CN110929217A - 一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置 - Google Patents
一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置 Download PDFInfo
- Publication number
- CN110929217A CN110929217A CN201911115207.2A CN201911115207A CN110929217A CN 110929217 A CN110929217 A CN 110929217A CN 201911115207 A CN201911115207 A CN 201911115207A CN 110929217 A CN110929217 A CN 110929217A
- Authority
- CN
- China
- Prior art keywords
- frequency response
- response curve
- frequency
- points
- dimensional
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/147—Discrete orthonormal transforms, e.g. discrete cosine transform, discrete sine transform, and variations therefrom, e.g. modified discrete cosine transform, integer transforms approximating the discrete cosine transform
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Abstract
本申请涉及电力设备技术领域,具体而言,涉及一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置。通过对含有毛刺干扰的频响曲线进行正向和反向的离散余弦变化,剔除波形中的毛刺干扰,对频响曲线实现了矫正;对含有尖峰干扰的频响曲线,通过粒子群优化算法赋予相位和频率域合适的权重系数,构建非均匀多维变形场模型,通过使用多维非均匀克里金插值算法对存在尖峰的位置进行插值,使得相近频率上的数据对同一相位上数据的不足进行了补充,从频率和相位两个维度对数据进行插值,两个维度的数据相互补充,可以提高频响曲线的矫正精度,实现矫正后的频响曲线来判定变压器绕组的变形程度,避免测试人员重复去现场测试。
Description
技术领域
本申请涉及电力设备技术领域,具体而言,涉及一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置。
背景技术
电力变压器是电力系统中十分重要的设备之一,它的安全运行影响着整个电力系统。随着电网容量越来越大,短路故障造成的变压器损坏现象也越来越多。绕组变形在电力系统中是指电力变压器收到电动力或机械力的作用时,变压器内部绕组发生了不可逆转的现象,比如扭曲、位移、倾斜、匝间短路变形等故障特征。使用扫频仪对变压器绕组进行检测获取绕组变形的频率响应曲线可以对变压器绕组的形变进行分析判定。
在对变压器绕组频响曲线进行分析时,首先应该对数据的有效性进行判别。在一些实现中,频响曲线包括了干扰信号,干扰波形中比较常见的有毛刺、尖峰、整体平移和整体反向四种失真。对于整体平移和整体反向,并不需要进行特别的操作。整体幅度的平移在进行相关性评价时,并不影响数据的评价,曲线仍然具有较好的相关性。整体反向的相关性为负数,而且相关性越大,其绝对值越大,因此仅需要将所有的相关性求绝对值就可以进行评价了。对于毛刺和尖峰干扰信号则需要进行重新测量。
但是,对于已经获取的频响曲线中毛刺和尖峰干扰信号在有效性判别时认定为无效并重新测量。在一些比较偏远的地区,重新测量变压器绕组的频响曲线的代价是非常大的,需要测试人员环再次去现场测量。
发明内容
本申请的目的在于提供一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置,通过对频响曲线中毛刺和尖峰干扰信号的判定,对含有毛刺,尖峰干扰信号的频响曲线进行数据矫正,从而利用矫正后的频响曲线判定变压器绕组的变形程度,避免测试人员重复的去现场测试。
本申请的实施例是这样实现的:
本申请实施例的第一方面提供一种含有毛刺干扰频响曲线的矫正方法,包括以下步骤:
对频响曲线进行DCT计算,得频响曲线的DCT结果F(i);
基于所述频响曲线的DCT结果F(i)计算其特征值,得到频响曲线DCT计算后特征的量化值U(i),将F(i)与U(i)相除取整,得到量化后的数据Q(i);
对所述量化后的数据Q(i)进行逆量化得到逆量化的频响曲线的DCT结果F′(i);
对所述F′(i)进行IDCT计算得到矫正后的频响曲线f(i)。
可选地,对所述F′(i)进行IDCT计算得到矫正后的频响曲线f(i)步骤后还可以包括:
对所述f(i)进行平滑滤波处理得到最终矫正后的频响曲线f(x)。
可选地,所述毛刺干扰频响曲线的判定方法包括以下步骤:
使用扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;
对所述频响曲线进行随机采样,没有被选取的采样点采用均值插值法进行数据补充得到判定频响曲线;
根据预设次数W重复步骤S2,分别计算W条判定频响曲线与出场频率曲线的相关性R,并标定最大值Rmax;
若Rmax小于等于3,则判定现场频响曲线包含有毛刺干扰。
本申请实施例的第二方面提供一种含有尖峰干扰频响曲线的矫正方法,包括以下步骤:
基于含有尖峰干扰频响曲线,构建多维形变场模型;
使用粒子群算法对多维形变场模型的参数进行寻优得到最优解;
基于所述最优解重新构建多维形变场模型;
在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值,得到矫正频响曲线。
可选地,使用粒子群算法对多维形变场模型的参数进行寻优得到最优解包括以下步骤:
随机生成若干粒子,并使用这些粒子初始化多维形变场模型,将粒子的各个维度分别与各个相位坐标和频率坐标相乘;
利用初始化多维形变场模型计算多维非均匀克里金插值中两点间的距离得到每个粒子的适应度函数值,适应度函数的值越小,粒子离最优解越近;
当所有粒子最终聚集到一个适应度函数值最小的位置时,此时该位置对应的点即为寻求出的最优解。
可选地,在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值包括以下步骤:
根据多维形变场模型计算两点之间的非均匀多维距离;
根据多维形变场模型使用多维变差函数计算这两点对应的变差函数值;
将所述非均匀多维距离和所述变差函数值组成一一对应的点对,然后对离散的数据点对进行拟合得到变差函数模型;
计算待插值点和所有已知样本点之间的距离并代入所述变差函数模型得到对应的变差函数值;
所述变差函数模型得到对应的变差函数值代入克里金方程组得到一组权重系数,将所述权重系数和已知样本点的属性值进行加权求和得到待插值点的属性值。
可选地,所述尖峰干扰频响曲线的判定方法包括以下步骤:
使用扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;
基于所述现场频响曲线使用相邻频点的幅值相减计算得到相邻频率点幅值差值Δxi;
本申请实施例的第三方面提供一种含有毛刺、尖峰干扰频响曲线的矫正装置,包括:
第一判定模块,用于接收扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;对所述频响曲线进行随机采样,没有被选取的采样点采用均值插值法进行数据补充得到判定频响曲线;根据预设次数W重复步骤S2,分别计算W条判定频响曲线与出场频率曲线的相关性R,并标定最大值Rmax;若Rmax小于等于3,则判定现场频响曲线包含有毛刺干扰;
第二判定模块,用于接收扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;基于所述现场频响曲线使用相邻频点的幅值相减计算得到相邻频率点幅值差值Δxi;基于所述相邻频率点幅值差值Δxi使用均值算法计算得到相邻频率点幅值差值的平均值根据所述相邻频率点幅值差值的平均值使用迭代算法更新当则标记为尖峰数据,判定为尖峰干扰频响曲线;
第一矫正模块,对所述第一判定模块判定为含有毛刺干扰的频响曲线进行DCT计算,得频响曲线的DCT结果F(i);基于所述频响曲线的DCT结果F(i)计算其特征值,得到频响曲线DCT计算后特征的量化值U(i),将F(i)与U(i)相除取整,得到量化后的数据Q(i);对所述量化后的数据Q(i)进行逆量化得到逆量化的频响曲线的DCT结果F′(i)。对所述F′(i)进行IDCT计算得到矫正后的频响曲线f(i);
第二矫正模块,对所述第二判定模块判定为含有尖峰干扰的频响曲线基于含有尖峰干扰频响曲线,构建多维形变场模型;使用粒子群算法对多维形变场模型的参数进行寻优得到最优解;基于所述最优解重新构建多维形变场模型;在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值,得到矫正频响曲线。
本申请实施例的第四方面提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令中的至少部分指令被处理器执行时,实现如本申请实施例的第一方面提供发明内容中任意一项所述的操作
本申请实施例的有益效果包括:通过对含有毛刺干扰的频响曲线进行正向和反向的离散余弦变化,剔除波形中的毛刺干扰,对频响曲线实现了矫正;对含有尖峰干扰的频响曲线,通过粒子群优化算法赋予相位和频率域合适的权重系数,构建非均匀多维变形场模型,通过使用多维非均匀克里金插值算法对存在尖峰的位置进行插值,使得相近频率上的数据对同一相位上数据的不足进行了补充,从频率和相位两个维度对数据进行插值,两个维度的数据相互补充,可以提高频响曲线的矫正精度,实现矫正后的频响曲线来判定变压器绕组的变形程度,避免测试人员重复去现场测试。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1(a)示出了无毛刺干扰的现场频响曲线;
图1(b)示出了包含毛刺干扰的现场频响曲线;
图2(a)示出了根据本申请的一个实施例对包含毛刺干扰频响曲线进行DCT计算结果的绝对值示意图;
图2(b)示出了根据本申请的一个实施例去掉毛刺后的矫正频响曲线;
图3示出了根据本申请的一个实施例包含尖峰干扰的现场频响曲线;
图4(a)示出了根据本申请的一个实施例LaLb在101-108kHZ频率段各个频率点使用多维非均匀克里金插值算法结果示意图;
图4(b)示出了根据本申请的一个实施例LbLc在501-508kHZ频率段各个频率点使用多维非均匀克里金插值算法结果示意图;
图4(c)示出了根据本申请的一个实施例LcLa在701-708kHZ频率段各个频率点使用多维非均匀克里金插值算法结果示意图;
图5示出了根据本申请的一个实施例LaLb,LbLc,LcLa经插值后的矫正频响曲线;
图6示出了根据本申请的一个实施例含有毛刺干扰频响曲线的矫正方法流程图;
图7示出了根据本申请的一个实施例含有尖峰干扰频响曲线的矫正方法流程图。
具体实施方式
现在将描述某些示例性实施方案,以从整体上理解本文所公开的装置和方法的结构、功能、制造和用途的原理。这些实施方案的一个或多个示例已在附图中示出。本领域的普通技术人员将会理解,在本文中具体描述并示出于附图中的装置和方法为非限制性的示例性实施方案,并且本申请的多个实施方案的范围仅由权利要求书限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征进行组合。这种修改和变型旨在包括在本申请的范围之内。
本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等,意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此,本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外,在一个或多个实施例中,具体特征、结构或特性可以任何合适的方式进行组合。因此,在无限制的情形下,结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。
变压器绕组指的是变压器的电路部分,由电导率较高的铜导线或铝导线绕制而成,应用于电力系统,绕组具有足够的绝缘强度、机械强度和耐热能力。
频率响应法就是用扫描发生器将一组不同频率的正弦电压加到变压器绕组的一端,把所选择的变压器其他端上得到的振幅或相位信号作为频率的函数关系(频响曲线)直接绘制出来。当变压器的结构固定后,变压器的(频响曲线)直接绘制出来。当变压器的结构固定后,变压器的频响曲线是一定的,当变压器绕组变形后,变压器的频响曲线来判断变压器是否发生变形。
绕组变形时,频响特征曲线的变化可以用相关系数来表征。一台新的无损伤的变压器油一个频响特征,当绕组变形后,频响曲线上各点就可能偏离原来的坐标,于是会出现一条新的频响曲线。比较两条频谱曲线的相关性,就可以分析评估绕组的整体变形状况。
实施例1
下面将含有毛刺干扰的频响曲线的判定与矫正进行阐述。
首先,使用扫频仪对变压器进行现场绕组频率响应特性测量,现场测试数据如图1所示。
其次,对所述频响曲线进行随机采样,没有被选取的采样点采用均值插值法进行数据补充得到判定频响曲线。
图中扫频范围为1-1000kHz,从现场测试数据中随机选取500个采样点,没有被选取的采样点,采用均值插值法进行数据补充。
第三,根据预设次数W重复步骤S2,分别计算W条判定频响曲线与出场频率曲线的相关性R,并标定最大值Rmax。
在本实施例中,预设次数取值为10。
将取样和均值插值重复10次,将这10条曲线与源曲线比对相关性,如表1所示。
表1
从表1可以发现,在10次获得数据中,作为对比的没有毛刺的频响曲线始终其相关性R的值大于3,而包含毛刺的频响曲线的相关性R得值始终小于3。
最后,若Rmax小于等于3,则判定现场频响曲线包含有毛刺干扰;如果Rmax>3。则认为数据没有毛刺,上述表1内容也验证了所述方法的正确性。
本申请还提供了一种含有毛刺、尖峰干扰频响曲线的矫正装置,包括第一判定模块,第二判定模块,第一矫正模块和第二矫正模块。所述第一判定模块用于接收扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线,实现上述毛刺干扰的判定过程,此处不再赘述。
图6示出了根据本申请的一个实施例含有毛刺干扰频响曲线的矫正方法流程图。
在步骤S1中,对频响曲线进行DCT(Discrete Cosine Transform:离散余弦变换)计算,得频响曲线的DCT结果F(i)。
由表1内容可知现场测试数据2中含有毛刺数据。在测试期间,周围电动工具的现场作业而造成的毛刺数据,因为电动作业的影响,产生的毛刺具有相同的频率。
因此,只需要对变压器绕组频响数据进行离散余弦变换,计算公式如下。
图2(a)示出了对包含毛刺干扰频响曲线进行DCT计算结果的绝对值示意图。
在步骤S2中,基于所述频响曲线的DCT结果F(i)计算其特征值,得到频响曲线DCT计算后特征的量化值U(i),将F(i)与U(i)相除取整,得到量化后的数据Q(i)。
根据频响曲线的DCT变换后在频率域分布的特征,能最大限度的保留频响曲线的数据信息,剔除误差与噪声信息,设计如下的的量化表:
表2
表2所示基于频响曲线变换后特征的量化表。
将频响曲线的DCT变换结果值与量化表相除取整,得到量化后的数据,其表示如下:
Q(i)=Integer(F(i)/U(i))
在步骤S3中,对所述量化后的数据Q(i)进行逆量化得到逆量化的频响曲线的DCT结果F′(i)。
再将量化后的数据进行一次逆量化,其表示如下:
F′(i)=Q(i)*U(i)
在步骤S4中,对所述F′(i)进行IDCT(Inverse Discrete Cosine Transform:逆离散余弦变换)计算得到矫正后的频响曲线f(i)。
运用F′(i)进行逆离散余弦变换(IDCT),计算公式如下。
结果如图2(b)所示。
在一些实施例中,还包括对上述实施例中最终得到的f(i)进行平滑滤波处理得到最终矫正后的频响曲线f(x)。
若测试回路种存在接触不良的情况,会造成测试数据时而正常时而异常的现象,可对以上调整完成的数据进行一次平滑滤波处理,
其中n可以根据实际情况取值,在本实施例中,n取值为7。
本申请还提供了一种含有毛刺、尖峰干扰频响曲线的矫正装置,包括:第一判定模块,第二判定模块,第一矫正模块和第二矫正模块。所述第一矫正模块对所述第一判定模块判定为含有毛刺干扰的频响曲线进行处理,实现如上述毛刺干扰频响曲线矫正方法的过程,此处不再赘述。
实施例2
下面将对含有尖峰干扰的频响曲线的判定与矫正进行阐述。
首先,使用扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线。在本实施例现场测试数据如图3所示。
其次,基于所述现场频响曲线使用相邻频点的幅值相减计算得到相邻频率点幅值差值Δxi。在本实施例中采用均差值比对法进行分析。
从第2个值到最后一个值,分别计算Δxi,计算公式表示如下:
Δxi=f(xi)-f(xi-1)
本申请还提供了一种含有毛刺、尖峰干扰频响曲线的矫正装置,包括第一判定模块,第二判定模块,第一矫正模块和第二矫正模块。所述第二判定模块用于接收扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线,实现上述尖峰干扰的判定过程,此处不再赘述。
下面将对包含尖峰干扰的频响曲线的矫正进行阐述。
在多维非均匀形变场模型中,计算频响曲线的幅度值的多维距离时,除了考虑相位距离,还要考虑其频率距离,以及时间距离和空间距离的权重。
运用欧氏距离计算空间中坐标为(xi,yi,zi)的点M和坐标为(xj,yj,zj)的点N的距离dij,假设两个时空样本点为(xi,fi)、(xj,fj),则定义非均匀多维距离关系如下:
其中,hpf为两点之间的非均匀多维距离。
通过设置位置权重ai和频率权重bj来衡量不同样本点之间的多维尺度关系。
在多维非均匀空间中,假设空间中有n个不同的位置点,对于每一个位置点,赋予其不同的权重系数ai,其中i=1,2,3。
在频率维度中,假设存在m个不同的时刻点,对每一个时刻点,赋予其不同的权重系数bj,j=1,…,m。
运用系数ai和bj构建出一个二维数组Z来表示一个二维的点,其表示如下:
Zij=(aixi,bjfj)
其中,ai为样本点的相位权重,bj为样本点的频率权重。
权重系数[ai]和[bj]的取值会对多维非均匀形变场模型的效果产生不同的影响。
选取一组最优的[ai]和[bj],就能更好的构造出多维非均匀形变场模型从而用于插值方法。
粒子群算法对于这种多参量的寻优问题,具有较好的效果,下面对粒子群算法寻优进行详细的阐述。使用粒子群算法对多维形变场模型的参数[ai]和[bj]进行寻优,使所述多维形变场模型构造效果最优的参数即为最优解。
首先,随机生成若干粒子,并使用这些粒子初始化多维形变场模型,将粒子的各个维度分别与各个相位坐标和频率坐标相乘。
随机生成若干粒子,若该多维空间形变场包含m个频率变量和3个相位变量,那么每个粒子的维度即为3+m,表示如下:
particle=[a1,a2,a3,b1,b2…,bm]
使用这些粒子初始化多维形变场模型,将粒子的各个维度分别与各个相位坐标和频率坐标相乘。
其次,利用初始化多维形变场模型计算多维非均匀克里金插值中两点间的距离得到每个粒子的适应度函数值,适应度函数的值越小,粒子离最优解越近。
利用初始多维形变场模型计算多维非均匀克里金插值中两点间的距离。由于研究对象包括3个位置点和m个时刻点,将这3×m个点逐一做交叉验证,并将全体插值结果的均方误差MSE作为适应度函数,表示如下:
其中,obs为实测值,pre为插值结果。
计算每个粒子的适应度函数值,适应度函数的值越小,粒子离最优解越近。
然后,当所有粒子最终聚集到一个适应度函数值最小的位置时,此时该位置对应的点即为寻求出的最优解。
各个粒子的位置根据以下公式进行更新:
Vi+1=ω*Vi+c1*rand*(Pib-Posi)+c2*rand*(Pgb-Posi)
Posi+1=Posi+Vi+1
其中,下标i表示算法的迭代次数,Posi表示在第i次迭代中粒子当前的位置,Pib表示粒子的个体最优位置,Pgb表示群体最优位置,Vi表示在第i次迭代中粒子的速度,rand是一个(0,1)范围内的随机数。
当所有粒子最终聚集到一个适应度函数值最小的位置时,此时该位置对应的点即为寻求出的最优解。
将各个相位位置点和频率点分别与得到的3+M维最优解相乘,得到多维非均匀克里金差值算法的多维形变形场模型。
图7示出了根据本申请的一个实施例含有尖峰干扰频响曲线的矫正方法流程图,具体的对含有尖峰干扰的频响曲线矫正进行描述。
在步骤S1中,基于含有尖峰干扰频响曲线,构建多维形变场模型。
将频响曲线的幅值数据S(x,f)看作非均匀多维域中的区域化变量。综合考虑研究对象的多维特性,将频响曲线的幅值数据构建为多维形变场模型,如下式。
mod=(aixi,bjfj),i=1,2,3;j=1,…,m
其中,下标i表示不同的相位,下标j表示不同的频率。
在步骤S2中,使用粒子群算法对多维形变场模型的参数进行寻优得到最优解。
使用粒子群算法对多维形变场模型的参数进行寻优。将多维非均匀克里金插值交叉验证的结果的均方误差作为适应度函数。粒子群算法按照经验设置初始参数学习因子c1为1.5,c2为1.5,惯性权重w为0.7298。初始化种群大小为20。首先在0~1的范围内初始化种群个体位置。实验部分均选用8个频率点,3个相位点的参数a(a1-a3),粒子的维度为11。表示如下:
particle1=[a1,a2,a3,b1,b2,b3,b4,b5,b6,b7,b8]
当适应度函数收敛或者迭代次数超出规定次数后终止。
通过粒子群优化算法得到多维形变场模型的11维最优解为:
[-0.646,-0.359,-0.147,-0.113,-0.142,0.191,-0.234,0.520,-0.318,0.517,0.520]。
在步骤S3中,基于所述最优解重新构建多维形变场模型。
使用上述11维权重构建多维形变场模型,表示如下:
其中,每一行代表同一时刻不同相位点的非均匀多维坐标,每一列代表相同相位点在各个频率点的非均匀多维坐标。
在步骤S4中,在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值,得到矫正频响曲线。
首先,根据多维形变场模型计算两点之间的非均匀多维距离,根据多维形变场模型使用多维变差函数计算这两点对应的变差函数值。
Z(x,f)是一个定义在多维非均匀空间域中的区域化变量,如果采样点的数量为n,则多维非均匀域中的克里金模型定义公式为:
其中x表示样本点的相位位置坐标,f表示频率域中的位置点。
在非均匀多维域中,变差函数值的大小与两点之间的多维空间距离密切相关,非均匀多维变差函数表示如下:
其中,pf表示非均匀多维空间域中的一个样本点,h表示两个样本点之间的距离。
多维非均匀形变形场模型给出的最优距离求解方法可以有效地用于测量非均匀多维空间域中的两个点之间的距离hpf,所述最优距离方案表示如下式:
其中[ai]和[bj]为粒子群优化算法寻求的最优权重系数,xi为样本点的相位位置坐标,i=1,2,3,fj为样本点在频率维度上的坐标,j=1,…,m。
其次,将所述非均匀多维距离和所述变差函数值组成一一对应的点对,然后对离散的数据点对进行拟合得到变差函数模型。
将求得两个样本点之间的距离h和变差函数值γpf,并使用h和γpf进行理论变差函数模型的拟合。
然后,计算待插值点和所有已知样本点之间的距离并代入所述变差函数模型得到对应的变差函数值。
根据理论变差函数模型和待插值点与已知点之间的多维空间距离即可求得对应的变差函数值。
最终,所述变差函数模型得到对应的变差函数值代入克里金方程组得到一组权重系数,将所述权重系数和已知样本点的属性值进行加权求和得到待插值点的属性值。
将所述求得对应的变差函数值用于克里金方程组的求解,其在非均匀多维空间域中需要求解的公式表示如下:
多维非均匀克里金插值的一组权重λi可以通过求解方程得到,该组权重系数是一套使插值误差最小的最优系数,其维度与研究区域中已知点的个数相同。
将λi代入非均匀多维域中的克里金模型定义中即可得到待插值点的属性值。
记录每个相位点在不同频率点的插值结果。各个相位点使用非均匀多维克里金的插值结果如图4(a),图4(b),图4(c)所示,图中红色点为插值点。
图5所示经插值后的频响曲线,LaLb、LbLc、LcLa三条曲线分别称为曲线1、2、3,其相关性如表3所示,
表3
由表3相关性计算结果可知,经过多维非均匀克里金插值算法插值后的相关性明显增加,说明本方法的有效性。
本申请还提供了一种含有毛刺、尖峰干扰频响曲线的矫正装置,包括:第一判定模块,第二判定模块,第一矫正模块和第二矫正模块。所述第二矫正模块对所述第二判定模块判定为含有尖峰干扰的频响曲线进行处理,实现如上述尖峰干扰频响曲线矫正方法的过程,此处不再赘述。
本申请实施例的有益效果包括:通过对含有毛刺干扰的频响曲线进行正向和反向的离散余弦变化,剔除波形中的毛刺干扰,对频响曲线实现了矫正;对含有尖峰干扰的频响曲线,通过粒子群优化算法赋予相位和频率域合适的权重系数,构建非均匀多维变形场模型,通过使用多维非均匀克里金插值算法对存在尖峰的位置进行插值,使得相近频率上的数据对同一相位上数据的不足进行了补充,从频率和相位两个维度对数据进行插值,两个维度的数据相互补充,可以提高频响曲线的矫正精度,实现矫正后的频响曲线来判定变压器绕组的变形程度,避免测试人员重复去现场测试。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN)、或连接至外部计算机(例如通过因特网)、或在云计算环境中、或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
Claims (9)
1.一种含有毛刺干扰频响曲线的矫正方法,其特征在于,包括以下步骤:
对采频仪器采集的频响曲线进行DCT计算,得频响曲线的DCT结果F(i);
基于所述频响曲线的DCT结果F(i)计算其特征值,得到频响曲线DCT计算后特征的量化值U(i),将F(i)与U(i)相除取整,得到量化后的数据Q(i);
对所述量化后的数据Q(i)进行逆量化得到逆量化的频响曲线的DCT结果F′(i);
对所述F′(i)进行IDCT计算得到矫正后的频响曲线f(i)。
2.根据权利要求1所述的一种含有毛刺信号频响曲线的矫正方法,其特征在于,对所述F′(i)进行IDCT计算得到矫正后的频响曲线f(i)步骤后还可以包括:
对所述f(i)进行平滑滤波处理得到最终矫正后的频响曲线f(x)。
3.根据权利要求1所述的一种含有毛刺信号频响曲线的矫正方法,其特征在于,所述毛刺干扰频响曲线的判定方法包括以下步骤:
使用扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;
对所述频响曲线进行随机采样,没有被选取的采样点采用均值插值法进行数据补充得到判定频响曲线;
根据预设次数W重复步骤S2,分别计算W条判定频响曲线与出场频率曲线的相关性R,并标定最大值Rmax;
若Rmax小于等于3,则判定现场频响曲线包含有毛刺干扰。
4.一种含有尖峰干扰频响曲线的矫正方法,其特征在于,包括以下步骤:
对采频仪器采集的基于含有尖峰干扰频响曲线,构建多维形变场模型;
使用粒子群算法对多维形变场模型的参数进行寻优得到最优解;
基于所述最优解重新构建多维形变场模型;
在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值,得到矫正频响曲线。
5.根据权利要求4所述的一种含有尖峰干扰频响曲线的矫正方法,其特征在于,使用粒子群算法对多维形变场模型的参数进行寻优得到最优解包括以下步骤:
随机生成若干粒子,并使用这些粒子初始化多维形变场模型,将粒子的各个维度分别与各个相位坐标和频率坐标相乘;
利用初始化多维形变场模型计算多维非均匀克里金插值中两点间的距离得到每个粒子的适应度函数值,适应度函数的值越小,粒子离最优解越近;
当所有粒子最终聚集到一个适应度函数值最小的位置时,此时该位置对应的点即为寻求出的最优解。
6.根据权利要求4所述的一种含有尖峰干扰频响曲线的矫正方法,其特征在于,在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值包括以下步骤:
根据多维形变场模型计算两点之间的非均匀多维距离;
根据多维形变场模型使用多维变差函数计算这两点对应的变差函数值;
将所述非均匀多维距离和所述变差函数值组成一一对应的点对,然后对离散的数据点对进行拟合得到变差函数模型;
计算待插值点和所有已知样本点之间的距离并代入所述变差函数模型得到对应的变差函数值;
所述变差函数模型得到对应的变差函数值代入克里金方程组得到一组权重系数,将所述权重系数和已知样本点的属性值进行加权求和得到待插值点的属性值。
8.一种含有毛刺、尖峰干扰频响曲线的矫正装置,其特征在于,包括:
第一判定模块,用于接收扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;对所述频响曲线进行随机采样,没有被选取的采样点采用均值插值法进行数据补充得到判定频响曲线;根据预设次数W重复步骤S2,分别计算W条判定频响曲线与出场频率曲线的相关性R,并标定最大值Rmax;若Rmax小于等于3,则判定现场频响曲线包含有毛刺干扰;
第二判定模块,用于接收扫频仪对变压器进行现场绕组频率响应特性测量得到现场频响曲线;基于所述现场频响曲线使用相邻频点的幅值相减计算得到相邻频率点幅值差值Δxi;基于所述相邻频率点幅值差值Δxi使用均值算法计算得到相邻频率点幅值差值的平均值根据所述相邻频率点幅值差值的平均值使用迭代算法更新当则标记为尖峰数据,判定为尖峰干扰频响曲线;
第一矫正模块,对所述第一判定模块判定为含有毛刺干扰的频响曲线进行DCT计算,得频响曲线的DCT结果F(i);基于所述频响曲线的DCT结果F(i)计算其特征值,得到频响曲线DCT计算后特征的量化值U(i),将F(i)与U(i)相除取整,得到量化后的数据Q(i);对所述量化后的数据Q(i)进行逆量化得到逆量化的频响曲线的DCT结果F′(i),对所述F′(i)进行IDCT计算得到矫正后的频响曲线f(i);
第二矫正模块,对所述第二判定模块判定为含有尖峰干扰的频响曲线基于含有尖峰干扰频响曲线,构建多维形变场模型;使用粒子群算法对多维形变场模型的参数进行寻优得到最优解;基于所述最优解重新构建多维形变场模型;在重新构建的多维形变场模型中使用多维非均匀克里金插值算法对变压器频率响应曲线的尖峰数据进行插值,得到矫正频响曲线。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令中的至少部分指令被处理器执行时,实现如权利要求1~8中任意一项所述的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911115207.2A CN110929217A (zh) | 2019-11-14 | 2019-11-14 | 一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911115207.2A CN110929217A (zh) | 2019-11-14 | 2019-11-14 | 一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110929217A true CN110929217A (zh) | 2020-03-27 |
Family
ID=69853901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911115207.2A Withdrawn CN110929217A (zh) | 2019-11-14 | 2019-11-14 | 一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929217A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111486910A (zh) * | 2020-04-24 | 2020-08-04 | 西尼尔(南京)过程控制有限公司 | 一种浆液电磁流量计信号处理方法及系统 |
CN112232001A (zh) * | 2020-12-09 | 2021-01-15 | 北京智芯仿真科技有限公司 | 一种集成电路超宽频谐振响应的自适应确定方法及系统 |
CN112379304A (zh) * | 2020-10-29 | 2021-02-19 | 瑞斯康微电子(深圳)有限公司 | 低频干扰信号检测方法、电子设备及可读存储介质 |
CN115840182A (zh) * | 2023-02-21 | 2023-03-24 | 成都青翎科技有限公司 | 一种频响曲线校正方法及装置 |
CN115855123A (zh) * | 2023-02-22 | 2023-03-28 | 之江实验室 | 基于畸变点检测的光纤传感信号相位错误修正方法和装置 |
-
2019
- 2019-11-14 CN CN201911115207.2A patent/CN110929217A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111486910A (zh) * | 2020-04-24 | 2020-08-04 | 西尼尔(南京)过程控制有限公司 | 一种浆液电磁流量计信号处理方法及系统 |
CN111486910B (zh) * | 2020-04-24 | 2022-04-12 | 西尼尔(南京)过程控制有限公司 | 一种浆液电磁流量计信号处理方法及系统 |
CN112379304A (zh) * | 2020-10-29 | 2021-02-19 | 瑞斯康微电子(深圳)有限公司 | 低频干扰信号检测方法、电子设备及可读存储介质 |
CN112379304B (zh) * | 2020-10-29 | 2022-05-06 | 瑞斯康微电子(深圳)有限公司 | 低频干扰信号检测方法、电子设备及可读存储介质 |
CN112232001A (zh) * | 2020-12-09 | 2021-01-15 | 北京智芯仿真科技有限公司 | 一种集成电路超宽频谐振响应的自适应确定方法及系统 |
CN112232001B (zh) * | 2020-12-09 | 2021-03-16 | 北京智芯仿真科技有限公司 | 一种集成电路超宽频谐振响应的自适应确定方法及系统 |
CN115840182A (zh) * | 2023-02-21 | 2023-03-24 | 成都青翎科技有限公司 | 一种频响曲线校正方法及装置 |
CN115855123A (zh) * | 2023-02-22 | 2023-03-28 | 之江实验室 | 基于畸变点检测的光纤传感信号相位错误修正方法和装置 |
CN115855123B (zh) * | 2023-02-22 | 2023-06-06 | 之江实验室 | 基于畸变点检测的光纤传感信号相位错误修正方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929217A (zh) | 一种含有毛刺、尖峰干扰频响曲线的矫正方法及装置 | |
Widanage et al. | Nonlinear system-identification of the filling phase of a wet-clutch system | |
CN109001800B (zh) | 一种基于地震数据的时频分解与气藏检测方法及系统 | |
JP5447680B2 (ja) | データ処理方法及び装置 | |
CN112596107A (zh) | 弹性参数反演方法及装置 | |
US10712414B2 (en) | Apparatus and method for analyzing spectrum | |
CN111579867A (zh) | 一种电力系统中谐波和间谐波的测量方法及装置 | |
CN114964620A (zh) | 机械传感器动态校准分析方法、装置、计算机设备和存储介质 | |
Holland et al. | Measurement point selection and modal damping identification for bladed disks | |
CN111694056B (zh) | 一种压制地震资料异常噪声的方法、存储介质及设备 | |
CN110119690B (zh) | 一种基于crp和rqa的并联电抗器振动敏感区域选择方法 | |
JP4931145B2 (ja) | 磁気式3次元位置検出装置、磁気式3次元位置検出方法、プログラム及び記録媒体 | |
CN117310374A (zh) | 一种海底电缆故障的测距方法 | |
JP7018321B2 (ja) | スペクトル処理装置及び方法 | |
KR20150142241A (ko) | 구조물의 피로수명을 고려한 위상최적설계방법 및 그 방법을 수행하기 위한 프로그램이 기록된 기록매체 | |
CN113805233B (zh) | 一种点扩散函数的计算方法 | |
JP2007309785A (ja) | 固有振動モード抽出方法、固有振動モード抽出装置、および固有振動モード抽出用プログラム | |
Spirlet et al. | Experimental correction of radiation patterns between electromagnetic environments | |
CN113655534A (zh) | 基于多线性奇异值张量分解核磁共振fid信号噪声抑制方法 | |
CA2653969A1 (en) | Method of tracking a magnetic object, corresponding product computer program, storage means and tracking device | |
KR20160116459A (ko) | 탄성파 트레이스 내삽을 위한 방법 및 그 장치 | |
JPH0782051B2 (ja) | 伝達関数の極・ゼロ点決定方法 | |
JP2019148519A (ja) | スペクトル処理装置及び方法 | |
CN114152981B (zh) | 一种势能波函数域地震资料品质因子估计方法 | |
CN118035732A (zh) | 基于变模态分解算法的复杂充电下的电能计量方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200327 |