CN110703145A - 一种利用多优化理论的变压器振声信号重构方法和系统 - Google Patents
一种利用多优化理论的变压器振声信号重构方法和系统 Download PDFInfo
- Publication number
- CN110703145A CN110703145A CN201910895373.2A CN201910895373A CN110703145A CN 110703145 A CN110703145 A CN 110703145A CN 201910895373 A CN201910895373 A CN 201910895373A CN 110703145 A CN110703145 A CN 110703145A
- Authority
- CN
- China
- Prior art keywords
- opt
- matrix
- signal sequence
- transformer
- sound signal
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明的实施例公开一种利用多优化理论的变压器振声信号重构方法和系统,所述方法包括:步骤1,输入实测的振声信号序列S;步骤2,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS‑I]‑1(S‑uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为修正矩阵。
Description
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重构方法和系统。
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,很容易受到工作环境的影响,造成信号传输的中断和信号质量的严重下降,使得接收到的部分振声信号无法使用,因此如何有效地重构变压器振声信号,是此方法能否成功应用的重要制约因素。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多优化理论的变压器振声信号重构方法和系统,所提出的方法利用了变压器振声信号的连续性,根据多优化理论重构信号。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:
一种利用多优化理论的变压器振声信号重构方法,包括:
步骤1,输入实测的变压器振声信号序列S;
步骤2,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为系统矩阵。
一种利用多优化理论的变压器振声信号重构系统,包括:
获取模块,输入实测的变压器振声信号序列S;
重构模块,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为系统矩阵。
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:
虽然变压器振声信号检测技术有着广泛的应用,且技术相对成熟,但由于振声检测方法利用了变压器发出的震动信号,很容易受到工作环境的影响,造成信号传输的中断和信号质量的严重下降,使得接收到的部分振声信号无法使用,因此如何有效地重构变压器振声信号,是此方法能否成功应用的重要制约因素。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。
本发明的目的是提供一种利用多优化理论的变压器振声信号重构方法和系统,所提出的方法利用了变压器振声信号的连续性,根据多优化理论重构信号。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1一种利用多优化理论的变压器振声信号重构方法的流程示意图
图1为本发明一种利用多优化理论的变压器振声信号重构方法的流程示意图。如图1所示,所述的一种利用多优化理论的变压器振声信号重构方法具体包括以下步骤:
步骤1,输入实测的变压器振声信号序列S;
步骤2,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为系统矩阵。
所述步骤2之前,所述方法还包括:
步骤3,求取所述最佳预测矢量BOPT、最佳修正矢量uOPT和系统矩阵L。
所述步骤3包括:
步骤301,求取循环延迟矩阵DC,具体为:
其中:
sn:所述信号序列S的第n个元素[n=1,2,…,N]
N:所述信号序列S的长度
步骤302,求取所述循环延迟矩阵DC的奇异值分解,具体为:
DC=UΣV
其中:
U:所述循环延迟矩阵DC的左特征矢量矩阵
Σ:所述循环延迟矩阵DC的特征值矩阵
V:所述循环延迟矩阵DC的右特征矢量矩阵
步骤303,求取所述系统矩阵L,具体为:
L=[STS][D+I]-1
其中:
[D+I]-1:所述矩阵[D+I]的逆矩阵
步骤304,求取所述最佳预测矢量BOPT和最佳修正矢量uOPT,具体为:
第一步:迭代初始化,具体为:
B1=S:所述最佳预测矢量的初始化值
u1=UΨVS:所述最佳修正矢量的初始化值
k=1:迭代控制参数
其中
所述系统特征值矩阵中的第i个特征值
所述循环延迟矩阵DC的第iL个特征值
NΨ:所述系统特征值矩阵Ψ中非零特征值的个数
σS:所述信号序列S的均方差
第二步:迭代更新,具体为:
其中:
d:用于求取最小值的第一中间参量
c:用于求取最小值的第二中间参量
v:用于求取最小值的第三中间参量
第三步:迭代终止,具体为迭代控制参数k加1,重复执行第二步,直至相邻两次迭代结果的差值小于0.001为止,此时k=K,BOPT=BK+1,uOPT=uK+1。
图2一种利用多优化理论的变压器振声信号重构系统的结构意图
图2为本发明一种利用多优化理论的变压器振声信号重构系统的结构示意图。如图2所示,所述一种利用多优化理论的变压器振声信号重构系统包括以下结构:
获取模块401,输入实测的变压器振声信号序列S;
滤波模块402,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为修正矩阵。
所述的系统,还包括:
计算模块403,求取所述最佳预测矢量BOPT、最佳修正矢量uOPT和系统矩阵L。
所述计算模块403,还包括下列单元,具体为:
第一计算单元4031,求取循环延迟矩阵DC,具体为:
其中:
sn:所述信号序列S的第n个元素[n=1,2,…,N]
N:所述信号序列S的长度
第二计算单元4032,所述循环延迟矩阵DC的奇异值分解,具体为:
DC=UΣV
其中:
U:所述循环延迟矩阵DC的左特征矢量矩阵
Σ:所述循环延迟矩阵DC的特征值矩阵
V:所述循环延迟矩阵DC的右特征矢量矩阵第三计算单元4033,求取所述系统矩阵L,具体为:
L=[STS][D+I]-1
其中:
[D+I]-1:所述矩阵[D+I]的逆矩阵迭代单元4034,求取所述最佳预测矢量BOPT和最佳修正矢量uOPT,具体为:
第一步:迭代初始化,具体为:
B1=S:所述最佳预测矢量的初始化值
u1=UΨVS:所述最佳修正矢量的初始化值
k=1:迭代控制参数
其中
所述系统特征值矩阵中的第i个特征值
所述循环延迟矩阵DC的第iL个特征值
NΨ:所述系统特征值矩阵Ψ中非零特征值的个数
σS:所述信号序列S的均方差
第二步:迭代更新,具体为:
其中:
d:用于求取最小值的第一中间参量
c:用于求取最小值的第二中间参量
v:用于求取最小值的第三中间参量
第三步:迭代终止,具体为迭代控制参数k加1,重复执行第二步,直至相邻两次迭代结果的差值小于0.001为止,此时k=K,BOPT=BK+1,uOPT=uK+1。
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PLC信号序列
S=[s1,s2,…,sN-1,sN]
其中:
S:实测的PLC信号数据序列,长度为N
si,i=1,2,…,N:序号为i的实测PLC信号
2.求取循环延迟矩阵
其中:
sn:所述信号序列S的第n个元素[n=1,2,…,N]
N:所述信号序列S的长度
3.循环延迟矩阵的奇异值分解
DC=UΣV
其中:
U:所述循环延迟矩阵DC的左特征矢量矩阵
Σ:所述循环延迟矩阵DC的特征值矩阵
V:所述循环延迟矩阵DC的右特征矢量矩阵4.求取系统矩阵
L=[STS][D+I]-1
其中:
[D+I]-1:所述矩阵[D+I]的逆矩阵5.求取最佳预测矢量和最佳修正矢量
第一步:迭代初始化,具体为:
B1=S:所述最佳预测矢量的初始化值
u1=UΨVS:所述最佳修正矢量的初始化值
k=1:迭代控制参数
其中
系统特征值矩阵[i=1,2,…,NΨ]
所述系统特征值矩阵中的第i个特征值
NΨ:所述系统特征值矩阵Ψ中非零特征值的个数
σS:所述信号序列S的均方差
第二步:迭代更新,具体为:
其中:
d:用于求取最小值的第一中间参量
c:用于求取最小值的第二中间参量
v:用于求取最小值的第三中间参量
第三步:迭代终止,具体为迭代控制参数k加1,重复执行第二步,直至相邻两次迭代结果的差值小于0.001为止,此时k=K,BOPT=BK+1,uOPT=uK+1。
6.重构
根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为修正矩阵。
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)
1.一种利用多优化理论的变压器振声信号重构方法,其特征在于,包括:
步骤1,输入实测的变压器振声信号序列S;
步骤2,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为系统矩阵。
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,求取所述最佳预测矢量BOPT、最佳修正矢量uOPT和系统矩阵L。
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,求取循环延迟矩阵DC,具体为:
其中:
sn:所述信号序列S的第n个元素[n=1,2,…,N]
N:所述信号序列S的长度
步骤302,求取所述循环延迟矩阵DC的奇异值分解,具体为:
DC=UΣV
其中:
U:所述循环延迟矩阵DC的左特征矢量矩阵
Σ:所述循环延迟矩阵DC的特征值矩阵
V:所述循环延迟矩阵DC的右特征矢量矩阵
步骤303,求取所述系统矩阵L,具体为:
L=[STS][D+I]-1
其中:
[D+I]-1:所述矩阵[D+I]的逆矩阵
步骤304,求取所述最佳预测矢量BOPT和最佳修正矢量uOPT,具体为:
第一步:迭代初始化,具体为:
B1=S:所述最佳预测矢量的初始化值
u1=UΨVS:所述最佳修正矢量的初始化值
k=1:迭代控制参数
其中
所述系统特征值矩阵中的第i个特征值
NΨ:所述系统特征值矩阵Ψ中非零特征值的个数
σS:所述信号序列S的均方差
第二步:迭代更新,具体为:
其中:
d:用于求取最小值的第一中间参量
c:用于求取最小值的第二中间参量
v:用于求取最小值的第三中间参量
第三步:迭代终止,具体为
迭代控制参数k加1,重复执行第二步,直至相邻两次迭代结果的差值小于0.001为止,此时k=K,BOPT=BK+1,uOPT=uK+1。
4.一种利用多优化理论的变压器振声信号重构系统,其特征在于,包括:
获取模块,输入实测的变压器振声信号序列S;
滤波模块,根据多优化理论对所述变压器振声信号序列S进行重构,重构后的信号序列为SNEW;具体为,SNEW=LBOPT+[STS-I]-1(S-uOPT);其中,BOPT为最佳预测矢量;uOPT为最佳修正矢量;L为修正矩阵。
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,求取所述最佳预测矢量BOPT、最佳修正矢量uOPT和系统矩阵L。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910895373.2A CN110703145B (zh) | 2019-09-20 | 2019-09-20 | 一种利用多优化理论的变压器振声信号重构方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910895373.2A CN110703145B (zh) | 2019-09-20 | 2019-09-20 | 一种利用多优化理论的变压器振声信号重构方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110703145A true CN110703145A (zh) | 2020-01-17 |
CN110703145B CN110703145B (zh) | 2021-09-21 |
Family
ID=69195823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910895373.2A Active CN110703145B (zh) | 2019-09-20 | 2019-09-20 | 一种利用多优化理论的变压器振声信号重构方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703145B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179479A (zh) * | 2020-11-06 | 2021-01-05 | 华北电力大学 | 一种利用成形因子的功率信号重构方法和系统 |
CN117805555A (zh) * | 2024-02-28 | 2024-04-02 | 昆明理工大学 | 双向推演的四端柔性直流输电线路故障测距方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6310864B1 (en) * | 1997-06-19 | 2001-10-30 | Paradyne Corporation | Voice echo cancellation for SVD modems |
CN105044453A (zh) * | 2015-08-11 | 2015-11-11 | 杨世永 | 一种适用于复杂噪声背景的谐波信号频率估计方法 |
CN108133487A (zh) * | 2017-12-04 | 2018-06-08 | 王连圭 | 视频跨区域单人体姿态目标检测提取方法 |
CN108957387A (zh) * | 2018-05-21 | 2018-12-07 | 西安电子科技大学 | 一种卫星信号二维到达角估计方法及系统 |
CN109871758A (zh) * | 2019-01-14 | 2019-06-11 | 南京航空航天大学 | 基于多尺度形态学优化的故障信号svd降噪方法 |
-
2019
- 2019-09-20 CN CN201910895373.2A patent/CN110703145B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6310864B1 (en) * | 1997-06-19 | 2001-10-30 | Paradyne Corporation | Voice echo cancellation for SVD modems |
CN105044453A (zh) * | 2015-08-11 | 2015-11-11 | 杨世永 | 一种适用于复杂噪声背景的谐波信号频率估计方法 |
CN108133487A (zh) * | 2017-12-04 | 2018-06-08 | 王连圭 | 视频跨区域单人体姿态目标检测提取方法 |
CN108957387A (zh) * | 2018-05-21 | 2018-12-07 | 西安电子科技大学 | 一种卫星信号二维到达角估计方法及系统 |
CN109871758A (zh) * | 2019-01-14 | 2019-06-11 | 南京航空航天大学 | 基于多尺度形态学优化的故障信号svd降噪方法 |
Non-Patent Citations (1)
Title |
---|
郭俊锋等: ""基于最优型确定性测量矩阵的振动信号数据压缩采集方法"", 《振动与冲击》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179479A (zh) * | 2020-11-06 | 2021-01-05 | 华北电力大学 | 一种利用成形因子的功率信号重构方法和系统 |
CN117805555A (zh) * | 2024-02-28 | 2024-04-02 | 昆明理工大学 | 双向推演的四端柔性直流输电线路故障测距方法及系统 |
CN117805555B (zh) * | 2024-02-28 | 2024-05-03 | 昆明理工大学 | 双向推演的四端柔性直流输电线路故障测距方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110703145B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110703145B (zh) | 一种利用多优化理论的变压器振声信号重构方法和系统 | |
CN111664934A (zh) | 一种利用特征选择的变压器状态振声检测信号滤波方法和系统 | |
CN110703149A (zh) | 一种利用字符间距的变压器运行状态振声检测方法和系统 | |
CN110545086A (zh) | 一种利用全局优化的变压器振声信号滤波方法和系统 | |
CN111665405A (zh) | 一种利用稀疏度最小化的振声检测信号滤波方法和系统 | |
CN111664933A (zh) | 一种利用静态矢量优化的振声检测信号滤波方法和系统 | |
CN110646691B (zh) | 一种利用拉伸变换的变压器振声信号滤波方法和系统 | |
CN110017894B (zh) | 变压器运行状态振声检测中随机噪声的滤除方法和装置 | |
CN110286287B (zh) | 一种基于小波变换的变压器运行状态振声检测信号滤波方法和系统 | |
CN111751098A (zh) | 一种利用高斯预测模型的振声检测信号重构方法和系统 | |
CN111141384A (zh) | 一种利用Frechet正则化的变压器状态振声检测信号重构方法和系统 | |
CN111473861A (zh) | 一种利用稀疏误差的变压器状态振声检测信号重构方法和系统 | |
CN110514295B (zh) | 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统 | |
CN110837013A (zh) | 一种利用稀疏字典表示的变压器状态振声检测信号重构方法和系统 | |
CN110286289B (zh) | 一种变压器振声检测信号滤波方法 | |
CN112304419A (zh) | 一种利用泛化稀疏编码的振声检测信号重构方法和系统 | |
CN110703148A (zh) | 一种利用海斯矩阵的变压器振声信号重构方法和系统 | |
CN111879403A (zh) | 一种利用弱信号保持的振声检测信号重构方法和系统 | |
CN111649819A (zh) | 一种利用迭代软阈值的变压器状态振声检测信号滤波方法和系统 | |
CN110657881B (zh) | 一种利用稀疏反演的变压器振声信号滤波方法和系统 | |
CN112345226B (zh) | 一种利用块协调最小化的振声检测信号重构方法和系统 | |
CN112284520B (zh) | 一种利用最佳秩逼近的振声检测信号重构方法和系统 | |
CN112198463A (zh) | 一种利用全局最小变化的振声检测信号重构方法和系统 | |
CN110545088A (zh) | 一种利用对偶变量的变压器振声信号滤波方法和系统 | |
CN112417994B (zh) | 一种利用正则化因子的振声检测信号滤波方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |