光伏电站电力听诊系统降噪方法.pdf
《光伏电站电力听诊系统降噪方法.pdf》由会员分享,可在线阅读,更多相关《光伏电站电力听诊系统降噪方法.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 43 卷 第 3 期Vol.43,No.32024 年 5 月Journal of Applied AcousticsMay,2024 研究报告 光伏电站电力听诊系统降噪方法喻 洋1,2高秉文1陆 超1熊 菲1周俊宇1(1 中国三峡新能源(集团)股份有限公司四川分公司成都610041)(2 中国三峡新能源(集团)股份有限公司重庆分公司重庆400000)摘要:在光伏电站电力听诊系统中,为降低光伏电站采集声音的噪声,对光伏电站常见的各种噪声进行时频谱分析,基于各类噪声特点和经典的U型网络结构设计了降噪网络。为提升降噪效果,将能量信息加入到复数卷积网络中,同时融合基于Transformer的专家
2、子系统以进一步提升效果。最后,通过构建数据集和多组对比实验,证明了所设计网络对常见混叠信号可以大幅提高声信号的信噪比,最高可达6.14 dB。另外,通过多组烧蚀实验证明了文中所述各项优化的有效性。关键词:光伏电站;降噪;深度学习中图法分类号:TP274.5文献标识码:A文章编号:1000-310X(2024)03-0525-08DOI:10.11684/j.issn.1000-310X.2024.03.007Noise reduction method of electric auscultation system in photovoltaicpower stationsYU Yang1,2
3、GAO Bingwen1LU Chao1XIONG Fei1ZHOU Junyu1(1 Sichuan Branch of China Three Gorges Renewables(Group)Co.,Ltd.,Chengdu 610041,China)(2 Chongqing Branch of China Three Gorges Renewables(Group)Co.,Ltd.,Chongqing 400000,China)Abstract:In order to reduce the noise of collected sound of photovoltaic power st
4、ations in the photovoltaicpower plant power listening system,the common noise of photovoltaic power plant is analyzed in time domainand spectrum.Besides,the noise reduction network is proposed based on various noise characteristics andU-net classical network.To enhance the noise reduction effect,ene
5、rgy information is added to the complexconvolutional network and fused with the Transformer-based expert subsystem.Finally,the constructed datasetand multiple sets of comparison experiments demonstrate that the designed network can significantly improvethe signal-to-noise ratio of the sound signal u
6、p to 6.14 dB for the common mixed signals.In addition,theeffectiveness of the optimization points described in the paper is demonstrated by multiple sets of ablationexperiments.Keywords:Photovoltaic plant;Noise suppression;Deep learning2022-12-08收稿;2023-03-06定稿高海拔新能源场站(光伏)智能运维技术研究及应用科研项目(中国长江三峡集团有限公
7、司战略部战略20205号)作者简介:喻洋(1978),男,江西进贤人,本科,高级经济师,研究方向:高海拔新能源项目开发、技术研究和应用、工程建设和运营,新能源智能运维系统架构顶层设计。通信作者 E-mail:5262024 年 5 月0 引言近年来,我国太阳能光伏发电取得了长足进展13:据国家能源局统计,截至2021年底,光伏发电并网装机容量达到3.06 109kW,连续7年稳居全球首位3。由于光伏发电需要大面积铺设太阳能光伏电池板、控制器、并网逆变器等设施,呈现出电站数量众多、场址分散、信息化和自动化管理程度较低的特点45。为提高四川省某光伏电站的运维水平,实现“无人值班、少人值守、区域管理
8、”的集中监视模式,以规范业务处理流程,提升管理效率,减少运维成本,该光伏电站引入电力听诊系统:通过各类高保真拾声器和精密振动传感器等器件获取声信号;通过有线或者无线网关传输信号至计算和控制中心后台;工程师、专家和AI故障诊断系统等通过人工听诊或智能故障诊断算法等各种手段分析声信号,进而获取设备运行情况;对设备运行情况进行归档。电力听诊系统的整体结构简图如图1所示。电力听诊系统通过对声信号的监听、转换或者判别,可以快速判断系统状态5。由于光伏电站环境复杂、设备众多,采集声音时环境噪声情况也较为复杂,因此降噪效果的好坏对系统后续的判别影响较大。为提升降噪效果,国内外专家学者进行了诸多研究:龙宏宇6
9、针对光伏逆变器系统故障诊断中产生的特征量易受噪声干扰问题引入经验模态分解方法实现自适应降噪;张晓琴等7在新能源电站数据采集与监控系统攻击检测模型的研究中,提出使用降噪自编码网络对数据进行约简,消除无关或冗余特征;何选森等8设计了一种启发式联合并行坐标下降的声频降噪算法,利用超完备字典提高声频帧数较大时的运行速度;张皓然9提出用自适应活动语声检测算法结合最小均方误差对数谱幅度估计进行降噪;Yin等10设计了一个具有相位和谐波感知能力的双流网络(Phase-and-harmonics-aware speech enhancement network,PHASEN),其中振幅流和相位流专门用于振幅和
10、相位预测,并且二者有数据交换;Hu等11对卷积递归网络(Con-volution recurrent network,CRN)进行了改进,以复值谱图为输入设计了深度复卷积递归网络(Deepcomplex convolution recurrent network,DCCRN)进行深度噪声抑制。?/?/?/?图1电力听诊系统结构简图Fig.1 Structural diagram of the electric auscultation system但是,现有研究方法中612,对光伏电站特有的噪声分析不足,故没有进行针对性的降噪设计,因此本文通过分析光伏电站常见噪声特点而设计了一种能量融合复值的
11、深度降噪网络,并且引入专家子系统提高降噪效果,实验证明了该网络能对光伏电站常见噪声进行有效降噪。1 光伏电站常见噪声分析光伏电站场景复杂,室外场景且荒野山郊居多。在各类变压器、控制器和相关变电设备工作中,正常声信号、故障声信号和环境噪声等大多混杂一起,通过分析信号特点有助于后续降噪方案的设计。室外场景下,人声、风声、雨声、雷电声、鸣笛声、鸟鸣声等均为常见的自然环境噪声。图2分别给出了上述6种环境噪声信号的时频图。可以看出,每类噪声均有其特点:人声可视为以声带振动为源、以声道为滤波器的源-滤波器模型,人声可分为清音和浊音。如图3中频率分析和振幅统计所示,浊音发声时声带震动,所以有明显基频和通过声
12、道形成的高次谐波,并且能量在中低频处较高;清音发声时声带不震动,无明显基频,能量主要分布在高频处。因此人声是较为复杂的情况,传统方法中很难使用简单滤波方法完全除去。第43卷 第3期喻洋等:光伏电站电力听诊系统降噪方法527(a)?(b)?(c)?(d)?(e)?(f)?图2光伏电站常见室外噪声的波形和频谱Fig.2 Waveform and spectrum of common outdoor noise in photovoltaic power plants(a)?(b)?0dB-10-20-30-40-50-60-70-80-90-1000dB-10-20-30-40-50-60-70-
13、80-90-10010090807060504030201001009080706050403020100-26-25-24-23-22-42dBdB-41-40-39-38-372010Hz30405070 100200 300 5007001k2k 3k4k5k 7k2010Hz304050 70 100200 300 5007001k2k 3k4k5k 7k图3人声清音和浊音处的频域分布和振幅分布Fig.3 Frequency domain distribution and amplitude distribution of unvoiced and voiced vocals风声在低频
14、处能量较强,随着频率的升高逐渐变弱,但由于风声时强时弱且连续变化,因此其等能量曲线也会在频谱上不断变动;雨声一般能量较低,并且在各个频率上分布均匀,类似于白噪声的频谱,因此较为容易去除;雷电声特点较为显著,能量整体较强并沿时间轴不断衰减,最高频率沿时间轴线性缩减;鸣笛声主要由不同的汽车喇叭发出,不同类型的喇叭发声的频率和能量不同,因此会在固定频率5282024 年 5 月上呈现出高亮短线条,同时伴随高频处无规律噪声,一般由胎噪和发动机声音组成;鸟鸣声一般频率较高,因此能量主要分布在高频,频谱中呈现为连续频率内较短的高频竖线。传统降噪方法对于稳态噪声效果较好,如消除固定频率噪声的谱减法1314,
15、对于非稳态噪声消除一般使用高通、低通和带通等滤波器组合方法、自适应滤波器算法等1316,但是一般算法复杂度较高且效果一般。通过上述分析可知,光伏电站所涉及的不同类型噪声均为非稳态噪声且不同类型噪声特点相差甚大。另外,含有效信息的正常或者故障信号的波形分布以及频谱特征和噪声信号多有相似之处,使用传统方法容易抑制有效信号的信息表达。因此提出基于深度网络的光伏电站降噪方法。2 光伏电站降噪网络虽然光伏电站中多种噪声信号和有效声信号混杂,但是每种信号均有其固有特征,因此,使用带有广义“语义分割”的网络有利于区分不同特征。U-net17是一种U型结构的神经网络,最初是为解决医学图像分割问题而提出,基于其
16、独特的U型结构,不断将各层编码器的输出拼接融合到解码器的特征图中,使得网络可以充分获取上下文信息。典型的U-net网络结构如图4所示。?conv?图4典型U-net网络结构图Fig.4 Typical U-net network structure diagramTransformer18中自注意力机制(Self-Atten-tion)和前馈网络相结合的结构在序列模式转换、语义分割等领域内有独特优势,与各类基于循环神经网络的结构相比,Transformer 可以并行运算并且通过注意力捕捉上下文的长期和多层次依赖关系。基于上述讨论,结合目标输入输出特征,本文所设计光伏电站降噪网络总体结构如图5所
17、示。由于输入的各类噪声在频域上呈现不同特征,能量在时间上的分布也区别较大,因此文中对输入的带噪声音进行加窗分帧,然后将经过短时傅里叶变换(Short-time Fourier transform,STFT)的实部和虚部视为两个输入通道,将能量经过嵌入编码(Embedding)后的向量视为一个输入通道,共计3个输入通道。为了使网络可以在没有先验知识下学习信号的实部、虚部和能量并且融合,本文在PHASEN10、CRN19和DCCRN11的基础上进行改进,提出能量深度复杂卷积循环网络(E-DCCTN),其核心结构为E-Complex编码器,如图6(b)所示:3个通道的输入只使用一个共享的实值卷积滤波
18、器组进行实值卷积运算,融合能量信息到网络中。E-Complex卷积层后添加批归一化(Batch normalization)以减少内部协变量偏移,添加PRelu激活函数自适应地学习矫正线性单元的参数。MOE TransformerSTFT?Embedding?Complex?Complex?Complex?Complex?E-Complex?E-Complex?E-Complex?E-Complex?iSTFT?图5光伏电站降噪网络E-DCCTNFig.5 Photovoltaic power station noise reductionnetwork E-DCCTN为再次提升网络的广义“语
19、义分割”能力,参考文献20,将Transformer和混合专家(Mixture-of-experts,MOE)系统进行融合。如图7所示,将编码器输出序列s经过Self-Attention后进入MOE层和门控网络G,MOE层含多个由单个卷积层和单个全连接层组成的结构相同但参数独立的专家子第43卷 第3期喻洋等:光伏电站电力听诊系统降噪方法529?Embedding?Embedding?Embedding(a)E-Complex?Embedding?E-Complex?PRelu?(b)E-Complex?E-Complex?E-Complex?图6E-Complex卷积和E-Complex编码器
20、Fig.6 E-Complex convolution and E-Complex encoder网络,MOE对不同特征的置信度独立判别,输出Omoe如下:Omoe=ni=0Ei(s)fi(s),f(s)=Softmax(v(s),v(s)i=Gi(s),i 6 k,i k,(1)式(1)中,n表示MOE层含有的专家子网络个数,E表示专家子网络,s编码器的输出,即MOE的输入,Softmax表示归一化指数函数,v表示由G计算的每个E 网络的贡献分值,并且只选取前k个分值高的E 网络的输出并应用Softmax函数。?MOE?Self-AttentionN?E.?GSoftmax?k?s?Omoe
21、MOEEEn图7MOE Transformer网络结构图Fig.7 MOE Transformer network structure diagram解码器部分,类似于U-net结构,将编码器每一次经过E-Complex编码器的结果通过拼接上一层Complex解码器11的结果作为下一层的输入,经过转置卷积进行上采样,最终得到降噪后的和输入相同维度的实部和虚部的频域值,经过逆短时傅里叶变换(Inverse short-time Fourier transform,ISTFT)得到时域上的降噪后声频。3数据构建及实验验证E-DCCTN网络的输入为带噪声频,但是实地采集数据成本较高并且难以全面覆盖各
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 电站 电力 听诊 系统 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。