基于麦克风阵列的目标电抗器噪声提取与分离技术研究

特高压变电站内声源种类众多、声环境复杂，给基于声信号的特高压并联电抗器状态评估与故障检测带来了巨大挑战。为解决这一问题，本文提出了一种基于麦克风阵列的目标电抗器噪声提取与分离技术，用于提取目标电抗器本体的声信号，首先通过一种基于掩蔽的波束形成算法分离目标电抗器非同向噪声，然后通过欠定盲源分离算法分离目标电抗器同向噪声，实现了变电站内复杂噪声的有效分离。通过在屏蔽室内设置验证性试验，证明本方法的误差率小于10%,满足工程应用的需要。本方法的提出解决了变电站内现场噪声分离提取的困难，对于特高压并联电抗器的故障诊断具有积极意义。     

气隙结构对特高压并联电抗器铁芯振动的影响

以气隙个数和气隙位置对特高压并联电抗器铁芯振动的影响为主要研究对象,在分析特高压并联电抗器铁芯振动机制的基础上,指出了麦克斯韦力和磁致伸缩力的矢量和是影响铁芯振动强度的主要原因;系统分析了铁芯气隙可能存在的结构型式,搭建了具有不同气隙个数和气隙位置的特高压并联电抗器铁芯的真型仿真模型,并采用多物理场有限元仿真计算的方法,得到了气隙结构对特高压并联电抗器铁芯振动的影响规律。研究结果表明,在研究范围内(气隙个数为15~25),特高压并联电抗器铁芯气隙个数越少则振动强度越弱;气隙位置越靠近底轭则振动越强,越靠近铁芯柱3/4高度中心则振动越弱。在此基础上提出一种特高压并联电抗器铁芯减振设计方案,与现有铁芯设计方案相比该方案能够使铁芯振动位移均方根减小18.925%。     

基于欠定盲源分离理论与深度学习的声音样本集获取与分类方法

针对现有盲源分离算法在单一传感器条件下分类精度不足的问题,首先提出了一种K-DPC聚类新型欠定盲源分离算法,得到了混合噪声信号中的各声源信号分量,构建了独立声源信号库;借助k-UBSS算法中的混合估计矩阵,提出了一种利用独立声源信号库获得大量混合时频谱图的方法,最后分别通过VGGNet-16和Res Net-50模型进行训练,实现了混合声音信号的分类。对比测试结果表明:k-UBSS算法的偏角差均小于2,归一化均方误差达-38. 372,较现有K-means和DPC算法的精度有很高提升,VGGNet-16和Res Net-50分类准确率分别可达到93. 75%和99. 2%。仿真结果验证了K-UBSS算法的准确性,以及混合时频谱图获取方法的可行性,实现了单一传感器下源声音信号的快速分类。采用该算法能有效解决深度学习时样本不足的问题,并对噪声采集和治理具有重要意义。     

基于气隙结构的特高压并联电抗器铁芯减振技术

为解决多气隙的特高压并联电抗器振动极易超标的问题,该文基于气隙结构的差异性设计研究,提出了含多气隙的特高压并联电抗器减振优化设计方案.首先分析了特高压并联电抗器铁芯的振动机制,指出麦克斯韦力和磁致伸缩力的矢量和是影响铁芯振动强度的主要原因.然后通过调节铁芯气隙长度的排布方式,搭建了一系列具有不同气隙结构的特高压并联电抗器铁芯真型仿真模型,并采用多物理场有限元仿真计算的方法,系统性地研究了气隙结构对特高压并联电抗器铁芯振动的影响规律.研究结果表明:铁芯气隙结构的变化会影响麦克斯韦力和磁致伸缩力的大小和作用位置,并改变铁芯的表面应力分布,进而影响铁芯的振动强度.最后,为现有特高压并联电抗器的铁芯设计提供了基于气隙长度差异性排布的减振方案.该文提出的基于气隙结构的特高压并联电抗器铁芯减振技术能够使铁芯振动位移均方根值减小5.881％.在不提高特高压并联电抗器生产成本的前提下,可以有效缓解其振动超标问题.