基于改进EMD算法在氧化锌避雷器泄漏电流中的去噪研究

经验模态分解（Empirical Mode Decomposition,EMD）是一种数据驱动的自适应信号分解方法，在数据特征提取中被广泛应用。针对EMD自身存在的模态混叠、端点效应等问题，提出了一种将改进的经验模态分解法对金属氧化物避雷器（Metal Oxide Arresters, MOA）的泄漏电流信号进行去噪处理。对MOA含噪声的泄漏电流信号采取固有模态函数（Intrinsic Mode Functions,IMF）分解，通过计算各层IMF分量和原始信号间的相关系数，获取信号和噪声主导的IMF分量的分界点。通过重构有用信号的改进模态算法实现MOA泄漏电流的去噪处理。结合信噪比、均方根误差和波形相似系数等评价指标对去噪效果进行评估，通过算例结果验证改进方法在MOA信号处理方面的有效性。