CN111582355B - 基于最优宽带波束形成的大型电抗器故障检测方法及系统 - Google Patents

基于最优宽带波束形成的大型电抗器故障检测方法及系统 Download PDF

Info

Publication number
CN111582355B
CN111582355B CN202010365007.9A CN202010365007A CN111582355B CN 111582355 B CN111582355 B CN 111582355B CN 202010365007 A CN202010365007 A CN 202010365007A CN 111582355 B CN111582355 B CN 111582355B
Authority
CN
China
Prior art keywords
reactor
array
sound intensity
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.)
Active
Application number
CN202010365007.9A
Other languages
English (en)
Other versions
CN111582355A (zh
Inventor
叶中付
杨会超
王鹏宇
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.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
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 University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202010365007.9A priority Critical patent/CN111582355B/zh
Publication of CN111582355A publication Critical patent/CN111582355A/zh
Application granted granted Critical
Publication of CN111582355B publication Critical patent/CN111582355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
    • G10L21/10—Transforming into visible information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种基于最优宽带波束形成的大型电抗器故障检测方法及系统，通过比较电抗器的声音强度或者能量图像与其正常工作时的声音强度或者能量图像，判断电抗器设备是否存在故障需要工作人员维护，进而实现了电抗器设备工作状态的在线检测。通过近场宽带波束形成的声音强度或者能量图像来判断电抗器工作状态，是一种在线检测方案，不仅降低了维护的成本，而且还提高了人们用电的质量，给大型电抗器设备的工作状态检测提供了一种新的方案。

Description

基于最优宽带波束形成的大型电抗器故障检测方法及系统
技术领域
本发明涉及大型电抗器故障检测领域，尤其涉及一种基于最优宽带波束形成的大型电抗器故障检测方法。
背景技术
现如今，电力需求不断提升，用电质量问题也受到广泛的关注，电能的稳定供应与国民经济也有着密不可分的关系。大量实践证明，电抗器在出现严重事故之前，往往都有一定的潜伏性故障。电抗器内部的局部放电，局部过热，绕组变形、机械部件松动以及设备绝缘老化等潜伏性故障是随着时间积累引起的。电抗器运行时，由于机身与固件、零件之间或者零件自身之间的相互运动，设备就会发出声音，运行状态发生改变时，其发出的声音也随之改变。同时，电抗器内部的绕组和铁芯承担着电磁交换的重要功能，在高电压和强电磁的环境下可能发生不同的故障，从而运行的声音也会随之改变。
目前对电抗器的保护方法主要通过故障时电压、电流等电气参量进行继电保护，这种方法会降低用电质量以及提高供电公司的经济成本。并且相关潜伏性故障则难以检测，缺乏有效的在线检测方法、技术与装置。
发明内容
本发明的目的是提供一种基于最优宽带波束形成的大型电抗器故障检测方法及系统，能够检测到潜伏性故障，提前给相关人员预警来处理设备的状况，不仅提高人们的用电质量而且又能降低经济成本。
本发明的目的是通过以下技术方案实现的：
一种基于最优宽带波束形成的大型电抗器故障检测方法，包括：
在电抗器外部设置麦克风阵列；
利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描，将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像；所述最优波束加权系数通过求解多目标的约束方程得到；
比较预设正常工作情况下与检测时的声音强度图像或声音能量图像，根据比较结果判断电抗器是否存在故障，并在判定发生故障时，发出预警。
一种基于最优宽带波束形成的大型电抗器故障检测系统，用于实现前述的方法，包括：
麦克风阵列，设置在电抗器外部；
采样处理装置，利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描，并获取麦克风阵列的接收信号；
检测处理装置，用于将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像，所述最优波束加权系数通过求解多目标的约束方程得到；以及，将计算得到的电抗器的声音强度图像或声音能量图像，与预先获取的电抗器正常工作情况下的声音强度图像或声音能量图像对应的进行比较，根据比较结果判断电抗器是否存在故障；
非正常状态处理装置，用于在判定发生故障时，发出预警。
由上述本发明提供的技术方案可以看出，通过比较电抗器的声音强度或者能量图像与其正常工作时的声音强度或者能量图像，判断电抗器设备是否存在故障需要工作人员维护，进而实现了电抗器设备工作状态的在线检测。通过近场宽带波束形成的声音强度或者能量图像来判断电抗器工作状态，是一种在线检测方案，不仅降低了维护的成本，而且还提高了人们用电的质量，给大型电抗器设备的工作状态检测提供了一种新的方案。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，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附图。
图1为本发明实施例提供的一种基于最优宽带波束形成的大型电抗器故障检测方法的流程图；
图2为本发明实施例提供的平面麦克风阵列的信号模型示意图；
图3为本发明实施例提供的一种基于最优宽带波束形成的大型电抗器故障检测系统的示意图；
图中各标记对应的部件为：1-麦克风阵列；2-电抗器；3-采样处理装置；4-检测处理装置；5-非正常状态处理装置；6-目标；7-麦克风阵列的支架；8-麦克风阵元；9-参考阵元。
具体实施方式
下面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，都属于本发明的保护范围。
本发明实施例提供一种基于最优宽带波束形成的大型电抗器故障检测方法，如图1所示，其主要包括：
步骤1、在电抗器外部设置麦克风阵列。
本发明实施例中，所述麦克风阵列与电抗器表面平行，麦克风阵列平面与电抗器表面之间的距离为R，将M×N个麦克风按照X轴方向间隔d1(水平方向)，Y轴方向(垂直方向)间隔d2进行放置，最终形成[(M-1)×d1]×[(N-1)×d2]大小的均匀面阵，其中坐标为(0，0)的阵元作为参考阵元。
步骤2、利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描，将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像。
本发明实施例中，采用近场宽带波束形成方法对工作中的电抗器进行扫描，从而对扫描平面进行全方位的扫描；首先要建立近场宽带接收信号模型：如图2所示，以麦克风阵列的坐标原点阵元为参考阵元，X轴和Y轴作为阵列的基准线；假设有K个信号源
Figure BDA0002476262770000031
分别以二维角度
Figure BDA0002476262770000032
入射到麦克风阵列上，其中
Figure BDA0002476262770000033
θk分别表示第k个信号源入射的方位角和俯仰角，t为入射时刻；假设第m行第n列阵元的坐标为(xm,yn)，则第k个信号入射到该阵元上相对于第m行第n列阵元的距离dmnk表示为：
Figure BDA0002476262770000034
其中，rks＝R/cosθk表示第k个信号源到参考阵元的距离，R表示麦克风阵列平面与电抗器表面之间的距离，rmn表示第m行第n列阵元到参考阵元的距离，m＝1,2,...,M，n＝1,2,...,N；
以时间长度T为一个统计时段，在一个统计时段T内认为声源的位置基本不变。将统计时段T内的麦克风阵列接收信号划分为L个子段，每个子段包含I个时间采样点，相邻子段间的重叠率为γ，0≤γ＜1；
之后，对麦克风阵列接收到的每个子段宽带信号进行I点的离散傅里叶变换得到I个子带的窄带阵列信号，其中I不一定为2的整数次幂，若I为2的整数次幂会用快速算法节约该过程的运算时间。对于第i个子带，第k个信号源的导向矢量表示为
Figure BDA0002476262770000041
其中，
Figure BDA0002476262770000042
c表示声速大小；i＝1,2,...,I，fi表示第i个子带的频率；
对每个子段的阵列接收信号进行I点的离散傅里叶变换表示为：
Xl(fi)＝Al(fi)Sl(fi)+Nl(fi),i＝1,2,...,I，l＝1,2,...,L
其中，
Figure BDA0002476262770000043
表示阵列接收信号的第l个子段经I点离散傅里叶变换得到的第i个子带窄带阵列信号，x的下标数字为麦克风的序号，例如，
Figure BDA0002476262770000044
表示第1个麦克风接收信号的第l个子段经I点离散傅里叶变换得到的第i个子带窄带信号；
Figure BDA0002476262770000045
表示信号源的第l个子段经I点离散傅里叶变换得到的第i个子带窄带信号，s的下标数字为信号源的序号，例如，
Figure BDA0002476262770000046
为第1个信号源的第l个子段经I点离散傅里叶变换得到的第i个子带窄带信号；
Figure BDA0002476262770000047
表示第l个子段阵列接收噪声经I点离散傅里叶变换得到的第i个子带窄带阵列噪声，n的下标数字为麦克风的序号，例如，
Figure BDA0002476262770000048
表示第1个麦克风的第l个子段接收噪声经I点离散傅里叶变换得到的第i个子带窄带阵列噪声；A(fi)＝[a1(fi,r1s),a2(fi,r2s),…,aK(fi,rKs)]为阵列第l个子段第i个子带信号的导向矢量矩阵，这是基于认为在一个统计时段T内声源的位置基本不变得出的，a的下标数字为信号源的序号，例如，a1(fi,r1s)为第i个子带，第1个信号源的导向矢量矩阵。
本发明实施例中，最优波束加权系数通过求解多目标的约束方程得到，并以此计算声音强度图像或声音能量图像。
在一个统计时段T内，对于第l个子段的阵列接收信号，在第i个子带的频率fi上，对于近场宽带波束形成而言，在X轴和Y轴两个方向上进行从左至右从上至下的幅度加权(或者在方位角俯仰角二位方向上进行从左至右从上至下的幅度加权)；对于在X轴和Y轴进行的每一个幅度加权，可以将加权矩阵转化为多目标求解的问题
Figure BDA0002476262770000051
其中，|| ||∞表示矩阵或者向量的无穷范数，r0表示期望信号方向到参考阵元的距离，rSL表示波束旁瓣方向到参考阵元的距离的集合，rNL表示波束零陷方向到参考阵元的距离的集合，r1、r2各自为集合rSL、rNL中的任一元素；a(fi,r0),a(fi,r1),a(fi,r2)，表示第i个频带上不同指标对应的导向矢量，ξl(l＝1,2)为附加的约束条件(具体的约束条件可以自行设置)，通过求解上述多目标的约束方程，得到约束条件下最优波束加权系数；上述过程只是给出了一定的附加条件，附加条件越多会给求解的过程带来更多的计算量。
令
Figure BDA0002476262770000052
其中vec表示矩阵或者向量的拉直运算。对于第l个子段的阵列接收信号，在第i个子带的频率fi上，计算声音强度图像的公式为：
Figure BDA0002476262770000053
其中||表示复数的取模，
Figure BDA0002476262770000054
表示
Figure BDA0002476262770000055
的共轭转置；在一个统计时段T内，在(x,y)坐标上的声音强度图像q(x,y)为各子段各子带频率的声音强度之和，其表达式为
Figure BDA0002476262770000056
在一个统计时段T内，阵列扫描电抗器的完整角度区域
Figure BDA0002476262770000057
获得的电抗器声音强度图像为：
Figure BDA0002476262770000058
在一个统计时段T内，在(x,y)坐标上的声音能量图像
Figure BDA0002476262770000059
为各子段各子带频率的声音强度之和，其表达式为
Figure BDA00024762627700000510
在一个统计时段T内，阵列扫描电抗器的完整角度区域
Figure BDA00024762627700000511
获得的电抗器声音能量图像为：
Figure BDA00024762627700000512
基于上述原理，通过步进扫描的方位角
Figure BDA0002476262770000061
和俯仰角Δθ的方式实时获取电抗器工作时的声音强度图像或者声音能量图像。其中，下标X,Y为完整角度区域
Figure BDA0002476262770000062
中麦克风阵列在X轴和Y轴获取所有信号的数量大小，X,Y的大小和步进选取的
Figure BDA0002476262770000063
和Δθ有关，即与完整角度区域
Figure BDA0002476262770000064
有关系。
步骤3、比较预设正常工作情况下与检测时的声音强度图像或声音能量图像，根据比较结果判断电抗器是否存在故障，并在判定发生故障时，发出预警。
根据先验知识，可以预先获取电抗器正常工作情况下统计时段T内的声音强度图像，记为
Figure BDA0002476262770000065
计算得到统计时段T内的电抗器的声音强度图像记为
Figure BDA0002476262770000066
比较完整角度区域二者之差的绝对值：
Figure BDA0002476262770000067
其中|| ||表示矩阵的范数，若
Figure BDA0002476262770000068
则认为角度区域
Figure BDA0002476262770000069
出现故障，并发出预警(例如，通过灯光、声音等方式对工作人员进行预警)；其中，
Figure BDA00024762627700000610
为预先设置的角度区域
Figure BDA00024762627700000611
的声音强度图像与
Figure BDA00024762627700000612
的差异门限。
或者，根据先验知识，可以预先获取电抗器正常工作情况下统计时段T内的声音能量图像，记为
Figure BDA00024762627700000613
计算得到统计时段T内的电抗器的声音强度图像记为
Figure BDA00024762627700000614
比较完整角度区域二者之差的绝对值：
Figure BDA00024762627700000615
若
Figure BDA00024762627700000616
则认为角度区域
Figure BDA00024762627700000617
出现故障，并发出预警；其中，
Figure BDA00024762627700000618
为预先设置的角度区域
Figure BDA00024762627700000619
的声音能量图像与
Figure BDA00024762627700000620
的差异门限。
本发明另一实施例还提供一种基于最优宽带波束形成的大型电抗器故障检测系统，用于实现前述的方法，如图3所示，其主要包括：
麦克风阵列1包含M×N个阵元8(参考阵元9)，麦克风阵列的支架为7，设置在电抗器2外部，接收电抗器2发出的声音信号6；
采样处理装置3，利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描，并获取麦克风阵列的接收信号；具体来说：利用麦克风阵列1采集电抗器2发出的声音信号6；在一个统计时段T内，通过分子段和离散傅里叶变换，将麦克风阵列1采集电抗器2声音信号6转换为各子段各子带信号；
检测处理装置4，用于将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像，所述最优波束加权系数通过求解多目标的约束方程得到；具体来说，对于各子段各子带信号，阵列扫描电抗器的完整角度区域的每一组角度，用预先设计的加权矢量做近场宽带波束形成；在一个统计时段内，计算电抗器2的声音强度图像或声音能量图像；以及将计算得到的电抗器的声音强度图像或声音能量图像，与预先获取的电抗器2正常工作情况下的声音强度图像或声音能量图像对应的进行比较，根据比较结果判断电抗器2是否存在故障；
非正常状态处理装置5，用于在判定发生故障时，发出预警。
该系统的具体技术细节在之前的实施例中已经进行了详细的说明，故不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
以上所述，仅为本发明较佳的具体实施方式，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披露的技术范围内，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该以权利要求书的保护范围为准。

Claims (5)

1.一种基于最优宽带波束形成的大型电抗器故障检测方法，其特征在于，包括：
在电抗器外部设置麦克风阵列；
利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描，将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像；所述最优波束加权系数通过求解多目标的约束方程得到；
比较预设正常工作情况下与检测时的声音强度图像或声音能量图像，根据比较结果判断电抗器是否存在故障，并在判定发生故障时，发出预警；
其中，将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像的方式包括：
在一个统计时段T内，对于第l个子段的阵列接收信号，在第i个子带的频率fi上，在X轴和Y轴进行的每一个幅度加权，将加权矩阵转化为多目标求解的问题：
Figure FDA0003696730620000011
其中，|| ||∞表示矩阵或者向量的无穷范数，r0表示期望信号方向到参考阵元的距离，rSL表示波束旁瓣方向到参考阵元的距离的集合，rNL表示波束零陷方向到参考阵元的距离的集合，r1、r2各自为集合rSL、rNL中的任一元素；a(fi,r0),a(fi,r1),a(fi,r2)，表示第i个频带上不同指标对应的导向矢量，ξl，l＝1,2为附加的约束条件，通过求解上述多目标的约束方程，得到约束条件下最优波束加权系数；
令
Figure FDA0003696730620000012
其中vec表示矩阵或者向量的拉直运算；对于第l个子段的阵列接收信号，在第i个子带的频率fi上，计算声音强度图像的公式为：
Figure FDA0003696730620000013
其中| |表示复数的取模，
Figure FDA0003696730620000014
表示
Figure FDA0003696730620000015
的共轭转置；在一个统计时段T内，在(x,y)坐标上的声音强度图像q(x,y)为各子段各子带频率的声音强度之和，其表达式为
Figure FDA0003696730620000016
在一个统计时段T内，阵列扫描电抗器的完整角度区域
Figure FDA0003696730620000017
获得的电抗器声音强度图像为：
Figure FDA0003696730620000021
在一个统计时段T内，在(x,y)坐标上的声音能量图像
Figure FDA0003696730620000022
为各子段各子带频率的声音强度之和，其表达式为
Figure FDA0003696730620000023
在一个统计时段T内，阵列扫描电抗器的完整角度区域
Figure FDA0003696730620000024
获得的电抗器声音能量图像为：
Figure FDA0003696730620000025
其中，下标X,Y为完整角度区域
Figure FDA0003696730620000026
中麦克风阵列在X轴和Y轴获取所有信号的数量大小；
基于上述原理，通过步进扫描的方位角
Figure FDA0003696730620000027
和俯仰角Δθ的方式实时获取电抗器工作时的声音强度图像或者声音能量图像。
2.根据权利要求1所述的一种基于最优宽带波束形成的大型电抗器故障检测方法，其特征在于，所述在电抗器外部设置麦克风阵列，包括：
麦克风阵列平面与电抗器表面之间的距离为R，将M×N个麦克风按照X轴方向间隔d1，Y轴方向间隔d2进行放置，最终形成[(M-1)×d1]×[(N-1)×d2]大小的均匀面阵，其中坐标为(0，0)的阵元作为参考阵元。
3.根据权利要求2所述的一种基于最优宽带波束形成的大型电抗器故障检测方法，其特征在于，利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描时，先建立近场宽带接收信号模型：以麦克风阵列的坐标原点阵元为参考阵元，X轴和Y轴作为阵列的基准线；假设有K个信号源
Figure FDA0003696730620000028
分别以二维角度
Figure FDA0003696730620000029
入射到麦克风阵列上，其中
Figure FDA00036967306200000210
θk分别表示第k个信号源入射的方位角和俯仰角，t为入射时刻；假设第m行第n列阵元的坐标为(xm,yn)，则第k个信号入射到该阵元上相对于第m行第n列阵元的距离dmnk表示为：
Figure FDA00036967306200000211
其中，rks＝R/cosθk表示第k个信号源到参考阵元的距离，rmn表示第m行第n列阵元到参考阵元的距离，m＝1,2,...,M，n＝1,2,...,N；
以时间长度T为一个统计时段，将统计时段T内的麦克风阵列接收信号划分为L个子段，每个子段包含I个时间采样点，相邻子段间的重叠率为γ，0≤γ＜1；
之后，对麦克风阵列接收到的每个子段宽带信号进行I点的离散傅里叶变换得到I个子带的窄带阵列信号，对于第i个子带，第k个信号源的导向矢量表示为：
Figure FDA0003696730620000031
其中，
Figure FDA0003696730620000032
c表示声速大小；i＝1,2,...,I，fi表示第i个子带的频率；
对每个子段的阵列接收信号进行I点的离散傅里叶变换表示为：
Xl(fi)＝Al(fi)Sl(fi)+Nl(fi),i＝1,2,...,I，l＝1,2,...,L
其中，
Figure FDA0003696730620000033
表示阵列接收信号的第l个子段经I点离散傅里叶变换得到的第i个子带窄带阵列信号，x的下标数字为麦克风的序号；
Figure FDA0003696730620000034
表示源信号的第l个子段经I点离散傅里叶变换得到的第i个子带窄带信号，s的下标数字为信号源的序号；
Figure FDA0003696730620000035
表示第l个子段阵列接收噪声经I点离散傅里叶变换得到的第i个子带窄带阵列噪声，n的下标数字为麦克风的序号；A(fi)＝[a1(fi,r1s),a2(fi,r2s),…,aK(fi,rKs)]为阵列第l个子段第i个子带信号的导向矢量矩阵，a的下标数字为信号源的序号。
4.根据权利要求1所述的一种基于最优宽带波束形成的大型电抗器故障检测方法，其特征在于，所述比较预设正常工作情况下与检测时的声音强度图像或声音能量图像，根据比较结果判断电抗器是否存在故障，并在判定发生故障时，发出预警，包括：
根据先验知识，预先获取电抗器正常工作情况下统计时段T内的声音强度图像，记为
Figure FDA0003696730620000036
计算得到统计时段T内的电抗器的声音强度图像记为
Figure FDA0003696730620000037
比较完整角度区域二者之差的绝对值：
Figure FDA0003696730620000038
其中|| ||表示矩阵的范数，若
Figure FDA0003696730620000041
则认为角度区域
Figure FDA0003696730620000042
出现故障，并发出预警；其中，
Figure FDA0003696730620000043
为预先设置的角度区域
Figure FDA0003696730620000044
的声音强度图像与
Figure FDA0003696730620000045
的差异门限；
或者，根据先验知识，预先获取电抗器正常工作情况下统计时段T内的声音能量图像，记为
Figure FDA0003696730620000046
计算得到统计时段T内的电抗器的声音强度图像记为
Figure FDA0003696730620000047
比较完整角度区域二者之差的绝对值：
Figure FDA0003696730620000048
若
Figure FDA0003696730620000049
则认为角度区域
Figure FDA00036967306200000410
出现故障，并发出预警；其中，
Figure FDA00036967306200000411
为预先设置的角度区域
Figure FDA00036967306200000412
的声音能量图像与
Figure FDA00036967306200000413
的差异门限。
5.一种基于最优宽带波束形成的大型电抗器故障检测系统，其特征在于，用于实现权利要求1-4任一项所述的方法，包括：
麦克风阵列，设置在电抗器外部；
采样处理装置，利用麦克风阵列采用近场宽带波束形成方法对工作中的电抗器进行扫描，并获取麦克风阵列的接收信号；
检测处理装置，用于将接收信号与最优波束加权系数相结合，计算电抗器的声音强度图像或声音能量图像，所述最优波束加权系数通过求解多目标的约束方程得到；以及，将计算得到的电抗器的声音强度图像或声音能量图像，与预先获取的电抗器正常工作情况下的声音强度图像或声音能量图像对应的进行比较，根据比较结果判断电抗器是否存在故障；
非正常状态处理装置，用于在判定发生故障时，发出预警。
CN202010365007.9A 2020-04-30 2020-04-30 基于最优宽带波束形成的大型电抗器故障检测方法及系统 Active CN111582355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010365007.9A CN111582355B (zh) 2020-04-30 2020-04-30 基于最优宽带波束形成的大型电抗器故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010365007.9A CN111582355B (zh) 2020-04-30 2020-04-30 基于最优宽带波束形成的大型电抗器故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN111582355A CN111582355A (zh) 2020-08-25
CN111582355B true CN111582355B (zh) 2022-09-06

Family

ID=72124588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010365007.9A Active CN111582355B (zh) 2020-04-30 2020-04-30 基于最优宽带波束形成的大型电抗器故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN111582355B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112345855B (zh) * 2020-10-30 2021-10-08 浙江大学 一种并联电抗器运行状态检测系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015101426A1 (en) * 2013-12-31 2015-07-09 Siemens Aktiengesellschaft Devices and methods for arc fault detection
CN108007681A (zh) * 2017-12-07 2018-05-08 东北大学 一种利用麦克风阵列进行机械故障检测的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015101426A1 (en) * 2013-12-31 2015-07-09 Siemens Aktiengesellschaft Devices and methods for arc fault detection
CN106063065A (zh) * 2013-12-31 2016-10-26 西门子公司 用于电弧故障检测的装置和方法
CN108007681A (zh) * 2017-12-07 2018-05-08 东北大学 一种利用麦克风阵列进行机械故障检测的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Widely linear minimum dispersion beamforming for sub-Gaussian noncircular signals;Lei Huang等;《Signal Processing》;20151214;第123-128页 *
宽线性波束形成技术综述;叶中付等;《数据采集与处理》;20140531;第29卷(第3期);第333-340页 *

Also Published As

Publication number Publication date
CN111582355A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN109033612B (zh) 一种基于振动噪声及bp神经网络的变压器故障诊断方法
CN112269164B (zh) 深海可靠声路径下基于干涉结构匹配处理弱目标定位方法
CN112180329B (zh) 一种基于阵元随机均匀分布球阵反卷积波束形成的汽车噪声源声成像方法
CN112462363B (zh) 非均匀稀疏极化阵列相干目标参数估计方法
CN109143190B (zh) 一种零陷展宽的宽带稳健自适应波束形成方法
CN109459744B (zh) 一种实现多干扰抑制的稳健自适应波束形成方法
CN111582355B (zh) 基于最优宽带波束形成的大型电抗器故障检测方法及系统
CN107015066A (zh) 一种基于稀疏贝叶斯学习的天线阵列故障诊断方法
CN113868583B (zh) 一种子阵波束聚焦的声源距离计算方法及系统
CN111413649B (zh) 基于近场宽带波束形成的大型电抗器故障检测方法及系统
CN110687506A (zh) 一种基于矢量传声器阵列的低频噪声源定位装置及方法
CN104656073A (zh) 三维成像声纳波束形成方法及在多核处理器上的实现方法
CN110967673A (zh) 一种多域联合抗主瓣干扰方法
CN111812581A (zh) 基于原子范数的球面阵列声源波达方向估计方法
CN103513238A (zh) 一种规整化最小二乘子空间相交的目标方位测向方法
CN103048641A (zh) 具有联合约束优化形式的矢量阵稳健聚焦处理方法
CN112098938B (zh) 一种基于六元锥矢量阵的水声目标降维匹配声场定位方法
CN116818321A (zh) 基于超声相控阵的轴承故障检测方法、装置及存储介质
CN115410599A (zh) 一种基于声纹感知的变压器运行状态识别的方法及系统
CN117572435B (zh) 一种基于反卷积的多波束合成孔径声呐高分辨成像方法
Han et al. Distributed and parallel subarray beamforming for underwater real-time 3-D acoustic imaging
Chai et al. Sound Field Separation Method and Experiment based on Virtual Double Holographic Planes
CN112649787B (zh) 一种基于低频圆环阵的目标方位估计方法
CN116203505B (zh) 基于块稀疏贝叶斯的正交匹配追踪声源识别方法及装置
Liao et al. Research on Key Technologies of Sonic Detection of AC/DC Cables Based on Beam Forming

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