基于稀疏分解算法的局部放电监测信号干扰抑制技术是什么？
基于稀疏分解算法的局部放电监测信号干扰抑制技术是什么？大多数不知道基于稀疏分解算法的局部放电监测信号干扰抑制技术是什么，我们的工作人员通过对互联网信息的整合出了以下内容，请您参考。
局部放电(PD)是电力设备内部存在绝缘缺陷或者存在绝缘劣化的重要征兆以及表现形式,有效检测局部放电对准确评估电力设备的绝缘健康状况具有非常重要的现实意义.然而在对电力设备进行实时在线监测的过程中,往往会因为受到监测现场复杂的电磁环境的影响,从而使检测得到的PD信号中包含着各种复杂的噪声干扰信号.如何有效地将有用的PD信号和噪声干扰信号进行分离,是目前电力设备在线监测研究的重点和难点.本文针对目前在电力设备PD信号干扰抑制方面的不足,将稀疏表示的思想应用到PD信号处理当中,并综合小波函数对PD脉冲信号提取方面的优良性能,利用了基于级联小波原子字典的匹配追踪稀疏分解算法对PD信号中的白噪干扰进行抑制.
基于匹配追踪的稀疏分解算法能够自适应地从过完备的级联小波原子字典中选择与PD信号最佳匹配的小波原子,通过选定的残差比阈值作为迭代终止条件,并将每次迭代过程选择的最佳匹配的小波原子进行线性组合表示有用的PD信号.通过对仿真及现场的指数型PD信号和UHF PD信号进行分析与处理,验证了该方法的可行性和有效性.并与传统的全阈值小波分解法,分层阈值小波分解法以及小波包分解法作对比分析.结果表明,基于级联小波原子字典的稀疏分解算法在PD信号白噪声干扰抑制方面,具有结果准确度高,波形畸变小,较好保留了原始PD信号的主要特征信息等优点.针对PD信号中的周期性窄带干扰的抑制,本文构建了级联小波原子子字典和傅里叶原子子字典,并利用了傅里叶原子子字典中傅里叶原子巧妙地对PD信号中的周期性窄带干扰信号进行提取,消除了周期性窄带干扰信号对PD信号干扰抑制的影响,从而提高了对PD信号中噪声干扰的抑制性能.同样选择利用仿真及现场的指数型PD信号和UHF PD信号进行分析与处理,验证了该方法在周期性窄带干扰抑制方面的可行性和有效性.并与不含周期性窄带干扰的分层阈值小波分解法的干扰抑制效果进行对比分析,充分说明本文方法在PD信号中的周期性窄带干扰抑制方面的优越性.
基于稀疏分解算法的局部放电监测信号干扰抑制技术介绍和学习就给大家说到这里，另外，我们声明下，我们站的内容均来自互联网，如果侵范到您的利益，请第一时间告知我们，我们将第一时间删除，最后祝您生活和工作愉快了。
