基于SVD和低秩RBF神经网络的局部放电信号提取方法

• 作者: 杨晓丽 黄宏光 舒勤 张大堃 周电波
• 来源期刊: 高电压技术
• 关键词: 局部放电 奇异值分解 神经网络 白噪声 周期性窄带干扰 高斯窗
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 电介质与电气绝缘|Dielectric and Electrical Insulation
• 页码范围: 3608-3616
• 页数: 9页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20200739

摘要

局部放电(partial discharge,PD)特高频(ultra high frequency,UHF)信号检测过程易受到白噪声和周期性窄带干扰的严重影响.为有效提取PD UHF信号、抑制干扰,提出一种基于奇异值分解(singular value decomposition,SVD)和低秩径向基函数(radical basis function,RBF)神经网络的去噪方法.首先,将染噪局部放电信号构造为Hankel矩阵,并奇异分解到特征矩阵空间;然后,把特征矩阵中奇异值突变点设为阈值,以去除窄带干扰;最后,采用RBF神经网络逼近去干扰后的PD信号,并采用Gaussian窗滤波以提取局放信号.所提方法与逆向分离(reverse separation,RS)和形态学小波综合滤波器(morphology wavelet filter,MWF)进行对比.从仿真和实测结果表明,该方法对周期性窄带干扰和白噪声有着强抑制作用,评价指标更为显著.