一种变压器噪声主动降噪控制方法、系统、设备及介质与流程
- 国知局
- 2024-06-21 11:26:22
本发明涉及一种适用于在变电站开放式或大型封闭式空间的变压器噪声主动降噪控制方法、系统、设备及介质,属于变压器降噪。
背景技术:
1、随着国家经济的发展壮大,电力行业的噪音问题逐步凸显。近些年来城市化进程大幅提升,城市用电量日益增长,这也导致城市内部35kv及以上变压器的数量逐渐增加。由于城区建设的不断扩张以及城市电网的密集程度增加,变电站不可避免地开始出现在居民居住区附近。由此变压器噪声对人们的正常生活和工作产生了更为严重的影响,噪声的控制刻不容缓。由于变压器噪声以50hz~400hz低频分量为主,以隔音棉为代表的无源被动降噪方式效果受限,因此主动降噪成为可行性最高的解决方案之一。
2、然而变压器所处空间具有特殊性,常见的变压器专业设计方案为变压器放置于开放式空间直接暴露于空气中,或者变压器放置于大型封闭空间室内。与耳机类产品主动降噪所面临的耳廓固定形式截然不同,该类特殊空间需要应对复杂的声学折反射,同时容易受到各类其他噪声的影响。现有的主动降噪方案依赖于自适应控制算法的迭代调整,传统算法容易出现收敛速度慢、收敛性差等大幅影响降噪效果的缺陷,急需开发新的主动降噪方法。
技术实现思路
1、为了解决上述现有技术中存在的问题,本发明提出了一种变压器噪声主动降噪控制方法、系统、设备及介质。
2、本发明的技术方案如下:
3、一方面,本发明提出一种变压器噪声主动降噪控制方法,包括以下步骤:
4、采集目标变压器的历史噪声信号;
5、对历史噪声信号的时间序列进行分解,采用中心化移动平均的方法从历史噪声信号的时间序列中分解出趋势分量,并对趋势分量进行降噪;从分解出趋势分量的时间序列中利用相同频率下的平均值分解出周期分量;将分解出趋势分量和周期分量的剩余分量作为随机分量;
6、建立基于机器学习算法的时间序列预测模型,将目标变压器的历史噪声信号的时间序列去除随机分量后的数据作为训练样本,对时间序列预测模型进行训练,得到训练好的目标变压器噪声预测模型;
7、采集目标变压器的实时噪声信号序列数据,输入至训练好的目标变压器噪声预测模型,输出未来时刻目标变压器的预测噪声信号;
8、生成与预测噪声信号波形相位相反的反相波形,并基于反相波形产生反相声波抵消目标变压器产生的噪声。
9、作为优选实施方式,在产生反相声波抵消目标变压器产生的噪声之后,还包括一反馈调节步骤,具体为:
10、监听抵消噪声后的环境声音信号,以该环境声音信号为基础,调整反相声波的输出相位。
11、作为优选实施方式,所述机器学习算法采用线性回归算法、决策树算法、支持向量机、lstm网络模型中的任意一种。
12、作为优选实施方式,所述时间序列预测模型在建立过程中,通过网格搜索和交叉验证的方来确定模型的超参数。
13、另一方面,本发明还提供一种变压器噪声主动降噪控制系统,包括:
14、参考传声器,用于采集目标变压器的历史噪声信号以及实时噪声信号;
15、数据采集卡,用于将参考传声器采集到的信号传输至计算机进行保存;
16、计算机,用于对历史噪声信号的时间序列进行分解,采用中心化移动平均的方法从历史噪声信号的时间序列中分解出趋势分量,并对趋势分量进行降噪;从分解出趋势分量的时间序列中利用相同频率下的平均值分解出周期分量;将分解出趋势分量和周期分量的剩余分量作为随机分量;并建立基于机器学习算法的时间序列预测模型,将目标变压器的历史噪声信号的时间序列去除随机分量后的数据作为训练样本,对时间序列预测模型进行训练,得到训练好的目标变压器噪声预测模型;将目标变压器的实时噪声信号序列数据,输入至训练好的目标变压器噪声预测模型,输出未来时刻目标变压器的预测噪声信号;生成与预测噪声信号波形相位相反的反相波形;
17、功率放大器及扬声器,用于接收计算机处理后的反相波形,并基于反相波形产生反相声波抵消目标变压器产生的噪声。
18、作为优选实施方式,还包括一误差传声器,用于监听抵消噪声后的环境声音信号,所述计算机在产生反相声波抵消目标变压器产生的噪声之后,还包括一反馈调节步骤,具体为:
19、以误差传声器监听得到的环境声音信号为基础,调整反相声波的输出相位。
20、作为优选实施方式,所述机器学习算法采用线性回归算法、决策树算法、支持向量机、lstm网络模型中的任意一种。
21、作为优选实施方式,所述时间序列预测模型在建立过程中,通过网格搜索和交叉验证的方来确定模型的超参数。
22、再一方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任一实施例所述的变压器噪声主动降噪控制方法。
23、再一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的变压器噪声主动降噪控制方法。
24、本发明具有如下有益效果:
25、本发明提供一种基于机器学习时间序列预测的变压器噪声主动降噪控制方法,主要分成信号处理和模型构建两部分,其中信号处理部分将历史噪声信号的时间序列信号进行分解和滤波降噪处理,简化变压器噪声信号,实现算法复杂度的降低,同时提升信号质量的同时提高运算速度。模型构建部分基于机器学习和时间序列预测模型,通过过去的变压器噪声数据对即将产生的噪声做出估计,利用预测的噪声信号产生反相波形,从而发出能够抵消变压器噪声的反相声波,能够实现高达45.8db的理论降噪效果,运用于变压器有源降噪硬件系统能够实现市区变压的噪声削弱。
技术特征:1.一种变压器噪声主动降噪控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种变压器噪声主动降噪控制方法,其特征在于,在产生反相声波抵消目标变压器产生的噪声之后,还包括一反馈调节步骤,具体为:
3.根据权利要求1所述的一种变压器噪声主动降噪控制方法,其特征在于:
4.根据权利要求1所述的一种变压器噪声主动降噪控制方法,其特征在于,所述时间序列预测模型在建立过程中,通过网格搜索和交叉验证的方来确定模型的超参数。
5.一种变压器噪声主动降噪控制系统,其特征在于,包括:
6.根据权利要求5所述的一种变压器噪声主动降噪控制系统,其特征在于,还包括一误差传声器,用于监听抵消噪声后的环境声音信号,所述计算机在产生反相声波抵消目标变压器产生的噪声之后,还包括一反馈调节步骤,具体为:
7.根据权利要求5所述的一种变压器噪声主动降噪控制系统,其特征在于:
8.根据权利要求5所述的一种变压器噪声主动降噪控制系统,其特征在于,所述时间序列预测模型在建立过程中,通过网格搜索和交叉验证的方来确定模型的超参数。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述的变压器噪声主动降噪控制方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4任一项所述的变压器噪声主动降噪控制方法。
技术总结本发明涉及一种变压器噪声主动降噪控制方法、系统、设备及介质,其中方法包括以下步骤:采集目标变压器的历史噪声信号;对历史噪声信号的时间序列进行分解,分解出趋势分量、周期分量和随机分量;建立基于机器学习算法的时间序列预测模型,将目标变压器的历史噪声信号的时间序列去除随机分量后的数据作为训练样本,对时间序列预测模型进行训练,得到训练好的目标变压器噪声预测模型;采集目标变压器的实时噪声信号序列数据,输入至训练好的目标变压器噪声预测模型,输出未来时刻目标变压器的预测噪声信号;生成与预测噪声信号波形相位相反的反相波形,并基于反相波形产生反相声波抵消目标变压器产生的噪声。技术研发人员:林川杰,朱龙洋,郑真,余俊宏,欧国平,吴高,许哲翔,陈俊钦,黄程昱,黄宇轩受保护的技术使用者:国网福建省电力有限公司福州供电公司技术研发日:技术公布日:2024/2/6本文地址:https://www.jishuxx.com/zhuanli/20240618/21528.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表