一种面向于高压电抗器的空间声场优化布放方法与流程

1.本发明涉及一种面向于高压电抗器的空间声场优化布放方法，属于变电站运行维护技术领域。


背景技术：

2.随着城镇化的扩张和基建工程的推进，已有较多大容量变电站建设在城镇居民区。变电站在日常运行中会产生较大的振动噪声，其中高压电抗器因其靠近变电站围墙，距离居民区较近，对于其噪声降解的研究也显得尤为重要。
3.高压电抗器的噪声主要来源于自身结构中硅钢片伸缩所产生铁心振动，考虑到现行国内电源工频50hz，高压电抗器产生的噪声频率主要为低频噪声。同时，有研究表明，人类长期生活在低频噪声中，会对身心健康有着严重的影响。因此，降低高压电抗器运行噪声势在必行。
4.传统电抗器降噪方法主要为机械结构降噪，在电抗器铁芯内部实现结构优化修正。但不难看出，采用机械机构优化降噪势必会对电抗器的生产成本、更换成本产生较大负担，更重要的是由于电抗器参数结构并不存在同一，因此机械结构降噪难以做到普适性应用。
5.有源降噪将技术通过外界设备产生额外声波，其与高压电抗器声波幅值相同，相位相反，以抵消电抗器产生的空间噪声。次级声源与误差传感器作为有源降噪技术中的主要组成部分，其距电抗器的摆放角度和距离对于降噪效果有着直接影响。正是因为这样，研究有源降噪技术中设备的空间布放优化分析是亟需解决的问题之一。


技术实现要素：

6.本发明的目的在于克服现有技术中的不足，提供一种面向于高压电抗器的空间声场优化布放方法，通过求解高压电抗器的降噪设备优化布放模型，进一步提升对高压电抗器的降噪处理效果。
7.为了达到上述目的，本发明所采用的技术方案是：计及高压电抗器实际运行环境，构建电抗器空间声场布放数学模型；采用禁忌算法强化粒子群算法的搜索能力，实现电抗器空间声场最优布放求解，可有效降低高压电抗器的运行噪声。
8.进一步的，计及高压电抗器实际运行环境，构建电抗器空间声场布放数学模型，具体如下：
9.1)构建初级声源数学模型，即高压电抗器。
10.高压电抗器声源数学模型可以将其简化为球状声源模型，计算公式为：
[0011][0012]
式中，p
p
为高压电抗器的声压；r1为高压电抗器中心至误差传感器的距离；r0为高压电抗器球源模型的半径；θ为球源模型的相角；ρ0为实际场景下空气参数；c0为实际场景下声音传播；k为波数，k＝w/c0。
[0013]
2)构建次级声源数学模型，即有源降噪控制器。
[0014]
有源降噪控制器声源数学模型可等效为点声源模型，计算公式为：
[0015][0016]
式中，ps为有源降噪控制器的声压；r2为有源降噪控制器至误差传感器的距离；qs为有源降噪控制器的声强。
[0017]
3)计算空间辐射功率。
[0018]
计算公式为
[0019][0020]
式中，w
t
为空间总辐射功率；z
pp
为高压电抗器的传输阻抗矩阵；z
ss
为有源降噪控制器的传输阻抗矩阵；z
ps
为初、次级声源的传输阻抗矩阵；q
p
为高压电抗器的声强；qs为有源降噪控制器的声强。
[0021]
4)构建优化布放模型
[0022]
为实现高压电抗器有效降噪，需建立相应的最优降噪计算模型。即，
[0023][0024]
其中
[0025][0026]
式(4)至式(5)中，w0为环境噪声；r
ps
为有源降噪控制器到高压电抗器的距离；r
pe
为误差传感器到高压电抗器的距离；r
ss
为有源降噪控制器之间距离；r
ee
为误差传感器之间距离；r
se
为误差传感器到有源降噪控制器的距离；r
ss-min
和r
ss-max
分别为r
ss
的最小与最大取值范围。
[0027]
进一步的，采用禁忌算法强化粒子群算法的搜索能力，实现电抗器空间声场最优布放求解，具体如下：
[0028]
1)设置优化求解问题的适应函数：
[0029][0030]
2)混合粒子群算法种群初始化
[0031]
3)更新粒子群位置和速度
[0032]vid
＝v
id
c1r1[pbest
id-x
id
] c2r2[gbest
d-x
id
]
ꢀꢀꢀꢀꢀꢀꢀ
(7)
[0033][0034]
式中，v
id
为个体飞行速度；x
id
为个体飞行位置；pbest
id
为局部最优位置；gbestd为全局最优位置；c1和c2为学习因子参数；r1和r2为随机数。
[0035]
4)判断粒子群算法是否进入后期收敛。若是，则进行禁忌搜索优化；若否，继续进行粒子群寻优；
[0036]
5)判断粒子群算法计算的解是否满足特赦准则。若满足，则进行步骤7；若不满足，则进行步骤6；
[0037]
6)判断解的禁忌属性，更新解的禁忌表；
[0038]
7)判断是否满足收敛条件。若是，输出解；若否，返回步骤4.
附图说明
[0039]
图1为次级声源和误差传感器的布放图；
[0040]
图2为基于禁忌算法优化粒子群算法流程图；
[0041]
图3为基于禁忌算法优化粒子群算法收敛曲线图；
具体实施方式
[0042]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0043]
图1为次级声源和误差传感器的布放示意图，本发明对图中各类设备依次建立数学模型，最终构建优化布放模型。具体如下：
[0044]
1)构建初级声源数学模型，即高压电抗器。
[0045]
高压电抗器声源数学模型可以将其简化为球状声源模型，计算公式为：
[0046][0047]
式中，p
p
为高压电抗器的声压；r1为高压电抗器中心至误差传感器的距离；r0为高压电抗器球源模型的半径；θ为球源模型的相角；ρ0为实际场景下空气参数；c0为实际场景下声音传播；k为波数，k＝w/c0。
[0048]
2)构建次级声源数学模型，即有源降噪控制器。
[0049]
有源降噪控制器声源数学模型可等效为点声源模型，计算公式为：
[0050][0051]
式中，ps为有源降噪控制器的声压；r2为有源降噪控制器至误差传感器的距离；qs为有源降噪控制器的声强。
[0052]
3)计算空间辐射功率。
[0053]
计算公式为
[0054][0055]
式中，w
t
为空间总辐射功率；z
pp
为高压电抗器的传输阻抗矩阵；z
ss
为有源降噪控制器的传输阻抗矩阵；z
ps
为初、次级声源的传输阻抗矩阵；q
p
为高压电抗器的声强；qs为有源降噪控制器的声强。
[0056]
4)构建优化布放模型
[0057]
为实现高压电抗器有效降噪，需建立相应的最优降噪计算模型。即，
[0058][0059]
其中
[0060][0061]
式(4)至式(5)中，w0为环境噪声；r
ps
为有源降噪控制器到高压电抗器的距离；r
pe
为误差传感器到高压电抗器的距离；r
ss
为有源降噪控制器之间距离；r
ee
为误差传感器之间距离；r
se
为误差传感器到有源降噪控制器的距离；r
ss-min
和r
ss-max
分别为r
ss
的最小与最大取值范围。
[0062]
图2为基于禁忌算法优化粒子群算法流程图，采用禁忌算法强化粒子群算法的搜索能力，实现电抗器空间声场最优布放求解，具体如下：
[0063]
步骤1：设置优化求解问题的适应函数：
[0064][0065]
步骤2：混合粒子群算法种群初始化
[0066]
步骤3：更新粒子群位置和速度
[0067]vid
＝v
id
c1r1[pbest
id-x
id
] c2r2[gbest
d-x
id
](7)
[0068][0069]
式中，v
id
为个体飞行速度；x
id
为个体飞行位置；pbest
id
为局部最优位置；gbestd为全局最优位置；c1和c2为学习因子参数；r1和r2为随机数。
[0070]
步骤4：判断粒子群算法是否进入后期收敛。若是，则进行禁忌搜索优化；若否，继
续进行粒子群寻优；
[0071]
步骤5：判断粒子群算法计算的解是否满足特赦准则。若满足，则进行步骤7；若不满足，则进行步骤6；
[0072]
步骤6：判断解的禁忌属性，更新解的禁忌表；
[0073]
步骤7：判断是否满足收敛条件。若是，输出解；若否，返回步骤4.
[0074]
为检验本文方法的有效性，对华北地区某220kv变电站的1号主变a相高压电抗器，独立随机地进行了10次仿真实验。
[0075]
如图3所示，单次最差、单次最优和10次平均收敛曲线，3条收敛曲线几乎一致，说明基于禁忌算法优化粒子群算法的稳定性较强，提高了收敛到最优解的速度，最差收敛情况下只需迭代14次即得到最优值。
[0076]
仿真实验得到的系统降噪量见表1。
[0077]
表1基于禁忌算法优化粒子群算法优化结果
[0078][0079][0080]
由表1得，算法粒子可有效收敛到最优解(79.58
°
，24.11
°
)和(80.09
°
，155.72
°
)，系统理想降噪量为3.912db，在此方案下布放降噪相关设备可有效提升噪声处理效果。
[0081]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。