CN104964738B - 一种基于噪声分离的电力变压器噪声评估方法 - Google Patents
一种基于噪声分离的电力变压器噪声评估方法 Download PDFInfo
- Publication number
- CN104964738B CN104964738B CN201510315657.1A CN201510315657A CN104964738B CN 104964738 B CN104964738 B CN 104964738B CN 201510315657 A CN201510315657 A CN 201510315657A CN 104964738 B CN104964738 B CN 104964738B
- Authority
- CN
- China
- Prior art keywords
- noise
- noise signal
- transformer
- vocal print
- iron core
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000000926 separation method Methods 0.000 title claims abstract description 27
- 230000001755 vocal effect Effects 0.000 claims abstract description 77
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims description 26
- 238000004804 winding Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000000306 component Substances 0.000 description 49
- 230000006872 improvement Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Abstract
本发明公开一种基于噪声分离的电力变压器噪声评估方法,步骤包括:1)预先根据标准电力变压器在不同运行状态时风机部件、铁芯部件以及绕组部件产生的噪声信号所对应的声纹特征信息,建立声纹特征数据库;2)实时采集待测变压器运行时发出的声波信号,得到待评估噪声信号;3)从待评估噪声信号中分离出风机部件、铁芯部件以及绕组部件产生的噪声信号;4)分别提取各噪声信号的声纹特征信息,识别出待测变压器的运行状态,根据运行状态评估各部件的噪声水平。本发明能够结合声学特性对电力变压器中各部件噪声水平分别实现评估,且具有操作实现简单、评估精度及效率高的优点。
Description
技术领域
本发明涉及电力变压器的噪声评估技术领域,尤其涉及一种基于噪声分离的电力变压器噪声评估方法。
背景技术
随着电网规模的不断增大、电压等级的不断提高,电力设备的噪声影响问题日益突出。近年来,与电力设备噪声问题有关的投诉案件数量不断上升,电力设备的噪声影响已成为电网建设过程中必须迫切解决的问题。变压器是电力设备中最为主要的噪声源之一,通过对变压器噪声的评估、变压器各部件噪声水平及超标原因的评价,可以对应提出变压器噪声的控制方法,因而对于电网建设发展具有重要意义。
电力变压器(以下简称变压器)的噪声为各个部件所产生的噪声的叠加,即是来源于多个不同的内部部件,但目前变压器的噪声评估方法通常即是针对一定声场范围内变压器的整体综合噪声,这类方法一方面,由于是针对整体综合噪声,其评估误差较大,不能对变压器噪声进行准确的评估;另一方面无法实现变压器各部件噪声水平的单独评估,因而不能针对各部件分析其产生机理及超标原因,从而无法针对性的提出噪声控制方法或改进设计方案。
进一步的,变压器的噪声主要来源于铁芯磁致伸缩产生的振动、绕组间电磁力产生的振动以及冷却装置(如风机)产生的振动等,而电力变压器的结构较为封闭,作为内部的主要噪声源的绕组、铁芯外部被金属外壳及绝缘油包围,因而对各部件的噪声检测非常困难;另外,变电站内不同电力设备噪声(如电晕噪声) 之间会相互反射与叠加,也在一定程度上增加了各个部件的噪声检测与控制的难度。因此,在实际应用中无法通过单独检测变压器各部件噪声来实现噪声的单独评估。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种能够结合声学特性对电力变压器中各部件噪声水平分别实现评估,且操作实现简单、评估精度及效率高的基于噪声分离的电力变压器噪声评估方法。
为解决上述技术问题,本发明提出的技术方案为:
一种基于噪声分离的电力变压器噪声评估方法,步骤包括:
1)声学特征数据库建立:预先根据标准电力变压器在不同运行状态时风机部件、铁芯部件以及绕组部件产生的噪声信号所对应的声纹特征信息,建立上述各部件在各运行状态下的声纹特征数据库;
2)评估噪声采集:实时采集待测变压器运行时发出的声波信号,得到待评估噪声信号;
3)评估噪声分离:将所述待评估噪声信号作为待分离信号,并分离出风机部件、铁芯部件以及绕组部件产生的噪声信号;
4)分离噪声评估:分别提取所述步骤3)分离出的各噪声信号的声纹特征信息,并根据所述声纹特征数据库识别出待测变压器的运行状态;由识别出的运行状态评估待测变压器的风机部件、铁芯部件以及绕组部件的噪声水平。
作为本发明的进一步改进:所述步骤1)中具体建立不同电压等级、不同结构类型的标准电力变压器的上述各部件在各运行状态下的声纹特征数据库,以用于不同电压等级、不同结构类型的电力变压器噪声评估。
作为本发明的进一步改进,所述步骤1)中声纹特征数据库建立的具体步骤为:
1.1)参考噪声采集:采集标准电力变压器在不同运行状态下发出的声波信号,得到对应不同运行状态的多个参考噪声信号;
1.2)参考噪声分离:将各个所述参考噪声信号作为待分离信号,并分别分离出风机部件、铁芯部件以及绕组部件产生的噪声信号,获取得到对应的风机参考噪声信号、铁芯参考噪声信号以及绕组参考噪声信号;
1.3)声纹特征数据库建立:分别提取所述风机参考噪声信号、铁芯参考噪声信号以及绕组参考噪声信号的声纹特征信息,建立得到上述各部件在各运行状态下的声纹特征数据库。
作为本发明的进一步改进:所述步骤2)中还包括通过小波变换方法滤除待评估噪声信号中非电力设备噪声的步骤。
作为本发明的进一步改进:所述声纹特征信息包括频谱、小波包功率谱、小波包能量谱以及时域信号中的一种或多种。
作为本发明的进一步改进,所述分离出风机部件、铁芯部件以及绕组部件产生的噪声信号的具体步骤为:通过通带滤波器从待分离噪声中分离出变压器本体噪声信号,并得到去除变压器本体噪声信号后的剩余噪声信号;从所述变压器本体噪声信号中利用盲源分离法分离出由铁芯部件产生的噪声信号、由绕组部件产生的噪声信号,从所述剩余噪声信号中利用谱减法提取出由风机部件产生的噪声信号。
作为本发明的进一步改进,所述步骤4)中识别出待测变压器的运行状态的具体步骤为:
4.1)将所述声纹特征数据库中每种运行状态下风机部件、铁芯部件、绕组部件对应的声纹特征信息构成一维综合向量并作为特征参考量,构成声纹综合特征数据库;
4. 2)将所述步骤3)提取的声纹特征信息构成一维向量并作为待匹配特征量,由所述待匹配特征量输出至所述声纹综合特征数据库中进行匹配,识别出待测变压器的运行状态。
作为本发明的进一步改进,所述步骤4)中识别出待测变压器的运行状态的具体步骤为:
4.1)将所述声纹特征数据库中各运行状态下风机部件、铁芯部件以及绕组部件的声纹特征信息分别作为特征参考量,对应构成风机部件特征数据库、铁芯部件特征数据库以及绕组部件特征数据库;
4.2)将所述步骤3)提取的声纹特征信息分别作为待匹配特征量,并对应输入至所述步骤4.1)得到的各部件特征数据库中进行匹配,对应识别出待测变压器的风机部件、铁芯部件以及绕组部件的运行状态;
4.3)由所述风机部件、铁芯部件以及绕组部件的运行状态综合得到待测变压器的运行状态。
作为本发明的进一步改进,所述进行匹配的具体步骤为:计算待匹配特征量与特征数据库中各个参考量之间的相关系数,取相关系数最高时参考量所对应的运行状态作为目标运行状态输出。
作为本发明的进一步改进,所述进行匹配具体采用支持向量机、人工神经网络、高斯混合模型以及隐马尔科夫模型中的一种或多种实现。
与现有技术相比,本发明的优点在于:
1)本发明在变压器带负荷运行条件下,通过从变压器的原始噪声信号中分离出由各部件产生的噪声信号,无需对各部件噪声信号进行单独检测,即可得到各部件实时产生的噪声信号,从而能够实现各部件噪声水平的单独评价;同时结合各噪声信号的声学特性识别变压器的运行状态,由识别出的运行状态即可评估得到各部件的噪声水平,进一步可针对性的分析变压器噪声产生及超标原因,以及制定针对性的噪声控制方案;
2)本发明进一步通过小波变换方法对采集到的变压器噪声信号进行滤波处理,能够有效滤除非电力设备噪声信号的干扰,降低变压器运行状态的识别误差;
3)本发明进一步通过通带滤波器从待分离噪声中分离出变压器本体噪声信号,利用盲源分离法从变压器本体噪声信号中分离出由铁芯部件产生的噪声信号、由绕组部件产生的噪声信号,以及从剩余噪声信号中利用谱减法提取出由风机部件产生的噪声信号,能够有效实现变压器中风机、铁芯以及绕组部件噪声的分离,分离方法简单且分离精度高;
4)本发明进一步将铁芯、绕组及风机部件对应的声纹特征信息构成一维向量,以该向量综合表征电力变压器的不同运行状态,则由当前提取的铁芯、绕组及风机部件对应的声纹特征信息即可直接识别出变压器的当前运行状态,识别效率高且能够同时表征电力变压器各部件的运行状态;本发明进一步还可由分离出的各部件噪声信号的噪声特性,预先识别出各部件的运行状态,再由各部件的运行状态综合得到变压器的最终运行状态,能够有效降低运行状态的识别误差,以提高运行状态的识别精度;
5)本发明进一步通过待匹配特征量与特征数据库的相关性分析,能够有效实现变压器运行状态的识别,且识别方法简单、识别效率高;本发明进一步还可综合采用支持向量机、人工神经网络、高斯混合模型以及隐马尔科夫模型多种方法实现变压器运行状态的匹配识别,进一步提高运行状态的识别精度。
附图说明
图1是本实施例基于噪声分离的电力变压器噪声评估方法的实现流程示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
实施例1:
如图1所示,本实施例基于噪声分离的电力变压器噪声评估方法,步骤包括:
1)声学特征数据库建立:预先根据标准电力变压器在不同运行状态时风机部件、铁芯部件以及绕组部件产生的噪声信号所对应的声纹特征信息,建立上述各部件在各运行状态下的声纹特征数据库;
2)评估噪声采集:实时采集待测变压器运行时发出的声波信号,得到待评估噪声信号;
3)评估噪声分离:将待评估噪声信号作为待分离信号,并分离出风机部件、铁芯部件以及绕组部件产生的噪声信号;
4)分离噪声评估:分别提取步骤3)分离出的各噪声信号的声纹特征信息,并根据声纹特征数据库识别出待测变压器的运行状态;由识别出的运行状态评估待测变压器的风机部件、铁芯部件以及绕组部件的噪声水平。
本实施例在变压器带负荷运行条件下,通过从变压器的原始噪声信号中分离出由各部件产生的噪声信号,无需对各部件噪声信号进行单独检测,解决了各部件噪声单独检测困难的问题,同时由各部件的噪声信号能够准确的表征变压器的噪声特性,从而能够实现各部件噪声水平的单独评价。
电力变压器的噪声水平与设备电压等级相关,一般而言,设备电压等级越高,所产生的噪声值越大;相较于常规电压等级的变压器,超/特高压变电站内的变压器电压等级高、容量大,其噪声水平也会大幅增加。因此,由于结构、材料、加工工艺以及安装方式的差异,不同电力变压器(包括不同电压等级、结构类型以及故障状态等)的各部件噪声均具备独有的个性特征,即为声纹特征;同时噪声产生机理及噪声水平与变压器的各部件运行状态相关,即变压器的各部件处于不同运行状态时对应不同的噪声水平。本实施例通过从分离出的各部件噪声信号中提取表征变压器运行状态的声纹特征信息,由对应各部件不同运行状态的声纹特征数据库即可识别出变压器的运行状态,即结合各噪声信号的声学特性识别出变压器各部件的运行状态,由识别出的运行状态即可评估得到各部件的当前噪声水平,从而进一步可针对性的分析变压器噪声产生及超标原因,以及制定针对性的噪声控制方案。
本实施例步骤1)预先通过开展大量现场测试与实验室测试,建立不同电压等级、不同结构类型的标准电力变压器的声纹特征数据库,由建立的声纹特征数据库即可实现各种不同电压等级、结构类型的电力变压器的噪声评估。
本实施例中,步骤1)中声纹特征数据库建立的具体步骤为:
1.1)参考噪声采集:采集标准电力变压器在不同运行状态下发出的声波信号,得到对应不同运行状态的多个参考噪声信号;
1.2)参考噪声分离:将各个参考噪声信号作为待分离信号,并分别分离出风机部件、铁芯部件以及绕组部件产生的噪声信号,获取得到对应的风机参考噪声信号、铁芯参考噪声信号以及绕组参考噪声信号;
1.3)声纹特征数据库建立:分别提取风机参考噪声信号、铁芯参考噪声信号以及绕组参考噪声信号的声纹特征信息,建立得到上述各部件在各运行状态下的声纹特征数据库。
通过上述方法,每个声学特征数据库中对应标准电力变压器在不同运行状态下各部件噪声信号的声学特征信息,可以表征不同运行状态下各部件噪声信号的声学特性,从而建立变压器运行状态与各部件噪声信号声学特性之间的关系。
本实施例中,步骤2)具体通过传声器实时采集待测变压器的原始时域声信号,经过A/D转换后输出电压信号,得到待评估噪声信号。
本实施例中,步骤2)中还包括采用小波变换方法对采集到的待评估噪声信号进行滤波处理,以滤除变电站内非电力设备噪声的步骤。对于处于野外的变电站,变压器噪声测试常受到鸟鸣、虫鸣等非电力设备噪声的干扰,由于鸟鸣、虫鸣声多为高频噪声,且频率范围位于4kHz~8kHz范围内,而变压器本体噪声与风机部件产生的噪声的频率分别主要集中在1kHz与1.5kHz范围内,因而通过小波变换方法能够对电力变压器原始时域声信号进行时频分解,有效滤除含有鸟鸣、虫鸣等非电力设备噪声的频段,确保变压器运行状态的识别精度。
本实施例中,步骤3)中分离出风机部件、铁芯部件以及绕组部件产生的噪声信号的具体步骤为:通过通带滤波器从待分离噪声中分离出变压器本体噪声信号,并得到去除变压器本体噪声信号后的剩余噪声信号;从变压器本体噪声信号中利用盲源分离法分离出由铁芯部件产生的噪声信号、由绕组部件产生的噪声信号,从剩余噪声信号中利用谱减法提取出由风机部件产生的噪声信号,最终得到分离出的铁芯噪声信号、绕组噪声信号以及风机噪声信号。
由于变压器本体噪声主要分布在电网频率的一系列倍频段,因此本实施例采用小波变换法对滤波处理后的电力变压器原始时域声信号进行时频分解,再利用通带梳状滤波器即可以分离得出变压器本体噪声信号;相应的,利用阻带梳状滤波器对滤波处理后的参考噪声信号进行处理,以滤除变压器本体噪声信号,即可以获得含有变压器的风机部件产生的风机噪声、电晕噪声的剩余噪声信号。
电晕噪声在时域上表现为一系列脉冲声的集合,时域短时脉冲在频域上表现为全频段分布的宽带噪声;而风机噪声为白噪声,能量在较宽频带上均匀分布,无明显峰值。因此,从频谱上很难对电晕及风机噪声进行区分。本实施例将风机噪声以及电晕噪声信号中无脉冲声部分均视为风机噪声信号,且假定风机噪声与电晕噪声相互独立,利用谱减法语音增强技术从含有待测变压器风机噪声与电晕噪声信号的功率谱中减去风机噪声的功率谱,再通过傅里叶反变换得出电晕噪声信号,最后从含有待测变压器风机噪声、电晕噪声的信号中减去电晕噪声信号,即可提取出待测变压器的风机噪声信号。
盲源分离能够在源信号与混合通道参数未知的情况下,利用传感器观测信号估计未知源信号。由于变压器本体声信号是由其铁芯与绕组振动以某一种混合方式共同作用的结果,铁芯振动与绕组振动相互独立,满足盲源分离条件。本实施例利用盲源分离方法从待测变压器本体噪声信号中将铁芯部件、绕组部件产生的噪声信号分离开来。本实施例具体采用2个传声器分别布置在不同位置处并检测待测变压器的噪声信号,对检测到的噪声信号分别进行处理,获得2路待测变压器的本体噪声信号,利用快速独立成分分析(FastIndependent Component Analysis, FastICA)算法预测出混合矩阵,由混合矩阵求逆并与检测到的信号相乘,即可得到分离后的待测变压器的铁芯部件、绕组部件所产生的噪声信号。采用上述方法,结合声学特性能够有效从原始变压器的噪声信号中分离出风机、铁芯以及绕组所产生的噪声信号,分离方法简单且分离精度高,以利于准确的对各部件噪声水平进行评估。
本实施例采用上述相同的方法获取标准电力变压器在不同运行状态时风机部件、铁芯部件以及绕组部件产生的噪声信号所对应的声纹特征信息,以建立得到各部件在各运行状态下的声纹特征数据库,即通过传声器采集标准电力变压器的多个原始时域声信号,经过A/D转换后得到参考噪声信号;对采集到的参考噪声信号采用小波变换方法进行滤波处理,以滤除变电站内非电力设备噪声;对个每个参考噪声信号,通过通带滤波器从参考噪声信号中分离出变压器本体噪声信号,并得到去除变压器本体噪声信号后的剩余噪声信号;从变压器本体噪声信号中利用盲源分离法分离出由铁芯部件产生的噪声信号、由绕组部件产生的噪声信号,从剩余噪声信号中利用谱减法提取出由风机部件产生的噪声信号,最终得到分离出的铁芯参考噪声信号、绕组参考噪声信号以及风机参考噪声信号;分别提取铁芯参考噪声信号、绕组参考噪声信号以及风机参考噪声信号的声纹特征信息后即可建立得到声纹特征数据库。
本实施例中,步骤4)中识别出待测变压器的当前运行状态的具体步骤为:
4.1)将声纹特征数据库中每种运行状态下风机部件、铁芯部件、绕组部件对应的声纹特征信息构成一维综合向量并作为特征参考量,构成声纹综合特征数据库;
4. 2)将步骤3)提取的声纹特征信息构成一维向量并作为待匹配特征量,由待匹配特征量输出至声纹综合特征数据库中进行匹配,识别出待测变压器的运行状态。
本实施例将铁芯、绕组及风机部件对应的声纹特征信息构成一维向量,以该向量为综合声纹特征来表征电力变压器的不同运行状态,即变压器的运行状态为综合铁芯、绕组及风机部件三部分的运行状态,则由当前提取得到的铁芯、绕组及风机部件对应声纹特征构成的一维向量可以从声纹综合特征数据库中直接识别出变压器的当前运行状态,且能够同时表征电力变压器各部件的运行状态,根据变压器的运行状态即可评估得到铁芯、绕组及风机部件的噪声水平。
本实施例中,步骤4.2)中进行匹配的具体步骤为:计算提取的一维待匹配特征量与声纹综合特征数据库中各个一维特征参考量之间的相关系数,取相关系数最高的一维特征参考量所对应的运行状态作为目标运行状态输出,得到待测变压器的运行状态。在其他实施例中,还可采用支持向量机、人工神经网络、高斯混合模型以及隐马尔科夫模型中的一种或多种实现匹配过程,以一种匹配识别算法或综合多种匹配识别方法实现运行状态的匹配识别,能够进一步提高运行状态的识别精度,从而提高噪声水平评估精度。
根据识别出的待测变压器的运行状态,即可评估电力变压器铁芯、绕组及风机噪声是否过高以及过高时所对应的原因,进而从以上部件的生产工艺、结构以及增加减振措施等方面制定降噪方案。例如在正常条件下,电力变压器的绕组部件产生的噪声频率主要集中在100Hz,当绕组部件发生松动时,其频谱中高频成分增加,声纹特征发生变化,将检测到的声纹特征信息与声纹综合特征数据库中的特征参考量进行相关性分析,对应绕组部件松动状态的特征参考量与检测到的声纹特征信息的相关性系数值将最高,则由相关分析可评估得到变压器存在绕组组件松动缺陷;针对该缺陷,则可以对应的提出采用紧固绕组、增加绕组压紧力的方法对电力变压器噪声方法进行控制。
实施例2:
本实施例与实施例1基本相同,不同之处在于步骤4)中识别出待测变压器的当前运行状态的具体步骤为:
4.1)将声纹特征数据库中各运行状态下风机部件、铁芯部件以及绕组部件的声纹特征信息分别作为特征参考量,对应构成风机部件特征数据库、铁芯部件特征数据库以及绕组部件特征数据库;
4.2)将步骤3)提取的声纹特征信息分别作为待匹配特征量,并对应输入至步骤4.1)得到的各部件特征数据库中进行匹配,对应识别出待测变压器的风机部件、铁芯部件以及绕组部件的运行状态;
4.3)由风机部件、铁芯部件以及绕组部件的运行状态综合得到待测变压器的运行状态。
本实施例中,步骤4.2)中进行匹配的具体步骤为:计算提取的特征参考量与对应部件特征数据库中各参考量的相关系数,取对应部件特征数据库中相关系数最高的特征参考量所对应的运行状态作为目标运行状态输出,得到待测变压器的运行状态。如将提取的风机部件对应的声纹特征信息输入至风机部件特征数据库进行匹配,计算风机部件对应的声纹特征信息与风机部件特征数据库中各运行状态下特征参考量的相关系数,相关系数最高的特征参考量对应的风机部件运行状态即为目标运行状态。
本实施例由分离出的各部件噪声信号的噪声特性,预先识别出各部件的运行状态,再由各部件的运行状态综合得到变压器的最终运行状态,能够有效降低运行状态的识别误差,以提高运行状态的识别精度。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (10)
1.一种基于噪声分离的电力变压器噪声评估方法,其特征在于,步骤包括:
1)声学特征数据库建立:预先根据标准电力变压器在不同运行状态时风机部件、铁芯部件以及绕组部件产生的噪声信号所对应的声纹特征信息,建立上述各部件在各运行状态下的声纹特征数据库;
2)评估噪声采集:实时采集待测变压器运行时发出的声波信号,得到待评估噪声信号;
3)评估噪声分离:将所述待评估噪声信号作为待分离信号,并分离出风机部件、铁芯部件以及绕组部件产生的噪声信号;
4)分离噪声评估:分别提取所述步骤3)分离出的各噪声信号的声纹特征信息,并根据所述声纹特征数据库识别出待测变压器的运行状态;由识别出的运行状态评估待测变压器的风机部件、铁芯部件以及绕组部件的噪声水平。
2.根据权利要求1所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述步骤1)中具体建立不同电压等级、不同结构类型的标准电力变压器的上述各部件在各运行状态下的声纹特征数据库,以用于不同电压等级、不同结构类型的电力变压器噪声评估。
3.根据权利要求2所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述步骤1)中声纹特征数据库建立的具体步骤为:
1.1)参考噪声采集:采集标准电力变压器在不同运行状态下发出的声波信号,得到对应不同运行状态的多个参考噪声信号;
1.2)参考噪声分离:将各个所述参考噪声信号作为待分离信号,并分别分离出风机部件、铁芯部件以及绕组部件产生的噪声信号,获取得到对应的风机参考噪声信号、铁芯参考噪声信号以及绕组参考噪声信号;
1.3)声纹特征数据库建立:分别提取所述风机参考噪声信号、铁芯参考噪声信号以及绕组参考噪声信号的声纹特征信息,建立得到上述各部件在各运行状态下的声纹特征数据库。
4.根据权利要求3所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述步骤2)中还包括通过小波变换方法滤除待评估噪声信号中非电力设备噪声的步骤。
5.根据权利要求4所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述声纹特征信息包括频谱、小波包功率谱、小波包能量谱以及时域信号中的一种或多种。
6.根据权利要求1~5中任意一项所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述分离出风机部件、铁芯部件以及绕组部件产生的噪声信号的具体步骤为:通过带通滤波器从待分离噪声中分离出变压器本体噪声信号,并得到去除变压器本体噪声信号后的剩余噪声信号;从所述变压器本体噪声信号中利用盲源分离法分离出由铁芯部件产生的噪声信号、由绕组部件产生的噪声信号,从所述剩余噪声信号中利用谱减法提取出由风机部件产生的噪声信号。
7.根据权利要求6所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述步骤4)中识别出待测变压器的运行状态的具体步骤为:
4.1)将所述声纹特征数据库中每种运行状态下风机部件、铁芯部件、绕组部件对应的声纹特征信息构成一维综合向量并作为特征参考量,构成声纹综合特征数据库;
4.2)将从所述步骤3)分离出的各噪声信号提取的声纹特征信息构成一维向量并作为待匹配特征量,由所述待匹配特征量输出至所述声纹综合特征数据库中进行匹配,识别出待测变压器的运行状态。
8.根据权利要求6所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述步骤4)中识别出待测变压器的运行状态的具体步骤为:
4.1)将所述声纹特征数据库中各运行状态下风机部件、铁芯部件以及绕组部件的声纹特征信息分别作为特征参考量,对应构成风机部件特征数据库、铁芯部件特征数据库以及绕组部件特征数据库;
4.2)将从所述步骤3)分离出的各噪声信号提取的声纹特征信息分别作为待匹配特征量,并对应输入至所述步骤4.1)得到的各部件特征数据库中进行匹配,对应识别出待测变压器的风机部件、铁芯部件以及绕组部件的运行状态;
4.3)由所述风机部件、铁芯部件以及绕组部件的运行状态综合得到待测变压器的运行状态。
9.根据权利要求7或8所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述进行匹配的具体步骤为:计算待匹配特征量与特征数据库中各个特征参考量之间的相关系数,取相关系数最高时特征参考量所对应的运行状态作为目标运行状态输出。
10.根据权利要求7或8所述的基于噪声分离的电力变压器噪声评估方法,其特征在于,所述进行匹配具体采用支持向量机、人工神经网络、高斯混合模型以及隐马尔科夫模型中的一种或多种实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510315657.1A CN104964738B (zh) | 2015-06-10 | 2015-06-10 | 一种基于噪声分离的电力变压器噪声评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510315657.1A CN104964738B (zh) | 2015-06-10 | 2015-06-10 | 一种基于噪声分离的电力变压器噪声评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104964738A CN104964738A (zh) | 2015-10-07 |
CN104964738B true CN104964738B (zh) | 2018-08-21 |
Family
ID=54218787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510315657.1A Active CN104964738B (zh) | 2015-06-10 | 2015-06-10 | 一种基于噪声分离的电力变压器噪声评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104964738B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105352541B (zh) * | 2015-10-14 | 2017-12-08 | 国网福建省电力有限公司 | 一种基于电网防灾减灾系统的变压器运行辅助监测系统及其监测方法 |
CN105508276B (zh) * | 2015-12-08 | 2017-07-14 | 国家电网公司 | 一种城区变电站主变压器风扇噪声评价方法 |
CN106153176B (zh) * | 2016-06-22 | 2020-04-24 | 中国电力科学研究院 | 一种用于对单相油浸式变压器噪声进行预估的系统及方法 |
CN106286362B (zh) * | 2016-07-22 | 2017-10-24 | 国家电网公司 | 基于噪声的变压器冷却风扇运行状态评价方法及系统 |
CN106599395A (zh) * | 2016-11-25 | 2017-04-26 | 国网上海市电力公司 | 一种油浸变压器的噪声数值仿真计算方法 |
CN106770652A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司信息通信公司 | 基于声波特征的高压变压器健康状态监测装置及监测方法 |
CN107036709B (zh) * | 2017-04-11 | 2019-06-18 | 国网上海市电力公司 | 一种变电站噪声匹配分离方法 |
CN107037314A (zh) * | 2017-04-19 | 2017-08-11 | 沈阳工业大学 | 一种电力变压器绕组变形故障在线诊断方法 |
CN108760030A (zh) * | 2018-03-22 | 2018-11-06 | 国网湖南省电力有限公司 | 一种自冷式变压器铁心与绕组噪声水平检测方法及系统 |
CN109187756A (zh) * | 2018-10-17 | 2019-01-11 | 广西电网有限责任公司电力科学研究院 | 一种基于变压器噪声声像图的绕组松动判断方法 |
CN109557412A (zh) * | 2018-11-27 | 2019-04-02 | 华翔翔能电气股份有限公司 | 一种变压器故障的声纹识别方法及系统 |
CN109740523B (zh) * | 2018-12-29 | 2020-12-29 | 国网陕西省电力公司电力科学研究院 | 一种基于声学特征和神经网络的电力变压器故障诊断方法 |
CN110634493A (zh) * | 2019-09-09 | 2019-12-31 | 国网湖南省电力有限公司 | 基于声纹图像特征的变压器状态识别方法、系统及介质 |
CN110631691B (zh) * | 2019-09-09 | 2021-06-11 | 国网湖南省电力有限公司 | 一种电力设备噪声分离效果验证方法、系统、分离设备及介质 |
CN110867195B (zh) * | 2019-11-20 | 2023-12-12 | 四川赛康智能科技股份有限公司 | 一种基于声纹及振动针对电力主设备的缺陷在线监测方法 |
CN111397727A (zh) * | 2020-03-23 | 2020-07-10 | 深圳供电局有限公司 | 变压器声场测量的车载检测设备 |
CN112927710B (zh) * | 2021-01-21 | 2021-10-26 | 安徽南瑞继远电网技术有限公司 | 一种基于无监督方式的电力变压器工况噪声分离方法 |
CN113283310A (zh) * | 2021-05-07 | 2021-08-20 | 国网浙江省电力有限公司武义县供电公司 | 一种基于声纹特征的电力设备健康状态检测系统和方法 |
CN113310520B (zh) * | 2021-05-28 | 2022-07-29 | 包头市威丰稀土电磁材料股份有限公司 | 直流换流阀饱和电抗器用超薄硅钢铁心质量的评估方法 |
CN113537402A (zh) * | 2021-08-13 | 2021-10-22 | 重庆大学 | 一种基于振动信号的换流变压器多尺度融合特征提取方法 |
CN113805105A (zh) * | 2021-08-23 | 2021-12-17 | 浙江讯飞智能科技有限公司 | 三相变压器检测方法和系统 |
CN113761679B (zh) * | 2021-08-27 | 2024-02-27 | 大连透平机械技术发展有限公司 | 压缩机噪声的预测方法及装置 |
CN113654652B (zh) * | 2021-09-17 | 2024-03-19 | 广东电网有限责任公司 | 一种直流控保装置故障识别方法及相关装置 |
CN114067829A (zh) * | 2021-10-21 | 2022-02-18 | 佳源科技股份有限公司 | 一种电抗器故障诊断方法、装置、计算机设备及存储介质 |
CN114089224B (zh) * | 2021-11-16 | 2023-09-12 | 国网湖南省电力有限公司 | 一种利用声音检测判断变压器铁芯松动的方法及系统 |
CN115240691B (zh) * | 2022-09-23 | 2022-12-06 | 山西振中电力股份有限公司 | 一种基于数据分析的变电站设备运行状态监测控制系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102778632A (zh) * | 2012-07-04 | 2012-11-14 | 上海交通大学 | 对变压器绕组故障类型直接预报和识别的双规识别法 |
CN102914362A (zh) * | 2012-10-12 | 2013-02-06 | 宁夏电力公司电力科学研究院 | 变压器绕组及铁芯振动信号的分离方法 |
CN103513138A (zh) * | 2013-10-15 | 2014-01-15 | 国家电网公司 | 一种基于振动特征的变压器绕组与铁芯故障诊断方法 |
CN104678223A (zh) * | 2015-03-06 | 2015-06-03 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组故障智能识别方法 |
-
2015
- 2015-06-10 CN CN201510315657.1A patent/CN104964738B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102778632A (zh) * | 2012-07-04 | 2012-11-14 | 上海交通大学 | 对变压器绕组故障类型直接预报和识别的双规识别法 |
CN102914362A (zh) * | 2012-10-12 | 2013-02-06 | 宁夏电力公司电力科学研究院 | 变压器绕组及铁芯振动信号的分离方法 |
CN103513138A (zh) * | 2013-10-15 | 2014-01-15 | 国家电网公司 | 一种基于振动特征的变压器绕组与铁芯故障诊断方法 |
CN104678223A (zh) * | 2015-03-06 | 2015-06-03 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组故障智能识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104964738A (zh) | 2015-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104964738B (zh) | 一种基于噪声分离的电力变压器噪声评估方法 | |
CN105548832B (zh) | 高压电力电缆故障识别方法 | |
CN110490071A (zh) | 一种基于mfcc的变电站声信号特征提取方法 | |
CN107748314A (zh) | 基于声波震荡检测的变压器故障分析系统 | |
CN106546892A (zh) | 基于深度学习的局部放电超声音频识别方法及系统 | |
CN111044814B (zh) | 一种对变压器直流偏磁异常进行辨识的方法及系统 | |
CN112857767B (zh) | 基于卷积神经网络的水轮发电机组转子故障声学判别方法 | |
Ardila-Rey et al. | Separation techniques of partial discharges and electrical noise sources: A review of recent progress | |
CN112557894A (zh) | 一种断路器故障诊断方法 | |
CN110632484A (zh) | 一种基于elm的gis局部放电缺陷诊断分类系统及方法 | |
CN102982351A (zh) | 基于bp神经网络的瓷绝缘子振动声学检测数据分类方法 | |
CN110488675A (zh) | 一种基于动态规整算法的变电站声信号特征提取方法 | |
Chan et al. | Automatic blind equalization and thresholding for partial discharge measurement in power transformer | |
CN116778956A (zh) | 一种变压器声学特征提取及故障识别方法 | |
CN115438685A (zh) | 一种基于神经网络的变压器故障声音特征识别方法 | |
Geng et al. | Mechanical fault diagnosis of power transformer by GFCC time-frequency map of acoustic signal and convolutional neural network | |
Mitiche et al. | Deep residual neural network for EMI event classification using bispectrum representations | |
CN111933186B (zh) | 用于对有载分接开关进行故障识别的方法、装置及系统 | |
Dang et al. | Fault diagnosis of power transformer by acoustic signals with deep learning | |
Secic et al. | Using deep neural networks for on-load tap changer audio-based diagnostics | |
CN115410599A (zh) | 一种基于声纹感知的变压器运行状态识别的方法及系统 | |
CN116884432A (zh) | 基于vmd-js散度的电力变压器故障声纹诊断方法 | |
Tuntisak et al. | Harmonic detection in distribution systems using wavelet transform and support vector machine | |
CN111025100A (zh) | 变压器特高频局部放电信号模式识别方法与装置 | |
CN114089224B (zh) | 一种利用声音检测判断变压器铁芯松动的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |