CN107036709B - 一种变电站噪声匹配分离方法 - Google Patents

一种变电站噪声匹配分离方法 Download PDF

Info

Publication number
CN107036709B
CN107036709B CN201710232580.0A CN201710232580A CN107036709B CN 107036709 B CN107036709 B CN 107036709B CN 201710232580 A CN201710232580 A CN 201710232580A CN 107036709 B CN107036709 B CN 107036709B
Authority
CN
China
Prior art keywords
noise
kurtosis
signal
residual signals
substation
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
Application number
CN201710232580.0A
Other languages
English (en)
Other versions
CN107036709A (zh
Inventor
戴峥
汪胡根
乔飞
李峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHINA ELECTRIC POWER CONSTRUCTION GROUP EQUIPMENT INSTITUTE CO., LTD.
State Grid Shanghai Electric Power Co Ltd
Original Assignee
China Electric Power Construction Group Equipment Institute Co Ltd
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Electric Power Construction Group Equipment Institute Co Ltd, State Grid Shanghai Electric Power Co Ltd filed Critical China Electric Power Construction Group Equipment Institute Co Ltd
Priority to CN201710232580.0A priority Critical patent/CN107036709B/zh
Publication of CN107036709A publication Critical patent/CN107036709A/zh
Application granted granted Critical
Publication of CN107036709B publication Critical patent/CN107036709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01HMEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02Preprocessing
    • G06F2218/04Denoising
    • G06F2218/06Denoising by applying a scale-space analysis, e.g. using wavelet analysis

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及一种变电站噪声分离方法,包括以下步骤:S1,对噪声的原始信号进行频谱分析,将50Hz及以50Hz为基频的谐振频率按能量由高到低进行排序,获得多个谐振频率,作为变压器本体噪声频率;S2,将原始信号作为初始残差信号,将变压器本体噪声依次从原始信号中分离,得到残差信号;S3,将电晕噪声从步骤S2得到的残差信号中分离;S4,将剩余噪声作为其他噪声,包括风机噪声和背景噪声。与现有技术相比,本发明从变电站不同噪声源产生的噪声的固有特点出发构造匹配函数,有机地兼顾原有噪声源特点,具有很强的实用性,可以有效地分离变压器本体噪声、电晕噪声和其它随机噪声。本发明可为变电站噪声环评、噪声治理和部件评价提供手段和方法。

Description

一种变电站噪声匹配分离方法
技术领域
本发明涉及一种信号处理方法,尤其是涉及一种变电站噪声匹配分离方法。
背景技术
与常规输电相比,超、特高压长距离输电具有输送容量大、送电距离长、线路损耗低、占用土地少等优点。2013年9月,世界首条1000千伏同塔双回特高压交流工程—皖电东送正式投运,这标志着我国特高压输电技术在世界上处于领先水平,在我国和世界上其他地区也有着广泛的应用前景。随着电压等级的提高,噪声干扰问题日渐突出,降低噪声对周边环境的影响,是建设绿色环保型变电站的重要目标之一。
变电站的噪声来自变电站的各种设备和电晕放电,其中设备主要包括本体设备和冷却设备。高压变压器、并联电抗器是本体设备噪声的主要来源,这些部件在电磁场的作用下产生50Hz的周期性噪声以及由于非线性引起的谐频噪声。同时,随着电压等级的提高,空气电离放电引起的电晕噪声也不可忽略,这种噪声一般具有短时脉冲特性,其持续时间短,但是频谱范围较宽,是典型的宽带窄脉冲。在高压变电设备中,为了解决散热问题,常常需要引入冷却设备,如风扇等,这类设备的噪声则具有很强的随机性,可视为白噪声。开展噪声分离技术研究,准确、细致地将这些噪声分离,区分不同噪声源产生的噪声规律和能量等级,是进行噪声预测、治理和部件评价的重要前提。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种变电站噪声分离方法,该方法从变电站不同噪声源产生的噪声的固有特点出发构造匹配函数,有效地分离变压器本体噪声、电晕噪声和其它随机噪声。可为变电站噪声环评、噪声治理提供手段,同时也可为各部件噪声性能提供评价方法。
本发明的目的可以通过以下技术方案来实现:
一种变电站噪声分离方法,包括以下步骤:
S1,对噪声的原始信号sn进行频谱分析,将50Hz及以50Hz为基频的谐振频率按能量由高到低进行排序,获得多个谐振频率,作为变压器本体噪声频率;
S2,将原始信号sn作为初始残差信号,将变压器本体噪声hn依次从原始信号中分离,得到残差信号;
S3,将电晕噪声cn从步骤S2得到的残差信号中分离;
S4,将剩余噪声rn作为其他噪声,包括风机噪声和背景噪声。
所述的步骤S1中,当最后一个谐振频率的能量小于首个谐振频率的能量的20%或已排序谐振频率的个数达到5时,停止排序。
所述的步骤S2包括以下步骤:
S21,将原始信号作为初始残差信号A1,将i初始化为1;
S22,对第i个谐振频率构造具有该频率的不同相位的多个正弦信号,并对各正弦信号归一化;
S23,将步骤S22构造的各正弦信号分别与第i个谐振频率进行内积运算,选择运算结果最大的正弦信号记为S(fij),计算新的残差信号Ai+1,Ai+1=Ai-ri,j·S(fij),其中ri,j为正弦信号S(fij)的幅值;
S24,将i值更新为i+1,返回步骤S22,直到遍历所有排序频率。
所述的步骤S22中,构造的正弦信号长度与原始信号长度相同,正弦信号的初始相位范围为0~360°,相位变化步长为1°。即每个谐振频率构造了360个正弦信号。
所述的步骤S22中,对正弦信号归一化的表达式为:
其中xn为构造的正弦信号,Sn为归一化后的正弦信号。
所述的步骤S3包括以下步骤:
S31,评定电晕持续时间为T,设定峭度阈值为0.2;数据总长度为N,有电晕的数据片段长度为M,M<N;
S32,以T为窗口宽度,步长P为1个数据采样点,以步骤S2得到的残差信号为初始残差信号y1,将i初始化为1,
S33,计算当前残差信号yi中滑移窗口内数据的峭度;
S34,令小于峭度阈值处的峭度为零,将峭度由大到小排序;
S35,在峭度最值处进行db8小波匹配分离电晕噪声,即将db8小波与残差信号内积得到最优小波信号记为Wi,对应内积记为ki
S36,计算新的残差信号yi+1,yi+1=yi-ki·Wi
S37,将i值更新为i+1,返回步骤S33,直到所有的峭度均小于峭度阈值。
所述的峭度计算式为:
其中,峭度为qk,脚标k表示每次计算得到的峭度的序号,zm为滑移窗口内的残差信号,m=1,2,…M,M为滑移窗口内残差信号长度。
所述的电晕持续时间小于5个交流电周期,即100毫秒。
与现有技术相比,本发明具有以下优点:
(1)从变电站不同噪声源产生的噪声的固有特点出发构造匹配函数,有效地分离变压器本体噪声、电晕噪声和其它随机噪声,可为变电站噪声环评、噪声治理提供手段,同时也可为各部件噪声性能提供评价方法。
(2)噪声分离中按能量的高低,先分离能量高的频率成份,后分离能量较低的频率成份和电晕噪声,有利于确定噪声源和噪声水平,分析噪声成因,为噪声治理和变压器改进提供数据依据。
(3)噪声分离中采用正弦内积最大的方法进行寻优,不仅可以确定频率成份,还可确定各频率成份间的相位关系,为分析噪声成因提供更多的信息。
(4)噪声分离中采用db8小波在时域和频域都有表征信号局部特征的能力,能够很好地识别区分电晕信号和其它背景噪声信号,从而提高了识别电晕噪声的能力。
附图说明
图1为本发明的变电站噪声匹配分离方法流程图;
图2为本发明的一个实施例的原始噪声时域波形图;
图3为本发明的一个实施例的原始噪声频谱分析图;
图4为本发明的一个实施例中分离出来的变压器本体噪声;
图5为本发明的一个实施例中分离出来的电晕噪声;
图6为本发明的一个实施例中分离出来的其它噪声。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
如图1所示,一种变电站噪声匹配分离方法,该方法依次分离变压器本体噪声、电晕噪声和其它噪声,分离包括四个步骤为:
步骤一、频谱分析;
步骤二、变压器本体噪声分离;
步骤三、电晕噪声分离;
步骤四、其它噪声分离。
变电站噪声主要包括变压器本体噪声、电晕噪声和其它噪声。其中变压器本体噪声集中于50Hz及以50Hz为基频的谐频成分;电晕噪声为短时脉冲噪声,主要频段为可听声段20Hz~20KHz;其它噪声表现为白噪声,包括风机噪声和背景噪声等。
步骤一的过程为:
对原始信号进行FFT变换,获得噪声频谱特征;
根据噪声频谱特征对50Hz及50Hz为基频的谐振频率,按其能量由高到低进行排序,形成排序频率F=[f1,f2,…,fM](M≤5)。
在该过程中,排序频率个数的确定方法为:对50Hz及50Hz为基频的谐振频率,按其对应能量由高到低进行排序,当对应能量小于最高能量的20%或者已排序频率个数大于5个时,停止排序。
步骤二的过程为:
(1)将原始信号作为初始残差信号;
(2)依次以排序频率为频率构造不同相位的正弦信号,并对该正弦信号归一化;
(3)将(2)中构造的不同相位的正弦信号与残差信号进行内积运算,保留对应内积最大的那组正弦信号。并记正弦信号记为S(fij),其内积记为ki,j
(4)将残差信号减去ri,j·S(fij)作为新的残差信号Ai。即,Ai=Ai-ri,j·S(fij)。
(5)重复以上(2)至(4)步,直至遍历所有的排序频率。
在该过程中,所构造的正弦信号长度与原始信号长度相同;正弦信号的初始相位范围为0~360°,步长为1°。
在该过程中,对正弦信号归一化的表达式为其中xn为构造的正弦信号,Sn为归一化后的正弦信号。
步骤三的过程为:
(1)评定电晕持续时间为T,设定峭度阈值为0.2;
(2)以T为窗口宽度,步长为P=1个采样数据点,以步骤(2)分离后所剩残差信号为对象,计算残差信号中滑移窗口内数据的峭度;
(3)按峭度由大到小进行排序,小于峭度阈值处的峭度设为零。
(4)在峭度最值处进行db8小波匹配分离电晕噪声,即,将db8小波与残差信号内积得到最优小波信号,记为Wi,对应内积记为ki
(5)将残差信号减去ki·Wi作为新的残差信号yi。即,yi=yi-ki·Wi
(6)重复以上(2)至(5)步,直至所有峭度都小于峭度阈值。
在该过程中,峭度计算方法为:
其中,zm为滑移窗口内的残差信号,m=1,2,…M,M为滑移窗口内残差信号长度(M<数据总长度N)。
步骤四的过程为:经过步骤二和步骤三分离后的残差信号即为其它噪声,包括风机噪声和背景噪声等。
本实施例中,被分析的原始噪声时域图如图2所示,被分析的原始噪声频谱图如图3所示。
本实施例中,50Hz及50Hz的谐频按其能量由高到低排列,根据排序频率的选定规则,确定排序频率为[400,300,500,200,100]。
本实施例中,构造以排序频率为频率的正弦信号,与残余信号进行内积,得到在各排序频率的本体噪声相对幅度分别为:r400=1.00;r300=0.60;r500=0.55;r200=0.20;r100=0.10;得到分离的本体噪声,如图4所示。
本实施例中,设定滑窗长度T=0.06S,峭度阈值0.2。计算分离本体噪声后的残余信号的峭度,计算结果显示,在0.03s和0.06s处,峭度取得极大值,分别为0.39和0.45。以db8小波构造电晕噪声函数,在与分离本体噪声后的残余信号进行内积,得到分离的电晕噪声,如图5所示。
本实施例中,图6所示为分离本体噪声和电晕噪声后的其它噪声,这其中可能包括风扇噪声和其它背景噪声。

Claims (4)

1.一种变电站噪声分离方法,其特征在于,包括以下步骤:
S1,对噪声的原始信号进行频谱分析,将50Hz及以50Hz为基频的谐振频率按能量由高到低进行排序,获得多个谐振频率,作为变压器本体噪声频率;
S2,将原始信号作为初始残差信号,将变压器本体噪声依次从原始信号中分离,得到残差信号,所述的步骤S2包括以下步骤:
S21,将原始信号作为初始残差信号A1,将i初始化为1;
S22,对第i个谐振频率构造具有该频率的不同相位的多个正弦信号,并对各正弦信号归一化;
S23,将步骤S22构造的各正弦信号分别与第i个谐振频率进行内积运算,选择运算结果最大的正弦信号记为S(fij),计算新的残差信号Ai+1,Ai+1=Ai-ri,j·S(fij),其中ri,j为正弦信号S(fij)的幅值;
S24,将i值更新为i+1,返回步骤S22,直到遍历所有排序频率;
S3,将电晕噪声从步骤S2得到的残差信号中分离;
S4,将剩余噪声作为其他噪声,包括风机噪声和背景噪声;
所述的步骤S3包括以下步骤:
S31,评定电晕持续时间为T,设定峭度阈值为0.2,所述的电晕持续时间小于100毫秒;
S32,以T为窗口宽度,步长P为1个数据采样点,以步骤S2得到的残差信号为初始残差信号y1,将i初始化为1;
S33,计算当前残差信号yi中滑移窗口内数据的峭度;
S34,令小于峭度阈值处的峭度为零,将峭度由大到小排序;
S35,在峭度最大值处进行db8小波匹配分离电晕噪声,即将db8小波与残差信号内积得到最优小波信号记为Wi,对应内积记为ki
S36,计算新的残差信号yi+1,yi+1=yi-ki·Wi
S37,将i值更新为i+1,返回步骤S33,直到所有的峭度均小于峭度阈值,所述的峭度计算式为:
其中,峭度为qk,脚标k表示每次计算得到的峭度的序号,zm为滑移窗口内的残差信号,m=1,2,…M,M为滑移窗口内残差信号长度。
2.根据权利要求1所述的一种变电站噪声分离方法,其特征在于,所述的步骤S1中,当最后一个谐振频率的能量小于首个谐振频率的能量的20%或已排序谐振频率的个数达到5时,停止排序。
3.根据权利要求1所述的一种变电站噪声分离方法,其特征在于,所述的步骤S22中,构造的正弦信号长度与原始信号长度相同,正弦信号的初始相位范围为0~360°,相位变化步长为1°。
4.根据权利要求1所述的一种变电站噪声分离方法,其特征在于,所述的步骤S22中,对正弦信号归一化的表达式为:
其中xn为构造的正弦信号,Sn为归一化后的正弦信号。
CN201710232580.0A 2017-04-11 2017-04-11 一种变电站噪声匹配分离方法 Active CN107036709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710232580.0A CN107036709B (zh) 2017-04-11 2017-04-11 一种变电站噪声匹配分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710232580.0A CN107036709B (zh) 2017-04-11 2017-04-11 一种变电站噪声匹配分离方法

Publications (2)

Publication Number Publication Date
CN107036709A CN107036709A (zh) 2017-08-11
CN107036709B true CN107036709B (zh) 2019-06-18

Family

ID=59534930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710232580.0A Active CN107036709B (zh) 2017-04-11 2017-04-11 一种变电站噪声匹配分离方法

Country Status (1)

Country Link
CN (1) CN107036709B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831412B (zh) * 2017-10-11 2020-02-21 国网上海市电力公司 电气设备局部放电定位方法及系统、存储介质及终端设备
CN109444519A (zh) * 2018-10-30 2019-03-08 国网上海市电力公司 面向复杂声环境的变电站噪声源分离方法
CN110749374B (zh) * 2019-10-22 2021-09-17 国网湖南省电力有限公司 一种建筑物内变压器结构传声分离方法及装置
CN112116917B (zh) * 2020-09-15 2023-02-07 国网吉林省电力有限公司超高压公司 基于相位跃变度的电抗器本体与风机声信号分离方法
CN112231950B (zh) * 2020-09-28 2023-04-07 重庆通用工业(集团)有限责任公司 一种单级离心鼓风机的噪声仿真预测方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5629864A (en) * 1992-05-22 1997-05-13 Siemens Aktiengesellschaft Testing process for the quality control of electromagnetically actuated switching devices
CN104964738A (zh) * 2015-06-10 2015-10-07 国家电网公司 一种基于噪声分离的电力变压器噪声评估方法
CN105486938A (zh) * 2014-09-19 2016-04-13 国家电网公司 一种变电站混合噪声分离方法
CN104537227B (zh) * 2014-12-18 2017-06-30 中国科学院上海高等研究院 变电站噪声分离方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5629864A (en) * 1992-05-22 1997-05-13 Siemens Aktiengesellschaft Testing process for the quality control of electromagnetically actuated switching devices
CN105486938A (zh) * 2014-09-19 2016-04-13 国家电网公司 一种变电站混合噪声分离方法
CN104537227B (zh) * 2014-12-18 2017-06-30 中国科学院上海高等研究院 变电站噪声分离方法
CN104964738A (zh) * 2015-06-10 2015-10-07 国家电网公司 一种基于噪声分离的电力变压器噪声评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"变压器在线监测与故障诊断系统研究";徐其惠;《中国优秀硕士学位论文全文数据库》;20081231;全文
"特高压交流变电站可听噪声分离方法";吴晓文 等;《高电压技术》;20160831;第42卷(第8期);第2625-2629页
"特高压交流试验基地变电构架区可听噪声源特征频率分析";陈豫朝 等;《高电压技术》;20091231;第35卷(第8期);第1824-1827页
"高压变电站噪声分离算法及其应用";彭任华 等;《高电压技术》;20150531;第41卷(第5期);第1680-1683页

Also Published As

Publication number Publication date
CN107036709A (zh) 2017-08-11

Similar Documents

Publication Publication Date Title
CN107036709B (zh) 一种变电站噪声匹配分离方法
He et al. A real-time power quality disturbances classification using hybrid method based on S-transform and dynamics
CN109633368B (zh) 基于vmd和dfa的含分布式电源配电网电能质量扰动检测方法
Tang et al. Study on mathematical model for VHF partial discharge of typical insulated defects in GIS
CN105486938B (zh) 一种变电站混合噪声分离方法
Yılmaz et al. Automated classification of power quality disturbances in a SOFC&PV-based distributed generator using a hybrid machine learning method with high noise immunity
CN107153155A (zh) 一种电缆局部放电信号特征向量提取方法
Jopri et al. A Critical Review of Time-frequency Distribution Analysis for Detection and Classification of Harmonic Signal in Power Distribution System.
CN108761202B (zh) 极点对称模态分解和希尔伯特变换相结合的谐波检测方法
Joga et al. Harmonic source identification in Microgrid using wavelet time frequency analysis
Naik et al. Analysis of power quality disturbances using wavelet packet transform
Yalcin et al. Feature vector extraction by using empirical mode decomposition for power quality disturbances
Kong et al. A novel disturbance identification method based on empirical mode decomposition for HVDC transmission line protection
Qian et al. Mathematical model of four typical defects for UHF partial discharge in GIS
MoeinDarbari et al. Design of an automated system for detection and classification of power quality disturbances
Lin et al. DFT-based recursive minimizing algorithm for power interharmonics analysis
Liu et al. Underdetermined blind source separation algorithm of 220kV substation noise based on SCA
Pöttker et al. Non-intrusive load monitoring: A multi-agent architecture and results
CN106610480A (zh) 一种多参数特高频传感器性能综合评价方法
Chen et al. New algorithm for EHV transmission line faulted-phase selection based on wavelet transforms and artificial intelligence
Naik et al. Wavelet packet transform based parameter for the analysis of short duration power quality disturbances
Bon et al. Discrete Wavelets transform technique application & probabilistic neural network in recognition of power capacitor switchings
CN112597816B (zh) 一种电能质量信号特征提取方法
Jain et al. Wavelet based power quality monitoring in grid connected wind energy conversion system
Shrivastava et al. Wavelet entropy: Application in islanding detection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20171018

Address after: 200002 Nanjing East Road, Shanghai, No. 181, No.

Applicant after: State Grid Shanghai Municipal Electric Power Company

Applicant after: CHINA ELECTRIC POWER CONSTRUCTION GROUP EQUIPMENT INSTITUTE CO., LTD.

Address before: 200002 room 181, 603 East Nanjing Road, Shanghai, Huangpu District

Applicant before: State Grid Shanghai Municipal Electric Power Company Research Institute of economy and technology

Applicant before: CHINA ELECTRIC POWER CONSTRUCTION GROUP EQUIPMENT INSTITUTE CO., LTD.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant