[发明专利]一种基于边界元法的电力设备声成像方法及系统

说明书

本发明公开了一种基于边界元法的电力设备声成像方法及系统，包括步骤：S1：分析电力设备表面封闭情况；根据分析结果选用相应的边界元法采集电力设备的对应数据；根据采集数据进行声场的重构计算；通过图像分析法分析重构声场的准确度。本发明通过表面结构分析模块判断电力设备表面结构的封闭状况，电力设备数据采集模块根据电力设备的表面结构选用相应的数据采集方式，重构声场计算模块利用边界元方法计算一定范围内的电力设备辐射声场，便于展开对电力设备声辐射特性的全面分析，之后准确度分析模块通过图像分析的方法评估重构声场与现场测量声场的相似性，确定计算方法的准确性。

技术领域

本发明涉及电力设备检测技术领域，具体涉及一种基于边界元法的电力设备声成像方法及系统。

背景技术

电力设备在运行时会发出声音，声音包含了大量状态信息。声信号的获取不一定要接触设备，使得采用声信号进行故障识别具有传感器布置灵活、装置简单、对设备影响小、测量简单快捷等特点，适合于分布广、数量多的高压电力设备故障识别。目前，电力设备成像的方法有近场测量法、表面强度法、声强测量法和基于麦克风阵列的可视化噪声源识别方法，但是由于电力设备安装区域，尤其是变压器、供电所等场合的电力设备较多，且辐射的噪声均为相关性强的干涉声波。对于现场测量的声压、声强等参数有较强的相互干扰，不易得到准确的设备声场信息。前述方法的实施，均需要在变电站等工作现场测量，容易受到多个声源以及环境噪声的影响。

如中国专利CN112562698A，公开日2021年3月26日，一种基于声源信息与热成像特征融合的电力设备缺陷诊断方法，包括：获取电力设备的样本数据集，样本数据集至少包括同步采样、分帧处理后的声音信息和热红外视频流；对声音信息进行特征提取，并结合热红外视频流，采用卷积神经网络进行特征融合，生成缺陷诊断模型；根据样本数据集，对缺陷诊断模型进行训练，以确定缺陷诊断模型的运行参数，训练后的缺陷诊断模型用于电力设备的缺陷诊断。其能够对电力设备各种缺陷进行识别，及时发现并通知相关维修人员进行检修，确保电力设备处于正常运作状态，以免发生重大事故。但其声源信息的收集方法存在已收到周围环境噪声影响的问题，导致声源信息收集部分无法维持较高的准确度。

发明内容

本发明要解决的技术问题是：目前的电力设备声成像方法易受到周围环境噪声的影响导致成像效果降低的技术问题。提出了一种抗干扰能力强的基于边界元法的电力设备声成像方法及系统。

为解决上述技术问题，本发明所采取的技术方案为：一种基于边界元法的电力设备声成像方法，包括如下步骤：

S1：分析电力设备表面封闭情况；

S2：根据分析结果选用相应的边界元法采集电力设备的对应数据；

S3：根据采集数据进行声场的重构计算；

S4：通过图像分析法分析重构声场的准确度。本专利采用边界元法进行电力设备声成像，与有限元法相比，边界元方法具有如下三个优点：其一，降维：边界元方法可以将所分析模型的维数降低一维，对空间模型的离散仅需要在边界上进行，即对于二维和三维问题，可分别采用线单元和面单元对边界进行离散。因此边界元方法不像有限元法需将整个求解域离散，从而减少离散单元数，并大大降低模型网格划分的难度。其二，求解精度高：边界元方法是一种半解析数值方法，具有解析与离散相结合的特点，求解精度比一般的数值方法更高。其误差主要来源于边界单元的离散，累积误差小，便于控制。其三，适用于无限域问题：边界积分方程能自动满足无穷远处的辐射条件，对于无限域问题，如声场、电磁场等，的处理非常方便。边界元方法只需对边界进行离散，可利用形函数插值求出边界点上的未知值，并通过边界上的已知值来计算声场内任意点的解析值，这个特点对无界区域上的问题特别有意义。通过采集数据、设置边界量进行声场的重构计算，建立模拟重构声场。

作为优选，所述电力设备表面封闭情况的分析过程包括：判断电力设备表面是否封闭，将表面结构封闭的电力设备标记为a；将表面结构不封闭的电力设备标记为b。在对电力设备表面封闭情况进行判断分析时可以设置多个分析单元同时分析多个电力设备，便于在电力设备分布密集的环境中使用。