在线检测中，电气设备处于带电运行状态，现场电磁干扰严重；而绝缘缺陷产生的PD信号通常非常微弱，容易淹没于严重的背景噪声中。因此干扰的抑制是PD在线检测的关键问题。
（1）局部放电噪声干扰抑制的一般步骤
噪声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。运用硬件及各种信号处理技术抑制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图所示的分层式处理模型进行。
干扰抑制的分层式处理模型
（2）窄带干扰抑制的现状
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滤波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。
频域阈值滤波在将干扰成分置零的同时，局部放电信号丢失的能量过多，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较少或完全不需要关于噪声和信号的先验统计特性，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，再估算各谱的波函数，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。
局部放电脉冲属于小波。近年来，不少学者将小波和复小波变换应用于局部放电的抗干扰。研究表明，小波和复小波变换对局部放电检测频带范围内的窄带干扰的抑制效果不理想，小波包变换是目前能较好区分局部放电信号和窄带干扰的方法，但还远未达到令人满意的效果。小波分析有其特有的优点，但寻找合适的小波函数和去噪算法比较困难。
（3）白噪声干扰的抑制
白噪声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声干扰具有相似的频域特征，很难用频域方法去除，时频局部化分析是一个很好的选择，包括时频分析和小波变换。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。但在实际应用中还存在不少问题，需要大量的试验研究及应用研究。
（4）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、定向耦合法和参考信号法等。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。有学者提出，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，以此信号与原始信号相减，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，否则效果不明显。即使对于多端调节一一定向耦合差动平衡的改进算法，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，还产生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阈值判断法更有效，降低了误判振荡脉冲的概率。
（5）随机性脉冲干扰信号的抑制
随机性脉冲干扰和局部放电信号在频域的特征具有相似性，因而随机性脉冲干扰最难滤去。现有的大量方法都是从时域角度来考虑的。比较常用的方法有硬件电路法、软件波形识别法和人工智能法。在人工智能法中，采用比较多的有逻辑判断、模式识别法及聚类方法。逻辑判断主要包括差动平衡法和脉冲极性鉴别法，这种方法只能抑制外部耦合的干扰，但效果不是很理想。
模式识别法是根据不同脉冲的特征，运用各种识别方法，对脉冲的类型进行区分，进而滤去干扰脉冲，但模式识别的实现依赖于指纹库的建立。
基于网格和密度的聚类算法和基于模糊聚类分析也是抑制随机脉冲干扰的方法。随机脉冲干扰具有偶发的特征，其相位和幅值分布分散，在统计谱图上处于分布分散的稀疏区域。基于网格和密度的聚类算法可以将任意形状的簇聚集在一起，能将分布分散的数据点滤去，提取放电脉冲的相位和幅值信息。而模糊聚类抗干扰是通过模糊聚类，将波形特征不同的波形分离开来，再通过判断每类波形的数量，根据随机脉冲干扰发生次数较少这一特点来排除干扰。
关注微信公众号