在線檢（jiǎn）測（cè）中，電氣設備處於帶（dài）電（diàn）運（yùn）行狀態（tài），現場電磁幹擾嚴（yán）重；而絕緣缺陷產生（shēng）的PD信號通常非（fēi）常微弱，容易淹沒（méi）於嚴重的背景噪聲中。因此幹擾的抑（yì）製是PD在線檢測的關鍵問題。
（1）局部放電噪聲幹擾抑製的一般步（bù）驟
噪聲幹擾抑製一般從幹（gàn）擾源（yuán）、幹擾途徑、信號後處理（lǐ）等3個方（fāng）麵來考慮（lǜ）。解決幹擾最有（yǒu）效、最根本的方法是找到（dào）幹擾源直接消（xiāo）除或切（qiē）斷相應的幹擾路（lù）徑。但在不允許改變原有設（shè）備運行方式的情況下，有效地分析出幹擾源（yuán）和幹（gàn）擾途徑，能夠采取的措施是很有限（xiàn）的。運用硬件（jiàn）及各（gè）種（zhǒng）信號處理技（jì）術抑製幹擾的一般的處理（lǐ）步驟是：1）抑製窄帶幹（gàn）擾；2）抑製（zhì）白（bái）噪幹擾；3）抑製周期性脈衝幹擾；4）抑製隨機性脈衝幹（gàn）擾。
目前，運用的數字信（xìn）號處理方法可以歸結為時域處理和頻域處理方法。時域處（chù）理方法是（shì）依（yī）據（jù）脈衝型幹擾在時域（yù）中的離散特點來處理，頻域方法是根據周期性幹擾在頻域上的離散特點來處理，兩種方法可以通過硬件和（hé）軟件兩種方（fāng）式來實現。工程實踐中幹擾抑製可按圖所示的分層式處理模型進行。
幹擾（rǎo）抑製的（de）分層式處理模型
（2）窄帶幹擾抑（yì）製的現狀
窄帶幹擾（rǎo）在各種幹擾中占很大比重。它（tā）的強（qiáng）度大、相位（wèi）分布固定（dìng），一般（bān）采用頻域（yù）方法處理。頻（pín）域（yù）方（fāng）法可（kě）以通過硬件電路或（huò）軟件方法實現。硬件是選擇合適頻帶的窄帶濾（lǜ）波器和（hé）程控帶通濾（lǜ）波電路，來抑製各種窄帶幹擾，但它在（zài）安裝前須經過細致複（fù）雜的試驗（yàn）來選擇最佳的頻帶（dài），必須根據幹擾頻帶的先驗知識確定濾（lǜ）波器的通頻帶，沒有（yǒu）數字濾波方便靈活，通用性差（chà）。
軟件方法包括頻域閾值濾波、自適應濾波、級聯IIR陷波濾波器、傅立葉級數法、神經網絡、數學形態學數字濾波、小波分析等方法，這些方法主要（yào）是利用窄帶幹擾與局部放電信號頻譜不重合的特點，即信號與幹（gàn）擾之間的頻帶不同。
頻域閾值濾波在將幹擾成（chéng）分置零的同時（shí），局部放電信號丟失的能量過多，不利（lì）於提取（qǔ）局（jú）部放電信號的特征，當出現新的窄帶幹擾或者幹擾的中心頻率（lǜ）發生（shēng）變化時，原有的（de）參數（shù）設（shè）置將失效。
自適（shì）應濾（lǜ）波器隻需（xū）要較少或完全不需（xū）要關於噪聲和信號的先驗統計特性，直接利用有（yǒu）限個觀測數據來估計幹擾（rǎo）分量（liàng），通過計算可以自動調節濾（lǜ）波（bō）器參數，從而滿足某（mǒu）種（zhǒng）最佳準（zhǔn）則的（de）要求。但因時延、收斂因子等多種因子的（de）選擇對結果影響較大，且有（yǒu）時會不收斂，使該方法調節困難，穩定性較差。
級聯IIR陷波濾波器先計算輸入信號的自（zì）相關係數，再計算幹（gàn）擾和局部放電信號的功率譜，求出幹（gàn）擾的諧振頻率，再估算各譜的波函數，最後用數字陷波濾（lǜ）波法去除幹擾（rǎo）。該方法對（duì）局部放電信號波形畸變比較小、幹擾抑製比高、穩定性好、處理時間短，但該濾波器對多諧波成分的周期性（xìng）幹擾存在參數調整困難、濾波時間長、占用內存大（dà）等問題。
局部放電脈衝屬於小波（bō）。近年來，不少（shǎo）學者將小波和複小（xiǎo）波變換（huàn）應用於局部放電的抗幹擾。研究表明，小波（bō）和複小波變換對局（jú）部放電檢測頻帶範圍內的窄帶幹擾的抑製效果不理想，小波包變換是目前能（néng）較好區分局部放電（diàn）信號和窄帶幹擾的方法（fǎ），但還遠（yuǎn）未達到令人滿意的效果。小波分析有其特有的優點，但尋找合適的小波函數和去噪算法比較困難。
（3）白噪聲幹擾的抑製
白噪聲幹擾是局部放電噪聲中的主要成分，白（bái）噪幹擾屬於寬帶幹擾信號，是均值為0的平（píng）穩隨機信號。由於（yú）局部（bù）放電信號與白噪聲幹擾具有相似的頻域特（tè）征，很難用頻域方法去除，時頻局部（bù）化分析是一個很好的選擇（zé），包括（kuò）時頻分析和小波變換。小波變換特（tè）別適宜於處理突發性信號，同時具有良好的時域和頻域局部化（huà）性質，相對（duì）於短時傅（fù）立葉變換，它具有一個可變的時頻（pín）窗，對（duì）高頻(低頻)信號成（chéng）分，時窗自動變窄(寬)。因此，小（xiǎo）波分析能對（duì）突發性局部放（fàng）電信號中的高頻成分采用逐漸精細的時域或頻域（yù）取樣步長，能夠聚焦（jiāo）到信號的任意細（xì）節。但在實際應用中還存在不少問題，需要大量的試驗研究及應用研究。
（4）周期性脈衝幹擾的抑製
周期性脈（mò）衝幹（gàn）擾的抑（yì）製主要有模（mó）擬方法和數字方法兩類。模（mó）擬方法有差動平衡（héng）法、定（dìng）向耦合法和參考信號法等。利用兩（liǎng）個測量點間外來脈衝同極性、內部局部放電脈衝反極性來抑製外部（bù）脈衝幹擾的。工程（chéng）實踐中（zhōng），由於兩路脈衝幹擾的來源和傳播途徑不（bú）同，兩路脈衝幹擾在相位、幅值和波（bō）形上有（yǒu）很大的差別，要調（diào）整電路比較困難。有學者提出，在記錄多個周（zhōu）期的信號之後，對每個周期同相位上的數據做平均，以此信號與原（yuán）始信號相減，從而去除（chú）周期性的脈衝幹擾。當局部放電（diàn）信號較少並且分布特點比較明確時，這種（zhǒng）方法去除（chú）幹擾的效果較好，否則效果不明顯。即使對於多（duō）端調節一一定向耦合差動平衡的改進算法，仍難（nán）以（yǐ）從根本上彌補其缺陷，因此實際應用中更側重於數（shù）字處理方法。
數字（zì）方法是利（lì）用局部放電信號和幹擾的相位分布不同來處理。印度的V Nagesh和B.I.Gururaj提出的一種方法，它的基本原（yuán）理（lǐ）是基於局部（bù）放電信號同周期性脈衝幹擾信號具有不同的形狀，借鑒生物信號處理的一（yī）些（xiē）成果，首先（xiān）將數據進行分段，從波形信號中把脈衝分離成單（dān）個脈衝序列，運用FFT算法在（zài）頻（pín）域對各個脈衝進行互相關計算，根據其相似度按（àn）一定標準進行（háng）分（fèn）組（zǔ），依據這些組脈衝求取類信號的模板，然後在時域對每一類信號進行合（hé）成。研究發現，局部放電信號的相位比較分散，幹擾的相位（wèi）非常集中，根據這個特點可（kě）以去除周期性脈衝幹（gàn）擾類（lèi），再把剩餘的（de）信號進行重構，就可以得到去除周期性脈衝幹擾的信號。根據局部放（fàng）電脈衝與周期幹擾脈（mò）衝的相（xiàng）位（wèi）分布和波形形狀特征（zhēng），還產生一種區分局部（bù）放電脈衝（chōng）和周期性幹（gàn）擾脈衝，抑（yì）製周期性脈衝幹擾（rǎo）的方（fāng）法，運用基於脈衝波形特征的邏輯判斷（duàn）法識別脈衝比單閾（yù）值判斷法更有效（xiào），降低了誤判（pàn）振蕩（dàng）脈衝的概率。
（5）隨機性脈衝幹（gàn）擾信號的（de）抑製
隨機（jī）性脈衝幹（gàn）擾和局（jú）部放電信號在（zài）頻域的特征具有相似性，因而隨機性脈衝幹（gàn）擾最難濾去。現有的大量方法都是從時域角度來（lái）考慮的。比較常用的方法有硬件電路法、軟件波形識別法和人工智能法。在（zài）人工智能法中，采用比較（jiào）多的有邏輯判斷、模式識別法及聚類方法。邏輯（jí）判斷主要包括差動平衡（héng）法和脈衝極性鑒別法，這種方（fāng）法（fǎ）隻（zhī）能抑製外部耦（ǒu）合的幹擾，但效果不是很理想。
模式識別法是根據不同脈衝的（de）特征，運用各種識別方法，對脈衝的類型進行區分，進而（ér）濾去幹擾脈衝，但模式識（shí）別的實現依賴於指紋庫的建立。
基於網格和密度的聚類（lèi）算法和基於模糊聚類分析也是抑製隨機脈衝幹擾的方法。隨機脈衝幹擾（rǎo）具有偶發（fā）的特征，其相位和幅值分布分散，在統計譜圖上（shàng）處於分布分散的稀疏區域。基於網（wǎng）格和密度的聚類算（suàn）法可以將任意形（xíng）狀（zhuàng）的簇聚集在一起，能將分布（bù）分散的數據點濾去，提取放電脈衝的相位（wèi）和幅（fú）值信息。而模糊聚類抗幹擾是通（tōng）過模糊聚類，將波形特征不同的波形分離開來，再（zài）通過判斷每類（lèi）波形的數量（liàng），根據隨機脈衝幹擾發生次數（shù）較少這一特點來排除幹擾。
關注微信公眾（zhòng）號