電纜終端是電纜線路的重要組成部分，集絕緣、電場(chǎng)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(jiǎn)稱“局放”）檢測(cè)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(cè)過(guò)程中，由于現(xiàn)場(chǎng)電磁環(huán)境極其復(fù)雜，而實(shí)際的局放信號(hào)又極其微弱，因此實(shí)際檢測(cè)得到的局放信號(hào)常常被湮沒在強(qiáng)烈的噪聲之中，從而降低局放檢測(cè)系統(tǒng)的檢測(cè)靈敏度，影響檢測(cè)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(hào)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(hào)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(hào)的多樣性，在去噪過(guò)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(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）實(shí)現(xiàn)了局放信號(hào)白噪聲抑制，但EMD方法仍存在模態(tài)混疊、端點(diǎn)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(hào)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(shí)現(xiàn)白噪聲和周期性窄帶干擾的同時(shí)抑制，但需要建立準(zhǔn)確的原子庫(kù)且運(yùn)算速度相對(duì)較慢。對(duì)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(shí)域上具有一定的規(guī)律，因此可利用模式識(shí)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(guò)選擇合適的有效奇異值數(shù)量可實(shí)現(xiàn)白噪聲和周期性窄帶干擾的抑制。然而，在實(shí)際應(yīng)用中，有效奇異值數(shù)量通常難以選取（受人為因素影響），且對(duì)整個(gè)測(cè)試數(shù)據(jù)進(jìn)行奇異值分解往往需要耗費(fèi)大量的時(shí)間，不適合對(duì)處理速度要求較高的場(chǎng)合，因此該方法的應(yīng)用也受到一定的限制。

針對(duì)上述局放信號(hào)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(shí)奇異值分解（Short-Time Singular Value Decomposition,STSVD），在無(wú)需預(yù)先假設(shè)信號(hào)中含有周期性窄帶干擾的條件下，實(shí)現(xiàn)局放信號(hào)的白噪聲和周期性窄帶干擾自動(dòng)抑制。

該方法利用滑動(dòng)短時(shí)數(shù)據(jù)窗截取含噪局放信號(hào)片段，并利用最優(yōu)奇異值閾值確定含噪局放信號(hào)片段的有效奇異值數(shù)量，從而自動(dòng)地實(shí)現(xiàn)含噪局放信號(hào)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(duì)仿真和實(shí)測(cè)含噪局放信號(hào)進(jìn)行去噪處理，結(jié)果表明本文去噪方法能夠有效地對(duì)局放信號(hào)的多種噪聲源進(jìn)行抑制。

圖6 局放檢測(cè)平臺(tái)原理

總結(jié)

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

• 1）結(jié)合短時(shí)滑動(dòng)數(shù)據(jù)窗技術(shù)及最優(yōu)奇異值閾值準(zhǔn)則，STSVD無(wú)需預(yù)先假設(shè)信號(hào)中含有周期性窄帶干擾即可實(shí)現(xiàn)局放信號(hào)的白噪聲和周期性窄帶干擾自動(dòng)抑制。
• 2）對(duì)仿真和實(shí)測(cè)同時(shí)含有白噪聲和周期性窄帶干擾混合噪聲的局放信號(hào)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(guò)短時(shí)數(shù)據(jù)窗截取信號(hào)片段，極大地減小了信號(hào)分析窗口長(zhǎng)度，當(dāng)數(shù)據(jù)量較大時(shí)能顯著提高執(zhí)行效率。