一种配电变压器的信号处理方法及设备与流程
本申请属于信号处理,更具体地说,是涉及一种配电变压器的信号处理方法及设备。
背景技术:
1、配电变压器在运行过程中产生的噪声信号是评估其运行状态的重要依据,然而实际采集的噪声信号中往往混杂有环境干扰等成分,需要进行有效的降噪处理以提升信号质量。小波神经网络融合了小波变换的多分辨率分析能力与神经网络的非线性映射能力,适用于对变压器噪声这类非平稳信号进行建模和降噪。在实际应用中,由于配电变压器的运行工况会随负载波动而持续变化,其噪声特性也随之发生改变,导致预先训练的小波神经网络模型的建模精度随运行时间的推移而逐渐下降,难以持续保持理想的降噪效果。现有技术中,通常采用固定参数的优化算法对神经网络模型进行周期性重新训练,以恢复模型的降噪性能,但这种方式存在明显缺陷:一方面,固定参数的优化算法无法适应不同负载工况下噪声特性复杂程度的差异,在工况简单时造成计算资源浪费,在工况复杂时又难以保证优化精度;另一方面,每次均执行全局优化的策略计算开销过大,无法满足配电变压器在线监测场景下的实时性要求。
技术实现思路
1、本申请实施例的目的旨在提供一种能够满足配电变压器在线监测场景下的实时性要求的一种配电变压器的信号处理方法及设备。为了实现上述目的,本申请实施例提供的技术方案如下:
2、第一方面,提供了一种配电变压器的信号处理方法,包括:
3、获取配电变压器在运行过程中的实际噪声信号和负载电流信号;
4、基于实际噪声信号,并通过当前的小波神经网络模型,得到模型噪声信号;
5、基于实际噪声信号与模型噪声信号之间的差值,得到残余噪声信号;
6、计算残余噪声信号的幅值绝对值,将幅值绝对值与预设的优化触发阈值进行比较;
7、若幅值绝对值大于或等于优化触发阈值,则基于负载电流信号确定配电变压器的当前负载工况类型,并基于幅值绝对值和当前负载工况类型确定遗传算法的种群规模和交叉概率;
8、基于种群规模和交叉概率,并通过遗传算法对当前的小波神经网络模型的网络参数进行全局优化,得到优化后的小波神经网络模型,并将优化后的小波神经网络模型作为更新后的当前的小波神经网络模型;
9、基于更新后的当前的小波神经网络模型对实际噪声信号进行降噪处理,得到降噪后的变压器噪声信号;
10、若幅值绝对值小于优化触发阈值,则基于当前的小波神经网络模型对实际噪声信号进行降噪处理,得到降噪后的变压器噪声信号。
11、第二方面,提供了一种配电变压器的信号处理装置,包括:
12、信号采集模块,用于获取配电变压器在运行过程中的实际噪声信号和负载电流信号;
13、模型输出模块,用于基于实际噪声信号,并通过当前的小波神经网络模型,得到模型噪声信号;
14、残差计算模块,用于基于实际噪声信号与模型噪声信号之间的差值,得到残余噪声信号;
15、比较模块,用于计算残余噪声信号的幅值绝对值,将幅值绝对值与预设的优化触发阈值进行比较;
16、参数确定模块,用于若幅值绝对值大于或等于优化触发阈值,则基于负载电流信号确定配电变压器的当前负载工况类型,并基于幅值绝对值和当前负载工况类型确定遗传算法的种群规模和交叉概率;
17、模型更新模块,用于基于种群规模和交叉概率,并通过遗传算法对当前的小波神经网络模型的网络参数进行全局优化,得到优化后的小波神经网络模型,并将优化后的小波神经网络模型作为更新后的当前的小波神经网络模型;
18、第一降噪模块,用于基于更新后的当前的小波神经网络模型对实际噪声信号进行降噪处理,得到降噪后的变压器噪声信号;
19、第二降噪模块,用于若幅值绝对值小于优化触发阈值,则基于当前的小波神经网络模型对实际噪声信号进行降噪处理,得到降噪后的变压器噪声信号。
20、第三方面,本申请实施例还提供了一种电子设备,该电子设备包括存储器和处理器,存储器中存储有计算机程序,处理器执行该计算机程序以实现第一方面任一可能的实现方式所提供的一种配电变压器的信号处理方法。
21、第四方面,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有计算机程序,该计算机程序被处理器执行时实现第一方面任一可能的实现方式所提供的一种配电变压器的信号处理方法。
22、本申请实施例提供的技术方案带来的有益效果如下:
23、本申请实施例提供的一种配电变压器的信号处理方法及设备,与相关技术相比,本申请实施例通过计算残余噪声信号的幅值绝对值并与优化触发阈值进行比较,在幅值绝对值大于或等于阈值时,基于负载电流信号确定当前负载工况类型,结合幅值绝对值和工况类型自适应确定遗传算法的种群规模和交叉概率,进而对小波神经网络模型进行全局优化;在幅值绝对值小于阈值时直接利用当前模型进行降噪处理。本申请实施例通过引入优化触发机制,避免了每次信号处理均执行遗传算法全局优化所带来的巨大计算开销,同时基于负载工况类型与残余噪声幅值的双维度联合决策,使遗传算法参数能够精确匹配当前工况的复杂程度,在模型精度下降时及时触发自适应优化,最终实现了计算效率与降噪精度的动态平衡,满足了配电变压器在线监测场景下的实时性要求。
1.一种配电变压器的信号处理方法,其特征在于,包括:
2.如权利要求1所述的一种配电变压器的信号处理方法,其特征在于,在所述获取配电变压器在运行过程中的实际噪声信号和负载电流信号之前,还包括:
3.如权利要求2所述的一种配电变压器的信号处理方法,其特征在于,所述以所述小波系数作为输入数据,构建包含输入层、隐含层和输出层的小波神经网络初始模型,包括:
4.如权利要求1所述的一种配电变压器的信号处理方法,其特征在于,所述基于所述负载电流信号确定所述配电变压器的当前负载工况类型,包括:
5.如权利要求4所述的一种配电变压器的信号处理方法,其特征在于,所述基于所述幅值绝对值和所述当前负载工况类型确定遗传算法的种群规模和交叉概率,包括:
6.如权利要求1所述的一种配电变压器的信号处理方法,其特征在于,基于所述种群规模和所述交叉概率,并通过所述遗传算法对所述当前的小波神经网络模型的网络参数进行全局优化,得到优化后的小波神经网络模型,包括:
7.如权利要求1所述的一种配电变压器的信号处理方法,其特征在于,基于所述更新后的当前的小波神经网络模型对所述实际噪声信号进行降噪处理,得到降噪后的变压器噪声信号,包括:
8.一种配电变压器的信号处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器在运行所述计算机程序时执行权利要求1至7任一项所述的一种配电变压器的信号处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的一种配电变压器的信号处理方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com