CN110031089B - 一种变压器运行状态振声检测信号的滤波方法和装置 - Google Patents

Abstract

本发明的实施例公开一种变压器运行状态振声检测信号的滤波方法和装置，所述方法包括：步骤1，输入一实测的振声信号序列S；步骤2，对所述振声信号序列S进行滤除噪声处理，生成滤除噪声后的数据序列S_new；具体为：

其中，D_t为投影矩阵；

为矩阵D_t的转置。

Description

一种变压器运行状态振声检测信号的滤波方法和装置

技术领域

本发明涉及检测领域，尤其涉及一种变压器运行状态振声检测信号的滤波方法和装置。

背景技术

随着智能电网的高速发展，电力设备安全稳定运行显得尤其重要。目前，对超高压及以上电压等级的电力设备开展运行状态检测，尤其是对异常状态的检测显得愈加重要和迫切。电力变压器作为电力系统的重要组成部分，是变电站中最重要的电气设备之一，其可靠运行关系到电网的安全。一般而言，变压器的异常状态可分为铁芯异常与绕组异常。铁芯异常主要表现为铁芯饱和，绕组异常通常包括绕组变形、绕组松动等。

变压器异常状态检测的基本原理是提取变压器运行中的各特征量，分析、辨识并跟踪特征量以此监测变压器的异常运行状态。检测方法按照接触程度可分为侵入式检测和非侵入式检测；按照是否需停机检测可分为带电检测和停电检测；按照检测量类型可以分为电气量法和非电气量法等。相比而言，非侵入式检测可移植性强，安装更方便；带电检测不影响变压器运行；非电气量法与电力系统无电气连接，更为安全。当前变压器运行状态的常用检测方法中，包括检测局部放电的脉冲电流法和超声波检测法、检测绕组变形的频率响应法以及检测机械及电气故障的振动检测法等。这些检测方法主要检测变压器绝缘状况及机械结构状况，其中以变压器振动信号(振声)的检测最为全面，对于大部分变压器故障及异常状态均能有所反应。

变压器在运行过程中，铁芯硅钢片的磁致伸缩与绕组电动力引起的振动会向四周辐射不同幅值和频率的振声信号。变压器正常运行时对外发出的是均匀的低频噪声；如果发出不均匀声音，则属不正常现象。变压器在不同运行状态下会发出有区别性的声音，可通过对其发出声音的检测，掌握变压器的运行状况。值得关注的是，对变压器不同运行状态下发出声音的检测不仅可以检测很多种引起电气量变化的严重故障，还可以检测许多并未危及绝缘的没有引起电气量变化的异常状态，比如变压器内外部零部件松动等。

由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。

发明内容

有鉴于此，本发明实施例提供一种变压器运行状态振声检测信号的滤波方法和装置，提高了检测的精准性。

一种变压器运行状态振声检测信号的滤波方法，包括：

步骤1，输入一实测的振声信号序列S；

步骤2，对所述振声信号序列S进行滤除噪声处理，生成滤除噪声后的数据序列S_new；具体为：

其中，D_t为投影矩阵；

为矩阵D_t的转置.

一种变压器运行状态振声检测信号的滤波装置，包括：

获取单元，输入一实测的振声信号序列S；

处理单元，对所述振声信号序列S进行滤除噪声处理，生成滤除噪声后的数据序列S_new；具体为：

其中，D_t为投影矩阵；

为矩阵D_t的转置；

本发明提出一种针对变压器异常状态振声检测方法中噪声滤除放。所提出的方法利用了变压器震动信号与环境噪声之间的机制差异：噪声之间相互独立，而振声信号在细尺度上是线性可预测的。通过线性预测，滤除背景噪声所提出的方法具有较好的鲁棒性，计算非常简单。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明的实施例变压器运行状态振声检测信号的滤波方法的示意图；

图2为本发明的实施例变压器运行状态振声检测信号的滤波装置的连接示意图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

为了描述的方便，描述以上装置是以功能分为各种单元/模块分别描述。当然，在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。

如图1所示，为本发明所述的一种变压器运行状态振声检测信号的滤波方法，包括：

步骤1，输入一实测的振声信号序列S；

步骤2，对所述振声信号序列S进行滤除噪声处理，生成滤除噪声后的数据序列S_new；具体为：

其中，D_t为投影矩阵；

为矩阵D_t的转置。

所述步骤1之前，所述方法还包括：

步骤3，生成投影矩阵D_t。

所述步骤3包括：

步骤31，输入实测的训练用样本数据S＝[S₁,S₂,......,S_N]^T，N为振动信号序列的长度；[*]^T表示矢量*的转置；所述训练用样本数据的选择原则是：振声信号的信噪比大于预定阈值的数据；

步骤32，估计样本数据的分布概率；

所述步骤32包括：

步骤321，确定样本数据的分布范围Ω：Ω＝[S_MIN S_MAX]

最大值S_MAX：

最小值S_MIN：

步骤322，确定区间个数；

区间个数M：M＝[50～80]N，即区间个数是数据个数的50到80倍；

步骤323，根据所述定区间个数，计算样本数据的分布概率。

所述步骤323包括：

将分布范围Ω划分为M个区间，每个区间的分布范围为

统计落入区间Ω_m的训练数据的个数C_m，并计算分布概率F_m：

步骤33，初始化迭代参数，该步骤具体为：

生成第一参数矩阵A₀：A₀＝[a_ij]_K×K＝rand[0 1]，表示第一参数矩阵中的每一个元素a_ij从[0 1]范围内均匀随机抽取；

生成第二参数矩阵B₀：B₀＝[b_ij]_K×K＝rand[0 1]，表示第二参数矩阵中的每一个元素b_ij从[0 1]范围内均匀随机抽取；

生成初始的投影矩阵D₀：D₀＝[d_ij]_N×K＝rand[0 1]，表示初始的投影矩阵中的每一个元素d_ij从[0 1]范围内均匀随机抽取；

表示上取整

步骤34，设置t＝1,开始迭代；

步骤35，根据样本数据的分布概率F_m，从分布范围Ω＝[S_MIN S_MAX]中随机抽取N次，所抽取的数据组成随机序列

步骤36，计算修正系数α_t:

其中

α_t为第t步迭代得到的修正系数矢量，为一K维矢量

S_t为第t步迭代得到的随机抽取的样本序列

为*的L₂模的平方

||*||₁为*的L₁模

λ为小于1的任意正数

步骤37，根据所述修正系数，更新迭代参数；

其中：

表示α_t的转置

步骤38，根据所述迭代参数，更新投影矩阵；

其中

tr(*):矩阵*的迹

矩阵D_t-1的转置

步骤39，根据所述投影矩阵，判断迭代是否结束；具体为

如果

则迭代结束，进入滤波步骤：

如果

则t＝t+1，返回重新迭代。

以下描述本发明的应用场景。所述方法包括：

1.输入训练用数据

输入实测的振声信号序列S＝[S₁,S₂,......,S_N]^T,N为振动信号序列的长度；

[*]^T:矢量*的转置此序列经过专家挑选，选择的原则是：振声信号采集条件较好，信噪比较高的数据，用于训练。

S＝[S₁,S₂,......,S_N]^T称为样本数据

2.估计样本数据的分布概率

(1)确定样本数据的分布范围

最大值S_MAX：

最小值S_MIN：

分布范围Ω：Ω＝[S_MIN S_MAX]

(2)确定区间个数

区间个数M：M＝[50～80]N，即区间个数是数据个数的50到80倍

(3)计算样本数据的分布概率

将分布范围Ω划分为M个区间，每个区间的分布范围为

统计落入区间Ω_m的训练数据个数C_m，并计算分布概率F_m：

3.初始化迭代参数

(1)参数矩阵A₀：A₀＝[a_ij]_K×K＝rand[0 1]：参数矩阵中的每一个元素a_ij从

[0 1]范围内均匀随机抽取

(2)参数矩阵B₀：B₀＝[b_ij]_K×K＝rand[0 1]：参数矩阵中的每一个元素b_ij从

[0 1]范围内均匀随机抽取

(3)投影矩阵D₀：D₀＝[d_ij]_N×K＝rand[0 1]：投影矩阵中的每一个元素d_ij从

[0 1]范围内均匀随机抽取

(4)

表示上取整

4.t＝1,开始迭代

5.样本抽取

根据样本数据的分布概率F_m，从分布范围Ω＝[S_MIN S_MAX]中随机抽取N次，

所抽取的数据组成随机序列

6.计算修正系数

修正系数α_t:

其中

α_t为第t步迭代得到的修正系数矢量，为一K维矢量

S_t为第t步迭代得到的随机抽取的样本序列

为*的L₂模的平方

||*||₁为*的L₁模

λ为小于1的正数，任意选取

7.更新迭代参数

其中：

表示α_t的转置

8.更新投影矩阵

其中，tr(*)为矩阵*的迹；

为矩阵D_t-1的转置

9.迭代结束

如果

则迭代结束，进入滤波步骤：

如果

则t＝t+1，返回重新迭代。

10.滤除噪声

输入任一实测的振声信号序列S，滤除了噪声之后的数据序列S_new：

如图2所示，为本发明所述的一种变压器运行状态振声检测信号的滤波装置，包括：

获取单元21，输入一实测的振声信号序列S；

处理单元22，对所述振声信号序列S进行滤除噪声处理，生成滤除噪声后的数据序列S_new；具体为：

其中，D_t为投影矩阵；

为矩阵D_t的转置。

所述的装置，还包括：

生成单元23，生成投影矩阵D_t。

由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。

本发明提出一种崭新的针对变压器异常状态振声检测方法中噪声滤除放。所提出的方法利用了变压器震动信号与环境噪声之间的机制差异：噪声之间相互独立，而振声信号在细尺度上是线性可预测的。通过线性预测，滤除背景噪声所提出的方法具有较好的鲁棒性，计算非常简单。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (1)

1.一种变压器运行状态振声检测信号的滤波方法，其特征在于，包括：

步骤3，生成投影矩阵D_t；所述步骤3进一步包括：

步骤31，输入实测的训练用样本数据S＝[S₁,S₂,......,S_N]^T,N为振动信号序列的长度；[*]^T表示矢量*的转置；所述训练用样本数据的选择原则是：振声信号的信噪比大于预定阈值的数据；

步骤32，估计样本数据的分布概率；所述步骤32包括：

步骤321，确定样本数据的分布范围Ω：Ω＝[S_MIN S_MAX]

最大值S_MAX：

最小值S_MIN：

步骤322，确定区间个数；

区间个数M：M＝[50～80]N，即区间个数是数据个数的50到80倍；

步骤323，根据所述定区间个数，计算样本数据的分布概率；所述步骤323包括：将分布范围Ω划分为M个区间，每个区间的分布范围为

统计落入区间Ω_m的训练数据的个数C_m，并计算分布概率F_m：

步骤33，初始化迭代参数，该步骤具体为：

生成第一参数矩阵A₀：A₀＝[a_ij]_K×K＝rand[0 1]，表示第一参数矩阵中的每一个元素a_ij从[0 1]范围内均匀随机抽取；

生成第二参数矩阵B₀：B₀＝[b_ij]_K×K＝rand[0 1]，表示第二参数矩阵中的每一个元素b_ij从[0 1]范围内均匀随机抽取；

生成初始的投影矩阵D₀：D₀＝[d_ij]_N×K＝rand[0 1]，表示初始的投影矩阵中的每一个元素d_ij从[0 1]范围内均匀随机抽取；

表示上取整

步骤34，设置t＝1,开始迭代；

步骤35，根据样本数据的分布概率F_m，从分布范围Ω＝[S_MIN S_MAX]中随机抽取N次，所抽取的数据组成随机序列

步骤36，计算修正系数α_t:

其中

α_t为第t步迭代得到的修正系数矢量，为一K维矢量

S_t为第t步迭代得到的随机抽取的样本序列

为*的L₂模的平方

||*||₁为*的L₁模

λ为小于1的任意正数

步骤37，根据所述修正系数，更新迭代参数；

其中：

表示α_t的转置

步骤38，根据所述迭代参数，更新投影矩阵；

其中

tr(*):矩阵*的迹

矩阵D_t-1的转置

步骤39，根据所述投影矩阵，判断迭代是否结束；具体为：

如果

则迭代结束，进入滤波步骤：

如果

则t＝t+1，返回重新迭代；

步骤1，输入一实测的振声信号序列S；

步骤2，对所述振声信号序列S进行滤除噪声处理，生成滤除噪声后的数据序列S_new；具体为：

其中，

为矩阵D_t的转置。

Images