CN110545086A - 一种利用全局优化的变压器振声信号滤波方法和系统 - Google Patents

Abstract

本发明的实施例公开一种利用全局优化的变压器振声信号滤波方法和系统，所述方法包括：步骤1，输入实测的振声信号序列S；步骤2，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

Description

一种利用全局优化的变压器振声信号滤波方法和系统

技术领域

本发明涉及电力领域，尤其涉及一种变压器振声信号的滤波方法和系统。

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

本发明的目的是提供一种利用全局优化的变压器振声信号滤波方法和系统，所提出的方法利用了变压器振声信号和噪声来自不同信源的特性，根据全局优化原理实现背景噪声(包括异常点)的分离和滤除。所提出的方法具有较好的鲁棒性，计算也较为简单。

为实现上述目的，本发明提供了如下方案：

一种利用全局优化的变压器振声信号滤波方法，包括：

步骤1，输入实测的振声信号序列S；

步骤2，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

一种利用全局优化的变压器振声信号滤波系统，包括：

获取模块，输入实测的振声信号序列S；

滤波模块，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

虽然变压器振声检测方法在变压器运行状态监测中有着广泛的应用，且技术相对成熟，但是由于振声检测方法利用了变压器发出的振动信号，很容易受到环境噪声的影响，所以此方法在实际工作环境中应用时常常得不到令人满意的结果。

本发明的目的是提供一种利用全局优化的变压器振声信号滤波方法和系统，所提出的方法利用了变压器振声信号和噪声来自不同信源的特性，根据全局优化原理实现背景噪声(包括异常点)的分离和滤除。所提出的方法具有较好的鲁棒性，计算也较为简单。

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，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，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他的附图。

图1为本发明的方法流程示意图；

图2为本发明的系统结构示意图；

图3为本发明具体实施案例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1一种利用全局优化的变压器振声信号滤波方法的流程示意图

图1为本发明一种利用全局优化的变压器振声信号滤波方法的流程示意图。如图1所示，所述的一种利用全局优化的变压器振声信号滤波方法具体包括以下步骤：

步骤1，输入实测的振声信号序列S；

步骤2，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

所述步骤2之前，所述方法还包括：

步骤3，求取所述全局优化矢量f、梯度稀疏矢量υ、梯度因子α₀、惩罚因子α₁、惩罚函数ξ(υ)和拉普拉斯因子μ。

所述步骤3包括：

步骤301，求取所述全局优化矢量f，具体为：

f＝[s₂-s₁,s₃-s₂,…,s_N-s_N-1，s₁-s_N]

其中：

s_n:信号序列S中的第n个元素

步骤302，求取所述梯度稀疏矢量υ，具体为：

υ＝[Υ[s₂-s₁],Υ[s₃-s₂],…,Υ[s_N-s_N-1]，Υ[s₁-s_N]]

其中：

θ_n＝s_n-0.142σ_S:自适应阈值.n＝2,…,N

θ₁＝s₁-0.142σ_S:自适应阈值

σ_S:所述信号序列S的均方差

步骤303，求取所述梯度因子α₀，具体为：

其中：

s_n＝[s₁,s₂,…,s_n]：梯度母函数，n＝1,2,…,N

梯度矢量

第n点的最大梯度,n＝2,3,…,N

第n点的最小梯度,n＝2,3,…,N

第一点的最大梯度

第一点的最小梯度

步骤304，求取所述惩罚因子α₁，具体为：

步骤305，求取惩罚函数ξ(υ)，具体为：

步骤306，求取所述拉普拉斯因子μ，具体为：

μ＝|l[υ]|。

其中

l[υ]：υ的拉氏变换

图2一种利用全局优化的变压器振声信号滤波系统的结构意图

图2为本发明一种利用全局优化的变压器振声信号滤波系统的结构示意图。如图2所示，所述一种利用全局优化的变压器振声信号滤波系统包括以下结构：

获取模块401，输入实测的振声信号序列S；

滤波模块402，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

所述的系统，还包括：

计算模块403，求取所述全局优化矢量f、梯度稀疏矢量υ、梯度因子α₀、惩罚因子α₁、惩罚函数ξ(υ)和拉普拉斯因子μ。

所述计算模块403，包括下列单元，具体为：

第一计算单元4031，求取所述全局优化矢量f，具体为：

f＝[s₂-s₁,s₃-s₂,…,s_N-s_N-1，s₁-s_N]

其中：

s_n:信号序列S中的第n个元素

第二计算单元4032，求取所述梯度稀疏矢量υ，具体为：

υ＝[Υ[s₂-s₁],Υ[s₃-s₂],…,Υ[s_N-s_N-1]，Υ[s₁-s_N]]

其中：

θ_n＝s_n-0.142σ_S:自适应阈值.n＝2,…,N

θ₁＝s₁-0.142σ_S:自适应阈值

σ_S:所述信号序列S的均方差

第三计算单元4033，求取所述梯度因子α₀，具体为：

其中：

s_n＝[s₁,s₂,…,s_n]：梯度母函数，n＝1,2,…,N

梯度矢量

第n点的最大梯度,n＝2,3,…,N

第n点的最小梯度,n＝2,3,…,N

第一点的最大梯度

第一点的最小梯度

第四计算单元4034，求取所述惩罚因子α₁，具体为：

第五计算单元4035，求取所述惩罚函数ξ(υ)，具体为：

第六计算单元4036，求取所述拉普拉斯因子μ，具体为：

μ＝|l[υ]|

其中

l[υ]：υ的拉氏变换

下面提供一个具体实施案例，进一步说明本发明的方案

图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：

1.输入实测的振声信号序列

S＝[s₁,s₂,…,s_N-1,s_N]

其中：

S：实测的PLC信号数据序列，长度为N

s_i,i＝1,2,…,N:序号为i的实测PLC信号

2.求取全局优化矢量

f＝[s₂-s₁,s₃-s₂,…,s_N-s_N-1，s₁-s_N]

其中：

s_n:信号序列S中的第n个元素

3.求取梯度稀疏矢量

υ＝[Υ[s₂-s₁],Υ[s₃-s₂],…,Υ[s_N-s_N-1]，Υ[s₁-s_N]]

其中：

θ_n＝s_n-0.142σ_S:自适应阈值.n＝2,…,N

θ₁＝s₁-0.142σ_S:自适应阈值

σ_S:所述信号序列S的均方差

4.求取梯度因子

其中：

s_n＝[s₁,s₂,…,s_n]：梯度母函数，n＝1,2,…,N

梯度矢量

第n点的最大梯度,n＝2,3,…,N

第n点的最小梯度,n＝2,3,…,N

第一点的最大梯度

第一点的最小梯度

5.求取惩罚因子

6.求取惩罚函数

7.求取拉普拉斯因子

μ＝|l[υ]|

其中

l[υ]：υ的拉氏变换

8.滤波

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种利用全局优化的变压器振声信号滤波方法，其特征在于，包括：

步骤1，输入实测的振声信号序列S；

步骤2，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

2.根据权利要求1所述的方法，其特征在于，所述步骤2之前，所述方法还包括：

步骤3，求取所述全局优化矢量f、梯度稀疏矢量υ、梯度因子α₀、惩罚因子α₁、惩罚函数ξ(υ)和拉普拉斯因子μ。

3.根据权利要求2所述的方法，其特征在于，所述步骤3包括：

步骤301，求取所述全局优化矢量f，具体为：

f＝[s₂-s₁,s₃-s₂,…,s_N-s_N-1，s₁-s_N]

其中：

s_n:信号序列S中的第n个元素

步骤302，求取所述梯度稀疏矢量υ，具体为：

υ＝[Υ[s₂-s₁],Υ[s₃-s₂],…,Υ[s_N-s_N-1]，Υ[s₁-s_N]]

其中：

θ_n＝s_n-0.142σ_S:自适应阈值.n＝2,…,N

θ₁＝s₁-0.142σ_S:自适应阈值

σ_S:所述信号序列S的均方差

步骤303，求取所述梯度因子α₀，具体为：

其中：

s_n＝[s₁,s₂,…,s_n]：梯度母函数，n＝1,2,…,N

梯度矢量

第n点的最大梯度,n＝2,3,…,N

第n点的最小梯度,n＝2,3,…,N

第一点的最大梯度

第一点的最小梯度

步骤304，求取所述惩罚因子α₁，具体为：

步骤305，求取所述惩罚函数ξ(υ)，具体为：

步骤306，求取所述拉普拉斯因子μ，具体为：

μ＝|l[υ]|。

其中

l[υ]：υ的拉氏变换。

4.一种利用全局优化的变压器振声信号滤波系统，其特征在于，包括：

获取模块，输入实测的振声信号序列S；

滤波模块，根据全局优化原理对所述信号序列S进行滤除噪声处理，滤除噪声后的信号序列为S_NEW；具体为，其中，f为全局优化矢量；υ为梯度稀疏矢量；α₀为梯度因子；α₁为惩罚因子；ξ(υ)为惩罚函数；μ为拉普拉斯因子。

5.根据权利要求4所述的系统，其特征在于，还包括：

计算模块，求取所述全局优化矢量f、梯度稀疏矢量υ、梯度因子α₀、惩罚因子α₁、惩罚函数ξ(υ)和拉普拉斯因子μ。