基于稀疏自动编码器的特高压变压器可听噪声分析

发布时间：2021-09-04 11:56

　　作为特高压交流变电站内的主要噪声源之一,运行中的特高压变压器的本体噪声、冷却装置噪声及环境噪声等相互混叠,给准确分析特高压变压器的噪声特性带来不利影响。文中依据某1 000 kV交流变电站特高压变压器的噪声测试结果,通过设计阻带滤波器和合理选取稀疏自动编码器的关键参数如隐层节点数、稀疏参数等,提出了一种综合阻带滤波器和稀疏自动编码器的特高压变压器本体噪声提取方法,对比分析了特高压变压器噪声信号分离前后的频谱瀑布图。结果表明:特高压变压器的本体噪声主要集中在100、200、300 Hz分量,经所构建的稀疏自编码器网络提取的特高压变压器本体噪声的时域更为平稳,频域分辨率更高。研究结果可为特高压变电站变压器的可听噪声分析评估提供参考。 

【文章来源】：高压电器. 2020,56(09)北大核心CSCD

【文章页数】：8 页

【部分图文】：

变压器噪声测量布点示意图

自动编码器(auto-encoder,AE)是基于神经网络的特征表达网络，为3层神经网络结构，包括编码器和解码器两部分，其中，编码器完成从输入信号到输出表征的映射转换，解码器实现输出表征逆向映射回输入空间，获取重构输入，其结构示意图见图3[19-20]。图3中：[x1,x2,?,xn]、[h1,h2,?,hm]和[y1,y2,?,yn]分别为AE的输入层、隐含层和输出层神经元；n和m为神经元的个数；Wm×n和bm×1分别为编码过程的权值矩阵和偏置向量；W′n×m和b′n×1为解码过程的权重矩阵和偏置向量。对于p个输入样本X=[x(1),x(2),?,x(p)]，所对应的编码器输出H=[h(1),h(2),?,h(p)]及解码重构输出Y=[y(1),y(2),?,y(p)]分别为：

式(1)-(2)中：θ={W,b}和θ′={W′,b′}均为模型参数；s为Sigmoid激活函数，其表达式为一般情况下，重构输出Y不是输入样本X的精确重构，只是在满足一定分布的条件概率下最大程度地接近X，即为Y≈X，故AE的训练过程就是最小化重构误差函数J的过程，其表达式为

【参考文献】：
期刊论文
[1]一种基于稀疏自编码器的电机故障诊断方法[J]. 王黎阳,杜翀,汪欣,翟旭平.  噪声与振动控制. 2019(05)
[2]750 kV变电站噪声测量与特性分析[J]. 王莹,孙海涛,薛彦登,易航,成育红,马江涛.  西安工程大学学报. 2019(05)
[3]基于降噪自编码器的水声信号增强研究[J]. 殷敬伟,罗五雄,李理,韩笑,郭龙祥,王建峰.  通信学报. 2019(10)
[4]Robust and Efficient Data Transmission over Noisy Communication Channels Using Stacked and Denoising Autoencoders[J]. Faisal Nadeem Khan,Alan Pak Tao Lau.  中国通信. 2019(08)
[5]500kV变电站噪声源强迭算与预测方法优化[J]. 严青,何清怀,曾媛,陈笠.  广东电力. 2018(12)
[6]110kV户外变电站噪声污染分析与治理方案[J]. 刘辉,尹建光,张国英,张永,谢连科,纪雅芳,刘跟生,安树怀.  广东电力. 2018(12)
[7]特高压变压器可听噪声声功率现场测量技术研究[J]. 徐征宇,李金忠,张书琦,陆益民,陈品,魏浩征,李志远.  高压电器. 2018(09)
[8]变压器绕组振动监测技术研究综述[J]. 王丰华,胡徐铭,钱勇,陈沛龙,马晓红.  广东电力. 2018(08)
[9]基于偶极等效声源的特高压变压器有源降噪方法研究[J]. 李彩莲,刘国强,陈海燕,张超,夏正武.  电工技术学报. 2018(S1)
[10]FVBLMS算法在变压器有源噪声控制中的应用[J]. 王晋伟,应黎明,杨鹏,王国栋,王东晖.  高电压技术. 2018(04)



本文编号：3383218