干扰抑制一般从干扰源、干扰途径、信号后处理等3个方面来考虑。解决干扰最有效最根本的方法是找到干扰源直接消除或切断相应的干扰路径，但在不允许改变原有设备运行方式的情况下，有效地分析出干扰源和干扰途径，能够采取的措施是很有限的。运用各种信号处理技术抑制经电流传感器耦合进入监测系统的各种干扰，一般可以从工频相位、频谱、脉冲幅度及其分布、信号极性、重复率和物理位置等方面区分局部放电信号和干扰信号。
抑制干扰有两种思路：①基于窄带信号的的处理方法(频带通常是10至10kHz)，这种思路拾取信号的方法是通过频带合适的窄带电流传感器和带通滤波电路来实现，避开各种连续的周期性干扰，测量信号的信噪比得到提高。此方法仅仅适用于某个具体的变电站，使用不是很方便。另外，局部放电信号一般是宽频带脉冲，运用窄带测量可能会使信号的波形失真，对后面的数字信号处理产生影响。②基于宽频信号的处理方法(频带通常是10至1000kHz)，信号中含有局部放电的大部分能量和大量干扰，但是信噪比比较低。
对于这些干扰的一般的处理步骤是：1)抑制窄带干扰；2)抑制白噪干扰；3)抑制周期性脉冲干扰；4)抑制随机性脉冲干扰。目前，运用的数字信号处理方法可以归结为时域处理和频域处理方法。时域处理方法是依据脉冲型干扰在时域中的离散特点来处理，频域方法是根据周期性干扰在频域上的离散特点来处理，两种方法可以通过硬件和软件两种方式来实现。工程实践中干扰抑制可按下图所示的分层式处理模型进行。
a. 窄带干扰的抑制
窄带干扰，在各种干扰中占很大比重。它的强度大、相位分布固定，一般是采用频域方法处理，频域方法可以通过硬件电路或软件方法实现，硬件是选择合适频带的窄带电流传感器和程控带通滤波电路，来抑制各种窄带干扰，但它在安装前须经过细致复杂的试验来选择最佳的频带，必须根据干扰频带的先验知识确定滤波器的通频带，没有数字滤波方便灵活，通用性差。软件方法包括频域阈值滤波、自适应滤波、级联IIR陷波滤波器、傅立叶级数法、神经网络、数学形态学数字滤波、小波分析、混沌检测、多种技术结合等方法，这些方法主要是利用窄带干扰与局部放电信号频谱不重合的特点，即信号与干扰之间的频带不同。频域阈值滤波有阈值直线法、阈值曲线法，该方法在将干扰成分置零的同时，丢失信号的能量过多，不利于提取局部放电信号的特征，当出现新的窄带干扰或者干扰的中心频率发生变化时，原有的参数设置将失效。自适应滤波器只需要很少或完全不需要关于噪声和信号的先验统计特性知识，直接利用有限个观测数据来估计干扰分量，通过计算可以自动调节滤波器参数，从而满足某种最佳准则的要求，但因时延收敛因子等多种因子的选择对结果影响较大且有时会不收敛，使该方法调节困难，稳定性较差。级联IIR陷波滤波器先计算输入信号的自相关系数，再计算干扰和局部放电信号的功率谱，求出干扰的谐振频率，再估算各谱波函数，最后用数字陷波滤波法去除干扰，该方法对局部放电信号波形畸变比较小、干扰抑制比高、稳定性好、处理时间短，但该滤波器对多谐波成分的周期性干扰存在参数调整困难、滤波时间长、占用内存大等问题。傅立叶级数法运用计算傅立叶级数得到干扰的参数后，得到模拟干扰，再从信号中减去获得的模拟干扰，该方法相对于单纯频域方法能够较好地保持局部放电原始波形、幅值和极性等，获得了较好的效果，只是步骤较为繁琐。MAXNET网络是利用振幅谱中干扰的幅值普遍高于局部放电信号，通过横向比较输出最大值，把其他值为零，从而获得干扰信号的频率并将其去除，这样反复迭代直到满意为止。该方法自适应能力比较强，可以根据干扰信号和调制信号位置自动确定要去除的频率成分，但由于频率成分跳跃性较大，稳定性比较差，且对窄带干扰频率在检测频带内的局部放电信号有较大损失。有研究应用数学形态滤波器抑制局部放电窄带干扰，该方法通过构造自适应组合形态滤波器，根据干扰信号和局部放电信号波形的几何结构特性不同利用预先定义的结构元素(相当于滤波窗)对信号进行匹配或局部修正，从而去除干扰。根据局部放电信号和窄带干扰的频谱特性不同，在开闭和闭开形态学滤波器的基础上，应用组合广义形态学滤波器抑制变压器局部放电信号窄带干扰。近年来，不少学者对小波分析方法在局部放电窄带干扰抑制中的应用展开了一系列研究，小波和复小波变换对接近或属于局部放电信号监测频带范围内的窄带干扰，抑制效果不理想；小波包变换法是目前公认能较好区分局部放电信号和窄带干扰的方法，但还远达不到像抑制白噪干扰那样令人满意的效果。
b. 白噪干扰的抑制
白噪干扰是局部放电噪声中的主要成分，白噪干扰属于宽带干扰信号，是均值为0的平稳随机信号。由于局部放电信号与白噪干扰具有相似的频域特征，很难用频域方法去除，为了有效地识别和抑制白噪，需要采用时频局部化分析。美国数学家Donoho和Johnstone从理论和实践应用上比较了去除白噪干扰的各种方法，认为基于小波的滤波方法优于基于FFT的滤波方法。小波去噪一般是应用Shrinkage技术，也就是设定一个门限值，将系数小于门限的值置为0，大于门限的值被保留，然后经过反变换后就可以得到去噪后的信号。小波包分解是最优树分解，能量比较集中，Shrinkage技术可以进一步提高信噪比。小波变换特别适宜于处理突发性信号，同时具有良好的时域和频域局部化性质，相对于短时傅立叶变换，它具有一个可变的时频窗，对高频(低频)信号成分，时窗自动变窄(宽)。因此，小波分析能对突发性局部放电信号中的高频成分采用逐渐精细的时域或频域取样步长，能够聚焦到信号的任意细节。针对白噪干扰的特点采取抑制措施，可有效地抑制白噪干扰，从而提高局部放电在线监测的灵敏度。近年来，围绕如何更有效地用小波分析方法抑制白噪干扰，有关学者做了大量工作，但多数还是局限于用实小波对信号处理的研究，并且大多是用于对超高频以下的局部放电信号提取，有学者针对现有抑制白噪干扰的方法的不足，根据白噪干扰的特点构造了Daubechie's系列复小波，运用复小波变换的简单信息和构成的复合信息，对受到白噪干扰的仿真信号和实测信号进行去噪研究，表明能更有效地抑制局部放电超高频信号中的白噪干扰。
C. 周期性脉冲干扰的抑制
周期性脉冲干扰的抑制主要有模拟方法和数字方法两类。模拟方法有差动平衡法、定向藕合法和参考信号法等。它们是利用两个测量点间外来脉冲同极性、内部局部放电脉冲反极性来抑制外部脉冲干扰的。工程实践中，由于两路脉冲干扰的来源和传播途径不同，两路脉冲干扰在相位、幅值和波形上有很大的差别，要调整电路比较困难。此外，变压器绕组为电感、电阻、电容组成的分布参数系统，其传播途径比较复杂，会导致测得的两路脉冲不符合对干扰极性相同、对局部放电极性相反的规律，从而无法有效地抑制干扰。GKonig和U.Kopf提出的一种方法，在记录多个周期的信号之后，对每个周期同相位上的数据做平均，以此构成模板与原始信号相减，从而去除周期性的脉冲干扰，当局部放电信号较少并且分布特点比较明确时，这种方法去除干扰的效果较好，当局部放电信号多并且比较强，这种方法去除干扰的效果不太好。也有学者提出了多端调节—定向藕合差动平衡的改进算法，但仍难以从根本上弥补其缺陷，因此实际应用中更侧重于数字处理方法。数字方法是利用局部放电信号和干扰的相位分布不同来处理。印度的V Nagesh和B.I.Gururaj提出的一种方法，它的基本原理是基于局部放电信号同周期性脉冲干扰信号具有不同的形状，借鉴生物信号处理的一些成果，首先将数据进行分段，从波形信号中把脉冲分离成单个脉冲序列，运用FFT算法在频域对各个脉冲进行互相关计算，根据其相似度按一定标准进行分组，依据这些组脉冲求取类信号的模板，然后在时域对每一类信号进行合成。研究发现，局部放电信号的相位比较分散，干扰的相位非常集中，根据这个特点可以去除周期性脉冲干扰类，再把剩余的信号进行重构，就可以得到去除周期性脉冲干扰的信号。根据局部放电脉冲与周期干扰脉冲的相位分布和波形形状特征，提出了一种区分局部放电脉冲和周期性干扰脉冲，抑制周期性脉冲干扰的方法，运用基于脉冲波形特征的逻辑判断法识别脉冲比单闽值判断法更有效，降低了误判振荡脉冲的概率。
关注微信公众号