[发明专利]一种变压器本体噪声与冷却装置噪声分离方法和系统

权利要求书

1.一种变压器本体噪声与冷却装置噪声分离方法，其特征在于，包括：

采集待分析的含噪变压器的噪声信号；

对所述噪声信号进行归一化处理得到归一化后的噪声信号；

对所述归一化后的噪声信号进行分段处理得到分段噪声信号；

将所述分段噪声信号输入至变压器噪声信号计算模型得到变压器噪声信号；所述变压器噪声信号计算模型为基于稀疏神经网络构建的计算模型；

对所述变压器噪声信号进行归一化处理得到归一化后的变压器噪声信号；

基于所述归一化后的变压器噪声信号得到变压器的本体噪声信号；

基于所述变压器的本体噪声信号和所述噪声信号得到变压器的冷却装置噪声信号。

2.根据权利要求1所述的变压器本体噪声与冷却装置噪声分离方法，其特征在于，所述变压器噪声信号计算模型的构建过程为：

确定稀疏神经网络的网络结构和参数；所述稀疏神经网络的网络结构包括：输入层、隐含层和输出层；所述输入层通过第一连接权矩阵和第一偏置向量连接到所述隐含层；所述隐含层通过第二连接权矩阵和第二偏置向量连接到输出层；所述稀疏神经网络的参数包括：输入层节点数、输出层节点数、隐含层节点数、稀疏性惩罚项权重、稀疏参数和正则化项系数；

初始化所述第一连接权矩阵、所述第一偏置向量、所述第二连接权矩阵和所述第二偏置向量，且使所述第一连接权矩阵与所述第二连接权矩阵的转置矩阵相等，得到初始稀疏神经网络；

采用训练样本集作为所述初始稀疏神经网络的输入和期望输出，以确定所述初始稀疏神经网络的隐含层状态、输出状态和损失函数；

采用梯度下降法更新初始化后的所述第一连接权矩阵、所述第一偏置向量、所述第二连接权矩阵和所述第二偏置向量；

返回步骤“采用训练样本集作为所述初始稀疏神经网络的输入和期望输出，以确定所述初始稀疏神经网络的隐含层状态、输出状态和损失函数”直至满足收敛条件后，形成所述变压器噪声信号计算模型。

3.根据权利要求2所述的变压器本体噪声与冷却装置噪声分离方法，其特征在于，所述训练样本集的构建过程为：

基于预设采样频率和预设采集时间采集运行中的变压器的噪声信号；

对采集到的运行中的变压器的噪声信号进行傅里叶变换，得到变压器噪声信号的频谱分布；

根据变压器噪声信号的频谱分布设计带通滤波器组；

将运行中的变压器的噪声信号输入至设计好的带通滤波器组得到滤波后的变压器噪声信号；

对滤波后的变压器噪声信号进行归一化处理得到对所述第二变压器噪声信号进行分段处理得到分段信号；

基于所述分段信号和采集的运行中的变压器的噪声信号形成训练样本集。

4.根据权利要求3所述的变压器本体噪声与冷却装置噪声分离方法，其特征在于，所述带通滤波器组包括多个带通滤波器；所述带通滤波器组中的带通滤波器的中心频率为预设中心频率的整数倍。

5.根据权利要求4所述的变压器本体噪声与冷却装置噪声分离方法，其特征在于，所述预设中心频率为50Hz。

6.根据权利要求3所述的变压器本体噪声与冷却装置噪声分离方法，其特征在于，所述预设采样频率不小于10kHz。

7.根据权利要求3所述的变压器本体噪声与冷却装置噪声分离方法，其特征在于，所述预设采集时间不小于10s。