電纜終端是電纜線路的重要組成部分，集絕緣、電場應(yīng)力控制、屏蔽等功能于一體，內(nèi)部結(jié)構(gòu)復(fù)雜，因而運(yùn)行故障多發(fā)。其中局部放電（Partial Discharge,PD,簡稱“局放”）檢測是電纜終端絕緣老化診斷的重要手段之一。

然而在電纜終端的局放檢測過程中，由于現(xiàn)場電磁環(huán)境極其復(fù)雜，而實際的局放信號又極其微弱，因此實際檢測得到的局放信號常常被湮沒在強(qiáng)烈的噪聲之中，從而降低局放檢測系統(tǒng)的檢測靈敏度，影響檢測結(jié)果。因此，有效抑制局放中存在的噪聲干擾是提高局放信號檢出率的重要步驟之一。

以往的研究者在噪聲抑制上做出了大量的貢獻(xiàn)，如在白噪聲干擾、周期性窄帶干擾、尖峰干擾抑制等方面取得良好效果。其中，基于小波變換（Wavelet Transform,WT）的去噪方法在局放信號白噪聲抑制領(lǐng)域得到了廣泛的應(yīng)用。

然而由于局放信號的多樣性，在去噪過程中難以選擇完全適合局放脈沖波形的小波基函數(shù)，并且小波變換也存在分解尺度及閾值選擇不唯一等問題。為了解決小波變換存在的分解尺度不唯一問題，文獻(xiàn)[5,12]提出利用經(jīng)驗?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）實現(xiàn)了局放信號白噪聲抑制，但EMD方法仍存在模態(tài)混疊、端點效應(yīng)及閾值選擇不唯一等問題。

為了有效地抑制周期性窄帶干擾，大多數(shù)研究者首先利用某種選擇策略進(jìn)行周期性窄帶干擾甄別，然后利用濾波器、譜抑制等方法進(jìn)行干擾抑制，然而該方法的前提是要預(yù)先假設(shè)信號中含有周期性窄帶干擾。

文獻(xiàn)[11]提出了一種基于稀疏分解的噪聲抑制方法，該方法雖然能實現(xiàn)白噪聲和周期性窄帶干擾的同時抑制，但需要建立準(zhǔn)確的原子庫且運(yùn)算速度相對較慢。對于尖峰干擾，由于其分布與局放脈沖有著明顯的不同，且在時域上具有一定的規(guī)律，因此可利用模式識別方法進(jìn)行抑制。

除了上述去噪方法外，奇異值分解（Singular Value Decomposition,SVD）也是一種有效的噪聲抑制方法，通過選擇合適的有效奇異值數(shù)量可實現(xiàn)白噪聲和周期性窄帶干擾的抑制。然而，在實際應(yīng)用中，有效奇異值數(shù)量通常難以選?。ㄊ苋藶橐蛩赜绊懀覍φ麄€測試數(shù)據(jù)進(jìn)行奇異值分解往往需要耗費大量的時間，不適合對處理速度要求較高的場合，因此該方法的應(yīng)用也受到一定的限制。

針對上述局放信號噪聲抑制方法存在的問題，本文在已有研究的基礎(chǔ)上，首次提出利用短時奇異值分解（Short-Time Singular Value Decomposition,STSVD），在無需預(yù)先假設(shè)信號中含有周期性窄帶干擾的條件下，實現(xiàn)局放信號的白噪聲和周期性窄帶干擾自動抑制。

該方法利用滑動短時數(shù)據(jù)窗截取含噪局放信號片段，并利用最優(yōu)奇異值閾值確定含噪局放信號片段的有效奇異值數(shù)量，從而自動地實現(xiàn)含噪局放信號周期性窄帶干擾的甄別和混合噪聲的抑制。

采用本文去噪方法、自適應(yīng)奇異值分解（Adaptive Singular Value Decomposition,ASVD）及形態(tài)學(xué)小波綜合濾波器（Morphology-Wavelet Filter,MWF）對仿真和實測含噪局放信號進(jìn)行去噪處理，結(jié)果表明本文去噪方法能夠有效地對局放信號的多種噪聲源進(jìn)行抑制。

圖6 局放檢測平臺原理

總結(jié)

本文提出了一種基于短時奇異值分解的局放信號混合噪聲抑制方法，所得結(jié)論如下：

• 1）結(jié)合短時滑動數(shù)據(jù)窗技術(shù)及最優(yōu)奇異值閾值準(zhǔn)則，STSVD無需預(yù)先假設(shè)信號中含有周期性窄帶干擾即可實現(xiàn)局放信號的白噪聲和周期性窄帶干擾自動抑制。
• 2）對仿真和實測同時含有白噪聲和周期性窄帶干擾混合噪聲的局放信號進(jìn)行去噪處理，由去噪結(jié)果可知，STSVD去噪效果優(yōu)于相比較的ASVD和MWF。
• 3）由仿真結(jié)果可知，STSVD參數(shù)選擇具有較強(qiáng)的魯棒性，在較寬的范圍內(nèi)仍能取得很好的去噪效果。
• 4）不同于ASVD，STSVD通過短時數(shù)據(jù)窗截取信號片段，極大地減小了信號分析窗口長度，當(dāng)數(shù)據(jù)量較大時能顯著提高執(zhí)行效率。