在線檢測中，電氣設備處于帶電運行狀態(tài)，現(xiàn)場電磁干擾嚴重；而絕緣缺陷產(chǎn)生的PD信號通常非常微弱，容易淹沒于嚴重的背景噪聲中。因此干擾的抑制是PD在線檢測的關鍵問題。
（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、信號后處理等3個方面來考慮。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的干擾路徑。但在不允許改變原有設備運行方式的情況下，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。運用硬件及各種信號處理技術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）抑制隨機性脈沖干擾。
目前，運用的數(shù)字信號處理方法可以歸結為時域處理和頻域處理方法。時域處理方法是依據(jù)脈沖型干擾在時域中的離散特點來處理，頻域方法是根據(jù)周期性干擾在頻域上的離散特點來處理，兩種方法可以通過硬件和軟件兩種方式來實現(xiàn)。工程實踐中干擾抑制可按圖所示的分層式處理模型進行。
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)過細致復雜的試驗來選擇最佳的頻帶，必須根據(jù)干擾頻帶的先驗知識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、自適應濾波、級聯(lián)IIR陷波濾波器、傅立葉級數(shù)法、神經(jīng)網(wǎng)絡、數(shù)學形態(tài)學數(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頻譜不重合的特點，即信號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，局部放電信號丟失的能量過多，不利于提取局部放電信號的特征，當出現(xiàn)新的窄帶干擾或者干擾的中心頻率發(fā)生變化時，原有的參數(shù)設置將失效。
自適應濾波器只需要較少或完全不需要關于噪聲和信號的先驗統(tǒng)計特性，直接利用有限個觀測數(shù)據(jù)來估計干擾分量，通過計算可以自動調(diào)節(jié)濾波器參數(shù)，從而滿足某種最佳準則的要求。但因時延、收斂因子等多種因子的選擇對結果影響較大，且有時會不收斂，使該方法調(diào)節(jié)困難，穩(wěn)定性較差。
級聯(lián)IIR陷波濾波器先計算輸入信號的自相關系數(shù)，再計算干擾和局部放電信號的功率譜，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。該方法對局部放電信號波形畸變比較小、干擾抑制比高、穩(wěn)定性好、處理時間短，但該濾波器對多諧波成分的周期性干擾存在參數(shù)調(diào)整困難、濾波時間長、占用內(nèi)存大等問題。
局部放電脈沖屬于小波。近年來，不少學者將小波和復小波變換應用于局部放電的抗干擾。研究表明，小波和復小波變換對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)分局部放電信號和窄帶干擾的方法，但還遠未達到令人滿意的效果。小波分析有其特有的優(yōu)點，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，是均值為0的平穩(wěn)隨機信號。由于局部放電信號與白噪聲干擾具有相似的頻域特征，很難用頻域方法去除，時頻局部化分析是一個很好的選擇，包括時頻分析和小波變換。小波變換特別適宜于處理突發(fā)性信號，同時具有良好的時域和頻域局部化性質(zhì)，相對于短時傅立葉變換，它具有一個可變的時頻窗，對高頻(低頻)信號成分，時窗自動變窄(寬)。因此，小波分析能對突發(fā)性局部放電信號中的高頻成分采用逐漸精細的時域或頻域取樣步長，能夠聚焦到信號的任意細節(jié)。但在實際應用中還存在不少問題，需要大量的試驗研究及應用研究。
（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。模擬方法有差動平衡法、定向耦合法和參考信號法等。利用兩個測量點間外來脈沖同極性、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。有學者提出，在記錄多個周期的信號之后，對每個周期同相位上的數(shù)據(jù)做平均，以此信號與原始信號相減，從而去除周期性的脈沖干擾。當局部放電信號較少并且分布特點比較明確時，這種方法去除干擾的效果較好，否則效果不明顯。即使對于多端調(diào)節(jié)一一定向耦合差動平衡的改進算法，仍難以從根本上彌補其缺陷，因此實際應用中更側重于數(shù)字處理方法。
數(shù)字方法是利用局部放電信號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同周期性脈沖干擾信號具有不同的形狀，借鑒生物信號處理的一些成果，首先將數(shù)據(jù)進行分段，從波形信號中把脈沖分離成單個脈沖序列，運用FFT算法在頻域?qū)Ω鱾€脈沖進行互相關計算，根據(jù)其相似度按一定標準進行分組，依據(jù)這些組脈沖求取類信號的模板，然后在時域?qū)γ恳活愋盘栠M行合成。研究發(fā)現(xiàn)，局部放電信號的相位比較分散，干擾的相位非常集中，根據(jù)這個特點可以去除周期性脈沖干擾類，再把剩余的信號進行重構，就可以得到去除周期性脈沖干擾的信號。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，運用基于脈沖波形特征的邏輯判斷法識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）隨機性脈沖干擾信號的抑制
隨機性脈沖干擾和局部放電信號在頻域的特征具有相似性，因而隨機性脈沖干擾最難濾去?，F(xiàn)有的大量方法都是從時域角度來考慮的。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、模式識別法及聚類方法。邏輯判斷主要包括差動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。
模式識別法是根據(jù)不同脈沖的特征，運用各種識別方法，對脈沖的類型進行區(qū)分，進而濾去干擾脈沖，但模式識別的實現(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脈沖干擾的方法。隨機脈沖干擾具有偶發(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)隨機脈沖干擾發(fā)生次數(shù)較少這一特點來排除干擾。
關注微信公眾號