[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

说明书

本发明涉及一种变压器本体噪声与冷却装置噪声分离方法。该方法在采集待分析的含噪变压器的噪声信号后，对其进行归一化处理得到归一化后的噪声信号，再对归一化后的噪声信号进行分段处理，将分段噪声信号输入至基于稀疏神经网络构建的变压器噪声信号计算模型得到变压器噪声信号，然后，对变压器噪声信号进行归一化处理后，基于归一化后的变压器噪声信号得到变压器的本体噪声信号，最后，基于变压器的本体噪声信号和噪声信号得到变压器的冷却装置噪声信号，进而实现本体噪声信号与冷却装置噪声信号的精确分离。

技术领域

本发明涉及噪声分离领域，特别是涉及一种变压器本体噪声与冷却装置噪声分离方法和系统。

背景技术

随着全球能源互联需求的日益增长、城镇化建设加剧以及人们环保意识的普遍增强，变电站的噪声问题日益突出，已逐渐成为输电工程环境影响的重要评估内容。变压器是交流输电工程的关键设备之一，也是变电站内的主要噪声来源之一，主要由本体噪声和冷却装置噪声两部分组成。相应地，准确分析和评估变电站内主要噪声源如变压器等的噪声水平，对变电站的设计、噪声控制及工程选址等都具有较大的指导意义和工程应用价值。此外，运行中的变压器的噪声由本体振动、冷却装置等的机械结构振动经空气传播形成，与其机械结构的改变密切相关，且这些运行中的变压器噪声信号可经麦克风传感器方便获取，隶属于非接触式测试模式，现场实施方便。相应地，基于声音的电力变压器异响监测分析已逐渐成为电力设备智能运维的重要组成部分，对确保电力变压器安全可靠运行意义重大。

变电站现场的电力变压器主要包括本体、及冷却风机、储油柜、钢结构支架等诸多附件，而冷却风机等冷却装置的开启及环境噪声的存在给准确掌握变压器本体的噪声水平带来了困难。考虑到冷却装置的噪声是影响电力变压器本体噪声分析评估的主要因素，且主要为50Hz分量以下的低频分量及其这些低频分量的倍频，现有研究大都从变压器噪声信号的频谱分析入手获取变压器的本体噪声。然而，这些研究在分离电力变压器的本体噪声信号时多直接应用梳状滤波器的方法，一方面会因滤波器阶数过高而导致严重的时域延迟效应，另一方面也会造成分离出的本体噪声能量损失过多，降低了噪声分离的准确性，从而影响变压器及变电站的噪声环评、噪声治理以及变压器运行状态的准确分析。

发明内容

为解决现有技术存在的上述问题，本发明提供了一种变压器本体噪声与冷却装置噪声分离方法和系统。

为实现上述目的，本发明提供了如下方案：

一种变压器本体噪声与冷却装置噪声分离方法，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。

优选地，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；