)周期同相位上的數(shù)據(jù)做平均，以此信號(hào)與原始信號(hào)相減，從而去除周期性的脈沖干擾。當(dāng)局部放電信號(hào)較少并且分布特點(diǎn)比較明確時(shí)，這種方法去除干擾的效果較好，否則效果不明顯。即使對(duì)于多端調(diào)節(jié)一一定向耦合差動(dòng)平衡的改進(jìn)算法，仍難以從根本上彌補(bǔ)其缺陷，因此實(shí)際應(yīng)用中更側(cè)重于數(shù)字處理方法。
數(shù)字方法是利用局部放電信號(hào)和干擾的相位分布不同來處理。印度的V Nagesh和B.I.Gururaj提出的一種方法，它的基本原理是基于局部放電信號(hào)同周期性脈沖干擾信號(hào)具有不同的形狀，借鑒生物信號(hào)處理的一些成果，首先將數(shù)據(jù)進(jìn)行分段，從波形信號(hào)中把脈沖分離成單個(gè)脈沖序列，運(yùn)用FFT算法在頻域?qū)Ω鱾€(gè)脈沖進(jìn)行互相關(guān)計(jì)算，根據(jù)其相似度按一定標(biāo)準(zhǔn)進(jìn)行分組，依據(jù)這些組脈沖求取類信號(hào)的模板，然后在時(shí)域?qū)γ恳活愋盘?hào)進(jìn)行合成。研究發(fā)現(xiàn)，局部放電信號(hào)的相位比較分散，干擾的相位非常集中，根據(jù)這個(gè)特點(diǎn)可以去除周期性脈沖干擾類，再把剩余的信號(hào)進(jìn)行重構(gòu)，就可以得到去除周期性脈沖干擾的信號(hào)。根據(jù)局部放電脈沖與周期干擾脈沖的相位分布和波形形狀特征，還產(chǎn)生一種區(qū)分局部放電脈沖和周期性干擾脈沖，抑制周期性脈沖干擾的方法，運(yùn)用基于脈沖波形特征的邏輯判斷法識(shí)別脈沖比單閾值判斷法更有效，降低了誤判振蕩脈沖的概率。
（5）隨機(jī)性脈沖干擾信號(hào)的抑制
隨機(jī)性脈沖干擾和局部放電信號(hào)在頻域的特征具有相似性，因而隨機(jī)性脈沖干擾最難濾去?，F(xiàn)有的大量方法都是從時(shí)域角度來考慮的。比較常用的方法有硬件電路法、軟件波形識(shí)別法和人工智能法。在人工智能法中，采用比較多的有邏輯判斷、模式識(shí)別法及聚類方法。邏輯判斷主要包括差動(dòng)平衡法和脈沖極性鑒別法，這種方法只能抑制外部耦合的干擾，但效果不是很理想。
模式識(shí)別法是根據(jù)不同脈沖的特征，運(yùn)用各種識(shí)別方法，對(duì)脈沖的類型進(jìn)行區(qū)分，進(jìn)而濾去干擾脈沖，但模式識(shí)別的實(shí)現(xiàn)依賴于指紋庫的建立。
基于網(wǎng)格和密度的聚類算法和基于模糊聚類分析也是抑制隨機(jī)脈沖干擾的方法。隨機(jī)脈沖干擾具有偶發(fā)的特征，其相位和幅值分布分散，在統(tǒng)計(jì)譜圖上處于分布分散的稀疏區(qū)域?；诰W(wǎng)格和密度的聚類算法可以將任意形狀的簇聚集在一起，能將分布分散的數(shù)據(jù)點(diǎn)濾去，提取放電脈沖的相位和幅值信息。而模糊聚類抗干擾是通過模糊聚類，將波形特征不同的波形分離開來，再通過判斷每類波形的數(shù)量，根據(jù)隨機(jī)脈沖干擾發(fā)生次數(shù)較少這一特點(diǎn)來排除干擾。
關(guān)注微信公眾號(hào)