【技术实现步骤摘要】
本申请涉及噪声数据处理，具体涉及一种磁控电抗器振动噪声数据处理方法。
技术介绍
1、磁控电抗器工作时在控制绕组通入直流电流，以直流磁通对交流磁通的助磁作用来改变铁芯的磁饱和程度，进而改变电抗器的电感，为电力系统提供连续的无功功率。交直流共同激励的工作方式和铁芯结构的特殊性使得磁控电抗器的振动噪声问题比较严重。由电抗器铁芯块、垫块组成的系统的固有频率如果与电源的激励频率相同或相近时，将会引起系统的共振。在设备运行过程中会产生较大的噪声和振动，给电抗器甚至电力系统造成危害。随着我国远距离大容量电网的不断发展，其运行的安全性和稳定性对整个电力系统的稳定运行具有重要意义。
2、现有电抗器振动噪声数据处理方法通常采用对采集的振动数据进行分频段分析，通过信号能量计算出特征函数，将特征函数与参考数下的标准函数进行比较，若二者的偏差大于设定阈值则进行后续处理。磁控电抗器的噪声受控制绕组通入直流电流的大小影响，不同材料产生的磁致伸缩效应也不同，导致振动噪声特征不同。因此，仅与单一标准函数比较来处理数据存在对噪声异常过于敏感的缺陷。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种磁控电抗器振动噪声数据处理方法，以解决现有的问题。
2、本专利技术的一种磁控电抗器振动噪声数据处理方法采用如下技术方案：
3、本专利技术一个实施例提供了一种磁控电抗器振动噪声数据处理方法，该方法包括以下步骤：
4、采集磁控电抗器各时间段的振动数据和电流数据，将各时间段
5、基于振动数据的数据分布得到各周期；根据周期内的最值分布构建周期的起伏量；根据起伏量以及周期长度构建周期的起伏平均系数；根据当前时间段内各周期的起伏平均系数构建起伏平均序列；根据起伏平均序列的数据分布得到当前时间段的紊乱系数；
6、采用序列分解算法得到振动数据的各pr分量；根据各pr分量的数据差异得到当前时间段的趋势系数；将紊乱系数与趋势系数的乘积作为当前时间段的走势稳态指数；根据走势稳态系数以及邻近的电流数据构建当前时间段的走势稳态激励系数；
7、基于当前时间段以及前n个时间段的走势稳态激励系数采用神经网络对振动数据进行去噪。
8、优选的，所述基于振动数据的数据分布得到各周期，包括：
9、将当前时间段的振动数据进行曲线拟合得到当前时间段的振动曲线，将振动曲线一阶导数为0的点记为起伏点；
10、将振动曲线二阶导数大于0的起伏点记为高值点，将当前时间段内振动数据的所有高值点组成高值点序列；将振动曲线二阶导数小于0的起伏点记为低值点，将当前时间段内振动数据的所有低值点组成低值点序列；
11、将低值点序列中任意两个低值点之间的数据组成一个周期，所述周期内包含有两个低值点、一个高值点。
12、优选的，所述根据周期内的最值分布构建周期的起伏量，包括：
13、获取周期内的高值点和两个低值点；分别计算高值点与两个低值点的差值，将两个差值的平均值作为周期的起伏量。
14、优选的，所述根据起伏量以及周期长度构建周期的起伏平均系数，包括：
15、获取周期内两个低值点之间的时序距离；将起伏量与所述时序距离的比值作为周期的起伏平均系数。
16、优选的，所述根据当前时间段内各周期的起伏平均系数构建起伏平均序列，具体为将当前时间段内振动数据在各周期的起伏平均系数按照时间顺序组成当前时间段振动数据的起伏平均序列。
17、优选的，所述根据起伏平均序列的数据分布得到当前时间段的紊乱系数，包括：
18、获取当前时间段的起伏平均序列中的最大值、极差以及标准差；将所述标准差的相反数作为以自然常数为底数的指数函数的指数；
19、将所述最大值分别与起伏平均序列中各数据的差值记为各数据的第一差值，将所述第一差值与所述极差的乘积结果除以所述指数函数的计算结果得到各数据的第一比值；将当前时间段的起伏平均序列中所有数据的所述第一比值的均值作为当前时间段的走势稳态指数。
20、优选的，所述采用序列分解算法得到振动数据的各pr分量，包括：
21、将振动数据进行曲线拟合后的振动曲线作为固有时间尺度分解算法的输入，输出各pr分量。
22、优选的，所述根据各pr分量的数据差异得到当前时间段的趋势系数，包括：
23、对于当前时间段的各pr分量各数据点，计算数据点与其所属pr分量所有数据点平均值之间的差值绝对值，将所有pr分量所有数据点的所述差值绝对值的均值作为当前时间段的趋势系数。
24、优选的，所述根据走势稳态系数以及邻近的电流数据构建当前时间段的走势稳态激励系数，包括：
25、对于当前时间段的各邻近时间段，分别计算当前时间段的电流数据均值与各邻近时间段的电流数据均值的差值，将所述差值作为以自然常数为底数的指数函数的指数；
26、计算所有邻近时间段的所述指数函数的计算结果的均值，将所述均值乘以当前时间段的走势稳态系数得到当前时间段的走势稳态激励系数。
27、优选的，所述基于当前时间段以及前n个时间段的走势稳态激励系数采用神经网络对振动数据进行去噪，包括：
28、将当前时间段以及前n个时间段的走势稳态激励系数组成当前时间段的走势序列，将当前时间段的走势序列、振动数据作为lstm神经网络的输入，采用交叉熵损失函数以及adam训练优化器进行训练，得到当前时间段去噪后的振动数据。
29、本专利技术至少具有如下有益效果：
30、本专利技术通过对磁控电抗器的振动数据进行分析，构建振动数据周期性的起伏平均系数，有助于识别电抗器夹件、绕组的振动、和气隙附近空气振动对磁控电抗器的振动产生的影响；同时，根据振动数据在不同频率下的特征信号，将不同特征信号的特点进行放大，结合起伏平均系数的分布特点，构建各时间段的走势稳态系数，有利于识别铁芯受磁致伸缩效应影响产生的噪声数据；
31、接着，本专利技术结合距离当前时间的前一段时间的电流数据的变化差异，构建时间段的走势稳态激励系数，将距离当前时间的前一段时间的原始振动数据和走势稳态激励系数输入到神经网络，用于判断数据噪声，弥补了现有检测方法仅与单一标准函数比较来处理数据，存在对噪声异常过于敏感的缺陷。
本文档来自技高网...【技术保护点】
1.一种磁控电抗器振动噪声数据处理方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述基于振动数据的数据分布得到各周期，包括：
3.如权利要求2所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据周期内的最值分布构建周期的起伏量，包括：
4.如权利要求3所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据起伏量以及周期长度构建周期的起伏平均系数，包括：
5.如权利要求4所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据当前时间段内各周期的起伏平均系数构建起伏平均序列，具体为将当前时间段内振动数据在各周期的起伏平均系数按照时间顺序组成当前时间段振动数据的起伏平均序列。
6.如权利要求5所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据起伏平均序列的数据分布得到当前时间段的紊乱系数，包括：
7.如权利要求2所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述采用序列分解算法得到振动数据的各PR分量，包括
8.如权利要求7所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据各PR分量的数据差异得到当前时间段的趋势系数，包括：
9.如权利要求1所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据走势稳态系数以及邻近的电流数据构建当前时间段的走势稳态激励系数，包括：
10.如权利要求9所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述基于当前时间段以及前N个时间段的走势稳态激励系数采用神经网络对振动数据进行去噪，包括：
...【技术特征摘要】
1.一种磁控电抗器振动噪声数据处理方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述基于振动数据的数据分布得到各周期，包括：
3.如权利要求2所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据周期内的最值分布构建周期的起伏量，包括：
4.如权利要求3所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据起伏量以及周期长度构建周期的起伏平均系数，包括：
5.如权利要求4所述的一种磁控电抗器振动噪声数据处理方法，其特征在于，所述根据当前时间段内各周期的起伏平均系数构建起伏平均序列，具体为将当前时间段内振动数据在各周期的起伏平均系数按照时间顺序组成当前时间段振动数据的起伏平均序列。
6.如权利要...
【专利技术属性】
技术研发人员：张慧，邹俊峰，徐慧虹，王谦，连振东，王湘成，杨富文，何建伟，
申请(专利权)人：杭州银湖电气设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。