CN115310304A - 一种基于改进svd的干式空心电抗器光纤传感降噪方法 - Google Patents
一种基于改进svd的干式空心电抗器光纤传感降噪方法 Download PDFInfo
- Publication number
- CN115310304A CN115310304A CN202211059771.9A CN202211059771A CN115310304A CN 115310304 A CN115310304 A CN 115310304A CN 202211059771 A CN202211059771 A CN 202211059771A CN 115310304 A CN115310304 A CN 115310304A
- Authority
- CN
- China
- Prior art keywords
- matrix
- optical fiber
- signal
- noise reduction
- temperature
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
- G01K11/324—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres using Raman scattering
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明公开了一种基于改进SVD的干式空心电抗器光纤传感降噪方法,提出将改进SVD应用于分布式光纤传感检测干式空心电抗器故障报警系统。包括建立测温系统的后向散射模型,加入高斯白噪声并利用传统阈值去噪与改进SVD去噪分析信噪比,为实验提供了理论依据。在实验室现有条件下,采集原始带有温度信息的anti‑Stokes光和Stokes光求比值得到比值数据矩阵,对数据矩阵重塑后进行奇异值分解重构,再经过重塑矩阵得到降噪后的带有温度信息的比值信号,代入双路解调公式获取解调温度信息,最后根据解调误差对比去噪效果,本发明通过降噪算法可以有效的降低解调温度误差,提高系统测温精度,同时与传统小波去噪相比提高了系统信噪比,避免阈值选取不确定性等问题。
Description
技术领域
本发明涉及分布式传感系统降噪方法,尤其涉及一种基于改进SVD的干式空心电抗器光纤传感降噪方法。
背景技术
随着光纤传感技术的不断发展,光纤材料具很好抗氧化性,抗电磁性和抗腐蚀性,以及成本较低铺设简单也不需要定期维护保养工作寿命较长。所以光纤传感技术在电力系统,隧道矿井以及交通领域等特殊场景得到广泛应用。
电抗器是电力系统必中不可少的设备,用于补偿电力系统的无功容量,降低动态电压。其中干式空心电抗器是现在常用的电抗器,具有低损耗、低噪音、电抗值线性度好、设计寿命长、维护简单等优点。该设备在系统中主要起限制合闸涌流、限制短路电流、补偿杂散容性电流、滤波等作用。
电抗器在运行过程中,往往会因为线圈导线含有杂质,或运行过程中包封的环氧树脂的无纬玻璃丝带的绝缘不好等原因,会使电抗器在运行过程中会产生局部温升过高、过热,最终导致电抗器的烧坏、给电力系统造成严重损失。由于常规传感测温系统无法适用于对电抗器温度场进行准确测量,目前拟采用分布式光纤传感解决此问题,分布式传感系统中主要存在瑞利散射、布里渊散射和拉曼散射三种散射,其中拉曼散射信号对只对温度敏感抗干扰强已经广泛应用于测温场所中,但由于拉曼散射信号微弱,且容易受系统噪声干扰。导致信号的信噪比较低影响测温精度。因此不断提高系统信噪比很有必要,目前主要从硬件去噪和数据处理两种方案进行去噪,硬件角度去噪效果明显但是成本高,在实际应用中存在一定局限性,且现有从数据处理角度去噪,操作复杂同时依赖人工经验存在不确定性。
发明内容
发明所要解决的技术问题在于:如何解决提高测温系统信噪比,根据测温信号减少电抗器故障检测过程中温度解调的误差,提供了一种改进SVD分布式光纤测温系统降噪方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
S0:建立仿真数学模型
根据分布式光纤传感机理,参考元器件配置,建立后向散射的数学模型;在后向散射的数学模型中加入不同程度的高斯白噪声,分别计算降噪算法处理前后的信噪比;
S1:在干式空心电抗器上敷设分布式传感光纤
将光纤使用耐高温型环氧树脂粘贴于电抗器包封表面进行温度实时监测;
S2:采集电抗器温度信号
在实验室条件现有条件下,采集光纤测温系统中的anti-Stokes信号和Stokes信号,根据双路解调方案,计算anti-Stokes信号和Stokes信号比值;
S3:对温度比值信号进行重塑
将计算得到的比值信号重塑成相应的m×n维矩阵,,所述m和n分别表示比值信号L拆成的差值最小的公因数;
S4:对矩阵进行SVD分解
对矩阵进行奇异值分解,得到左奇异矩阵、奇异值对角矩阵和右奇异矩阵。保留奇异值对角矩阵中的第一个奇异值,其余奇异值置0;形成新的奇异值矩阵;
S5:重构SVD信号,得到降噪后的温度数据,完成解调获取温度测量结果通过误差分析去噪效果
将左奇异矩阵、右奇异矩阵和步骤S4得到的新的奇异值对角矩阵重构,利用重构信号重塑后代入解调公式得到测温结果;
S6:在客户端设置报警阈值温度
将经过降噪解调后的干式空心电抗器温度数据与客户端设置的阈值温度数据进行比较,当解调温度数据大于阈值温度数据时系统报警,当解调温度数据小于阈值温度数据时系统继续实时监测电抗器状态。
进一步说,在所述S0中,后向散射的数学模型具体为:
P(t)=0.5SαsvP0Te-αvt
其中S为后向散射系数;αs为后向散射因子;v为光在光纤中的群速度;P0为入射光功率;T为光脉冲宽度;α为传输损耗系数。
更进一步地,在所述S3中,将采集到的anti-Stokes信号和Stokes信号求比值,重塑成m×n维的H矩阵,具体为:
其中m≥2,n≥2分别L的公因数,m×n=L。
更进一步说:在所述S4中,对H矩阵进行SVD处理后,得到:
Y=USVT
其中U为m×m的左正交矩阵;V为n×n的正右交矩阵;S为的奇异值对角矩阵。对角元素为X1,X2.....,Xmin(m,n);其中X1、X2.....分别为矩阵Y的奇异值。
更进一步说:在所述S4中,将S奇异值对角矩阵中只保留第一个,其余奇异值置0;S(2:i,2:i)=0其中i=min(m,n)。利用处理后的信号重构,得到降噪后的温度比值曲线,代入解调公式得到温度曲线。
更进一步说:在所述S5双路解调公式为:
其中h—普朗克常量,h=6.626×10-34J·s;k—波尔兹曼常量,k=1.38×10-23J/K;Δv—拉曼频移,Δv=13.2THz;K—降噪后的anti-Stokes信号和Stokes信号比值,T0为已知温度;
其中Tmax为解调出的最大温度测量结果,Tmin为解调出的最小温度测量结果;N为解调出的全部有效的测量温度数据。
本发明分别从仿真与实验角度验证去噪算法对分布式光纤传感检测干式空心电抗器故障报警系统提高信噪比的可行性,在实验室条件下先将采集到的anti-Stokes和Stokes光通量原始数据求比值,将比值数据重塑后利用SVD分解成左奇异矩阵、奇异值对角矩阵和右奇异矩阵。保留奇异值矩阵中第一个奇异值得到新的奇异值矩阵,将左奇异矩阵、右奇异矩阵和新的奇异值对角矩阵重构,得到降噪后的矩阵,再将降噪后的矩阵重塑后代入解调公式即可得到温度测量结果。最后将不同去噪方法下,解调出来的实验测温数据对比,通过将解调出来的最高温度与最低温度差作为指标衡量去噪效果。
与现有技术相比,本发明的优点在于:本发明将提出改进SVD算法,并将其应用于干式空心电抗器故障报警系统中,使不改动硬件结构条件下,从软件角度提高系统的信噪比,提高测温精度,相较于传统小波去噪,和传统SVD去噪,避免根据经验值选择小波和奇异值的随机性,减少了去噪流程和时间。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1改进SVD算法应用于光纤传感检测干式空心电抗器故障报警系统的流程图
图2实验室条件下分布式光纤测温系统的原理图;
图3实验室条件下一种基于改进SVD的干式空心电抗器光纤传感降噪方法流程示意图;
图4分别表示仿真后向散射数学模型图、加入高斯白噪声效果图与去噪后的效果图;
图5仿真角度下不同降噪方法对信噪比提高效果数据对比图;
图6为30.0℃下不同降噪方法的降噪效果对比图;
图7为40.0℃下不同降噪方法的降噪效果对比图;
图8为50.0℃下不同降噪方法的降噪效果对比图;
图9为60.0℃下不同降噪方法的降噪效果对比图;
图10为不同温度下不同降噪方法的解调误差对比图;
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。
如图1图2图3所示,分布式光纤测温系统主要设备如下:脉冲光源、环形器、波分复用器、传感光纤、光电二极管、放大器、信息采集模块、计算机。具体原理:光源发出脉冲固定的激光脉冲经过环形器进入传感光纤中,在传感光纤中会发生后向拉曼散射,产生后向散射光,经过环形器到波分复用器后分成anti-Stokes光和Stokes光,两路光信号经过雪崩光电二极管变成电信号,再经过放大器将两路电信号放大后经过信号采集模块后得到anti-Stokes信号和Stokes信号,最后传送给计算机完成数据处理。
一种基于改进SVD的干式空心电抗器光纤传感降噪方法,包括以下步骤
步骤1:仿真建立数学模型
根据分布式光纤传感机理,参考元器件配置,建立后向散射的数学模型;具体如下:
P(t)=0.5SasvP0Te-αvt
其中S为后向散射系数;αs为后向散射因子;v为光在光纤中的群速度;P0为入射光功率;T为光脉冲宽度;α为传输损耗系数。
步骤2:在后向散射的数学模型中加入不同程度的高斯白噪声,分别计算算法处理前后的信噪比,计算式如下:
其中,SNR代表信噪比,其值越大,代表着去噪效果越好;P(1)为原始信号,P(2)为不同去噪算法处理后的信号,L为信号的长度。
步骤3:利用测温系统采集anti-Stokes信号和Stokes信号求比值,将得到的L信号,重塑成m×n维H矩阵,具体形式为:
其中m≥2,n≥2分别L的公因数,m×n=L。
步骤4,将H矩阵进行SVD分解,得到:
Y=USVT
式中U为m×m的左正交矩阵;V为n×n的右正交矩阵;S为的奇异值对角矩阵。对角元素为X1,X2.....,Xmin(m,n);其中X1、X2.....分别为矩阵Y的奇异值。
将步骤4中的奇异值对角矩阵,保留第一个奇异值,其余的全部置0。
步骤5:将步骤4得到的新的奇异值对角矩阵,与左右奇异值重构。
将重构后的比值数据重塑,代入解调公式获取温度测量曲线。本算法涉及到的解调公式如下:
式中h—普朗克常量,h=6.626×10-34J·s;k—波尔兹曼常量,k=1.38×10-23J/K;Δv—拉曼频移,Δv=13.2THz;K—降噪后的anti-Stokes信号和Stokes信号比值,T0为已知温度。
根据测温的计算结果,利用温度误差指标衡量去噪算法效果,温度误差越小效果越好。具体表示为:
其中Tmax为解调出的最大温度测量结果,Tmin为解调出的最小温度测量结果;N为解调出的全部有效的测量温度数据。
实施例2:参见图1到图10,参见图4,分别表示仿真角度下利用后向散射的是数学模型,得到的温度信号曲线图、加入高斯白噪声后的效果图和改进SVD去噪后的效果图。从三图对比可以看出,本发明涉及算法去噪效果明显。
参见图5,为本发明涉及地改进SVD去噪算法与传统去噪算法对提高仿真测温信号信噪比对比图,其中横坐标表示仿真信号测量原信号的信噪比,三种矩阵分别表示小波硬阈值去噪、小波软阈值去噪以及改进SVD去噪后的信噪比,经过对比可以发现本发明的去噪算法较传统去噪算法有更高的信噪比。
参见图6,以实际温度30℃为例,我们将采集到的anti-Stokes信号和Stokes信号求比值,将其信号长度L重塑为m×n维H矩阵,其中L为200个点。
再将H矩阵进行奇异值分解成左奇异值、奇异值对角阵、右奇异值三个矩阵,将奇异值对角矩阵的第一个奇异值保留,其它的奇异值置0;得到新的奇异值对角矩阵后,与左右奇异矩阵重构得到新的矩阵,再重塑信号,记为降噪后的比值信号,最后带入解调公式得到测温曲线。
同理,我们将采集到的40.0℃、50.0℃和60.0℃的温度曲线分别重复以上工作,得到以下图7、图8、图9三组不同测量对比图。每个图中都有四条线,分别为原始数据、硬阈值去噪、软阈值去噪和改进SVD去噪解调出的温度曲线。
参见图10,为根据误差指标,计算出的几种去噪算法的误差对比图,可以发现在30.0℃、40.0℃、50.0℃和60.0℃条件下,本方法去噪误差分别控制在0.58℃、0.71℃、0.73℃、0.87℃内,且误差小于传统阈值去噪。
Claims (7)
1.一种基于改进SVD的干式空心电抗器光纤传感降噪方法,其特征在于:包括以下步骤:
S0:建立仿真数学模型
根据分布式光纤传感机理,参考元器件配置,建立后向散射的数学模型;在后向散射的数学模型中加入不同程度的高斯白噪声,分别计算降噪算法处理前后的信噪比;
S1:在干式空心电抗器上敷设分布式传感光纤
将光纤使用耐高温型环氧树脂粘贴于电抗器包封表面进行温度实时监测;
S2:采集电抗器温度信号
在实验室现有条件下,采集光纤测温系统中的anti-Stokes信号和Stokes信号,根据双路解调方案,计算anti-Stokes信号和Stokes信号比值,得到温度比值信号;
S3:对温度比值信号进行重塑
将计算得到的比值信号重塑成相应的m×n维矩阵,所述m和n分别表示比值信号L拆成的差值最小的公因数,其中L表示比值信号长度;
S4:对矩阵进行SVD分解
对矩阵进行奇异值分解,得到左奇异矩阵、奇异值对角矩阵和右奇异矩阵。保留奇异值对角矩阵中的第一个奇异值,其余奇异值置0,形成新的奇异值对角矩阵;
S5:重构SVD信号,得到降噪后的温度数据,完成解调获取温度测量结果通过误差分析去噪效果
将左奇异矩阵、右奇异矩阵和步骤S4得到的新的奇异值对角矩阵重构,利用重构信号重塑后代入解调公式得到测温结果;
S6:在客户端设置报警阈值温度
将经过降噪解调后的干式空心电抗器温度数据与客户端设置的阈值温度数据进行比较,当解调温度数据大于阈值温度数据时系统报警,当解调温度数据小于阈值温度数据时系统继续实时监测电抗器状态。
2.根据权利要求1所述的一种基于改进SVD的干式空心电抗器光纤传感降噪方法,其特征在于,步骤S0中后向散射的数学模型具体为:
p(t)=0.5 SαsvP0Te-αvt
式中S为后向散射系数;αs为后向散射因子;v为光在光纤中的群速度;P0为入射光功率;T为光脉冲宽度;α为传输损耗系数。
4.根据权利要求3所述的一种基于改进SVD的干式空心电抗器光纤传感降噪方法,其特点在于:在所述步骤S4中,对H矩阵进行SVD处理后,得到:
Y=USVT
式中U为m×m的左正交矩阵;V为n×n的右正交矩阵;S为的奇异值对角矩阵,对角元素为X1,X2.....,Xmin(m,n);其中X1、X2.....分别为矩阵Y的奇异值。
5.根据权利要求4所述的一种基于改进SVD的干式空心电抗器光纤传感降噪方法,其特点在于:在所述步骤S4中将S奇异值对角矩阵中只保留第一个,其余奇异值置0;S(2:i,2:i)=0其中i=min(m,n)。利用处理后的信号重构,得到降噪后的温度比值曲线,重塑后代入解调公式得到温度曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211059771.9A CN115310304A (zh) | 2022-08-30 | 2022-08-30 | 一种基于改进svd的干式空心电抗器光纤传感降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211059771.9A CN115310304A (zh) | 2022-08-30 | 2022-08-30 | 一种基于改进svd的干式空心电抗器光纤传感降噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115310304A true CN115310304A (zh) | 2022-11-08 |
Family
ID=83864449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211059771.9A Pending CN115310304A (zh) | 2022-08-30 | 2022-08-30 | 一种基于改进svd的干式空心电抗器光纤传感降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310304A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117606643A (zh) * | 2023-11-17 | 2024-02-27 | 中国三峡新能源(集团)股份有限公司 | 分布式光纤测温降噪方法、系统、设备及介质 |
-
2022
- 2022-08-30 CN CN202211059771.9A patent/CN115310304A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117606643A (zh) * | 2023-11-17 | 2024-02-27 | 中国三峡新能源(集团)股份有限公司 | 分布式光纤测温降噪方法、系统、设备及介质 |
CN117606643B (zh) * | 2023-11-17 | 2024-05-31 | 中国三峡新能源(集团)股份有限公司 | 分布式光纤测温降噪方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108955734B (zh) | 一种光纤f-p温度/压力复合传感器的腔长解调方法 | |
CN104101447B (zh) | 分布式光纤温度传感器及消除该传感器非线性误差的方法 | |
Zhang et al. | High-performance Raman distributed temperature sensing powered by deep learning | |
CN103115693A (zh) | 一种分布式光纤拉曼测温系统 | |
CN104111082A (zh) | 一种高精度fbg传感信号寻峰方法 | |
CN104217513A (zh) | 提高相位敏感光时域反射计识别入侵事件准确率的方法 | |
CN115310304A (zh) | 一种基于改进svd的干式空心电抗器光纤传感降噪方法 | |
CN105181152A (zh) | 分布式布里渊散射光谱频移的计算方法 | |
Luo et al. | Enhancing SNR by anisotropic diffusion for Brillouin distributed optical fiber sensors | |
Wang et al. | Robust and fast temperature extraction for Brillouin optical time-domain analyzer by using denoising autoencoder-based deep neural networks | |
CN113358239A (zh) | 一种基于fbg的波长特征识别方法 | |
Wang et al. | A novel deep-learning model for RDTS signal denoising based on down-sampling and convolutional neural network | |
Wu et al. | Monitoring of the transmission line galloping with a novel distributed optical fibre sensor and its statistical data analysis | |
CN109141675B (zh) | 基于二分svd用于分布式光纤测温系统降噪的方法 | |
CN116243108A (zh) | 配网故障点定位方法及系统、设备及介质 | |
CN102927925A (zh) | 基于自适应加权融合算法的倾斜光纤光栅应变测量方法 | |
CN110501092A (zh) | 一种布里渊光纤传感系统温度提取方法 | |
CN117353811B (zh) | 一种电力光通信系统多工况状态监测及分析方法 | |
Wang et al. | RDTS noise reduction: A fast method study based on signal waveform type | |
Lv et al. | A multi-peak detection algorithm for FBG based on WPD-HT | |
CN101344439A (zh) | 一种光纤温度测量装置的构建方法 | |
CN111289142B (zh) | 一种分布式光纤拉曼测温系统信号自适应干扰抵消方法 | |
CN102636287A (zh) | 基于lm谱线拟合算法的布里渊信号频谱高速检测方法 | |
Peng et al. | RETRACTED ARTICLE: Intelligent electrical equipment fiber Bragg grating temperature measurement system | |
CN110274620B (zh) | 一种基于频谱中心对齐的布里渊散射信号去噪方法 |
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 |