《Energies》：Parameter-Adaptive VMD and Secondary Wavelet Filtering for Cable Partial Discharge Denoising
编辑推荐：
在评估高压电缆绝缘状态的多种在线监测方法中，局部放电（PD）检测是应用最广泛的方法之一。然而，现场环境获取的PD信号极易受到噪声干扰。针对该问题，研究人员提出一种融合参数自适应变分模态分解（VMD）与二次小波滤波的新型去噪方法。首先，采用霜冰优化算法（RIME
在评估高压电缆绝缘状态的多种在线监测方法中，局部放电（PD）检测是应用最广泛的方法之一。然而，现场环境获取的PD信号极易受到噪声干扰。针对该问题，研究人员提出一种融合参数自适应变分模态分解（VMD）与二次小波滤波的新型去噪方法。首先，采用霜冰优化算法（RIME）自适应搜索VMD的最优分解参数，即模态数K和惩罚因子α。参数自适应VMD随后将含噪PD信号分解为一系列本征模态函数（IMF）。接着，引入复合多尺度模糊散布熵（CMFDE）量化每个IMF的复杂度，从而准确区分有效信号分量与噪声主导模态。最后，对所选有效分量应用改进小波阈值（IWT）技术作为二次滤波过程，有效抑制残余噪声并保留波形特征。仿真实验评估信噪比（SNR）和重构精度，受控电缆测量显示PD脉冲可见性改善。在输入SNR为?4 dB时，输出SNR达到12.40 dB，归一化相关系数（NCC）为0.972。这些结果支持高压电缆的在线绝缘监测。
论文解读
高压电缆多采用交联聚乙烯（XLPE，cross-linked polyethylene）绝缘，因其绝缘性能优良而广泛用于供电系统；长期运行中受老化、外部机械损伤、湿气侵入等因素影响，电缆内部可能发生局部放电（PD，partial discharge）。准确解释和识别PD信号是PD在线监测系统的核心技术环节。现场环境噪声强，PD信号难以准确捕获，去噪成为关键问题。已有经验模态分解（EMD，empirical mode decomposition）存在模式混叠和端点效应，去噪不彻底；小波变换（WT，wavelet transform）对阈值选择敏感且抑制周期窄带干扰能力有限；奇异值分解（SVD，singular value decomposition）对周期窄带抑制较好但白噪声去除不理想；变分模态分解（VMD，variational mode decomposition）的去噪效果依赖模态数K和惩罚因子α，K过小导致不同频率分量混叠，K过大导致过分解和虚假分量，α过小使带宽过宽而噪声难分离，α过大使带宽过窄并可能滤除有用分量。研究人员因此提出融合参数自适应VMD与二次小波滤波的方法，采用RIME优化K和α，以CMFDE筛选IMF，再以IWT对有效分量二次去噪，并用仿真、匹配消融和受控电缆测量验证，以支持高压电缆在线绝缘监测。
关键技术方法与样本来源（不超过250字）：研究人员用RIME自适应优化VMD的K和α；VMD将含噪PD信号分解为多个IMF；用CMFDE量化各IMF复杂度以区分有效与噪声主导模态；对保留分量用IWT二次去噪。仿真采用双指数衰减及其振荡模型，叠加白噪声和周期窄带正弦干扰，以SNR、RMSE、NCC评价，并与WOA-VMD-WT、POA-VMD-WT比较及开展重复性、消融检验。受控测量样本来源为15 m 10 kV XLPE电缆（YJV-8.7/15 kV，3×70 mm
2），预制终端，锤击形成约3 mm×2 mm×1 mm主绝缘缺口并暴露内半导电层；12 kV（50 Hz）加压，起始电压约8.5 kV；高频电流互感器（HFCT，high-frequency current transformer）夹接地线，50 MS/s、2000点记录，5次独立测量共200条PD脉冲记录。
研究结果：
3.1 局部放电信号仿真（PD Signal Simulation）：通过双指数衰减模型及其振荡形式构建仿真PD，参数包括幅值30 mV和70 mV、振荡频率10 MHz、衰减系数均为1 μs、采样点数2000、采样频率50 MHz、记录长度40 μs；叠加白噪声和五个周期窄带分量后，干净PD信号完全被噪声淹没。结论：建立了接近电缆PD时域特征的含噪仿真记录。
3.2 去噪评价准则（Denoising Evaluation Criteria）：采用SNR、RMSE、NCC定量评价；SNR越大抑噪越好，RMSE越低失真越小，NCC越接近1波形相似性越高。结论：形成统一比较指标。
3.3 局部放电信号去噪方法比较（Comparison of PD Signal Denoising Methods）：通过比较WOA-VMD、POA-VMD和RIME-VMD分解，RIME-VMD得到7个IMF；CMFDE显示IMF1–IMF3值小且波形规则，判为PD主导，IMF4–IMF7值大且波动严重，判为噪声主导；保留IMF1–IMF3并以IWT二次去噪，保留边界为排序熵最大相邻间隔中点(0.4203+0.8534)/2=0.63685。与WOA-VMD-WT、POA-VMD-WT比较，所提RIME-VMD-IWT波形更平滑、与原始PD一致性更高；在输入SNR=?4 dB记录中输出SNR=12.3973 dB、RMSE=1.3966 mV、NCC=0.9724，优于两比较方法；在?4、0、4 dB输入及20次独立噪声实现下，所提方法平均SNR更高、RMSE更小、NCC更接近1。结论：所提方法在仿真中抑噪和波形保真方面占优。
3.4 重复性与匹配消融检验（Repeatability and Matched Ablation Check）：通过两个指定合成脉冲族、?8至8 dB输入和20次噪声实现进行独立检查；K范围2–8、α范围200–4000，RIME、WOA、POA在144次目标评估等预算下比较；RIME平均输出SNR与WOA、POA相近（10.11、10.07、10.19 dB），但模态混叠指数（MAI，Modal Aliasing Index）最低、运行间离散度最小，分解更稳定。消融显示0 dB时IWT较匹配WT提高平均SNR 4.23 dB（95%配对bootstrap区间4.10–4.35 dB，Holm校正p<0.001）；自适应参数对比校正p=0.832；与CEEMDAN-WT和AO–VMD–K-SVD字典学习相比，所提方法平均输出SNR和NCC最高，字典学习最接近但需额外训练。结论：RIME是免除手动调参的实用参数选择机制，二次IWT收益依赖噪声与波形条件，各阶段证据强度不同。
4 受控实验室测量分析（Controlled Laboratory Measurement Analysis）：通过构建受控噪声背景（1 MHz和2 MHz正弦窄带及100 kHz–10 MHz高斯白噪声）并在带缺陷10 kV XLPE电缆上采集含噪PD，比较三种方法；WOA-VMD-WT残余窄带与白噪声明显，POA-VMD-WT部分抑噪但PD特征可辨识性降低，所提方法脉冲特征更明显、背景降低，支持脉冲可见性改善的定性判断；基于参考的SNR、RMSE、NCC用仿真干净信号评估。结论：受控测量提供补充证据，但因无干净实测参考，解释保持定性。
讨论部分总结：讨论表明消融结果解释选择性波形恢复价值；0 dB振荡族IWT较匹配软阈值SNR由6.26升至10.49 dB，而IWT用于全部模态为3.62 dB；配对IWT效应4.23 dB；与仅保留模态重构10.49 vs 10.08 dB且校正p=0.832，说明不同阶段证据强度不同。参数自适应提供系统搜索，但最小包络熵为代理目标，不保证最佳重构；RIME、WOA、POA平均输出SNR相近，RIME更稳定。操作范围受波形组成、干扰谱和传感器响应影响，低熵窄带分量可能通过CMFDE筛选，失真或紧密间隔PD脉冲可能被归入拒绝模态；最大间隔规则自适应边界但不保证每例正确。计算成本约O(IKN+KN log N)，单线程每振荡0 dB记录3.74±1.61 s，支持缓冲处理但不证明实时吞吐；在线集成可复用现有电流传感器采集链、触发窗口和周期参数更新。受控测量解释定性，现场测量为下一步。
研究结论翻译：为抑制高压电缆PD信号中的周期窄带干扰和白噪声，研究人员提出融合参数自适应VMD与二次小波滤波的新型去噪方法。基于仿真和受控测量，主要结论如下：(1) 使用RIME自适应优化VMD的两个核心参数K和α，可消除手动调参需求，为含噪PD记录提供分解设置的自适应选择机制，在同等评估预算下性能与WOA和POA相当。(2) 基于各IMF的CMFDE值，可在测试条件下识别信号主导与噪声主导分量；去除噪声主导分量后，对信号主导分量应用IWT二次去噪，获得优于传统WT的去噪性能。(3) 仿真结果表明，所提方法可抑制周期窄带干扰和白噪声；在报告示例中，其SNR、RMSE和NCC指标优于WOA-VMD-WT和POA-VMD-WT；受控测量通过脉冲可见性提供补充证据。总之，所提方法可在测试高压电缆PD信号中抑制复杂噪声并保留基本特征，因而有潜力作为高压电缆绝缘状态在线监测的信号处理方法。
