[發明專利]一種基于聲音信號分析的開關柜局部放電檢測方法在審
| 申請號: | 201810099032.X | 申請日: | 2018-01-31 |
| 公開(公告)號: | CN108303624A | 公開(公告)日: | 2018-07-20 |
| 發明(設計)人: | 舒天才 | 申請(專利權)人: | 舒天才 |
| 主分類號: | G01R31/12 | 分類號: | G01R31/12 |
| 代理公司: | 南京常青藤知識產權代理有限公司 32286 | 代理人: | 金迪 |
| 地址: | 210000 江蘇省南京市浦口*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 高壓開關柜 放電聲音 預處理 局部放電檢測 聲音信號分析 絕緣破壞 訓練樣本 分類器 開關柜 實時故障檢測 顯著性特征 實時顯示 提取特征 魯棒性 檢測 構建 送入 采集 學習 | ||
本發明公開了一種基于聲音信號分析的開關柜局部放電檢測方法,涉及,包括如下步驟:S1、采集高壓開關柜絕緣破壞放電聲音訓練樣本;S2、對訓練樣本預處理,計算其語譜圖,并提取顯著性特征;S3、構建基于語譜圖的深度學習模型并進行訓練;S4、將待測放電聲音進行與步驟S2同樣的預處理,提取特征參數后送入步驟S3生成的分類器完成最終的檢測識別。經過訓練的分類器可以識別出高壓開關柜絕緣破壞時的放電聲音,從而進行實時故障檢測,實時顯示高壓開關柜的工作狀態。本發明具有檢測精度高,魯棒性強的優點。
技術領域
本發明涉及一種開關柜局部放電檢測方法,特別涉及利用聲音信號檢測開關柜局部放電的方法。
背景技術
開關柜是配網的主要設備之一,是電力生產輸送以及使用過程中最為關鍵的電氣設備,同時也是故障發生率較高的一種設備。開關柜內的局部放電特性能準確反映開關柜設備在不同階段的損壞程度,利用這一特性對開關柜在絕緣狀態進行在線帶電檢修是行之有效的途徑。
一般檢修舉措往往會耗費大量的人力、物力、財力,且故障排查不及時,不能消除潛在的安全隱患,往往會造成重大安全事故。而安全有效的帶電檢測不僅可以大大降低設備損壞的可能性,延長開關柜的使用壽命,而且還能使整個供電系統擁有長期穩定的保障。
近年來,開關柜局部放電的檢測一直是國內外眾多學者的研究熱點和難點,一些檢測方法也應運而生,例如弧光檢測、超聲波檢測、超高頻檢測以及音頻聲事件檢測等。高壓開關柜在封閉的環境下運行,因此,為檢修工作不會影響開關柜的正常運作,廣大學者都更加傾向于采用非侵入式檢測。局部放電的過程往往伴隨著發光發熱、電暈聲甚至擊穿聲,這一過程便可以按照可聽聲的范圍,利用音頻事件檢測的方法進行開關柜的檢修與維護。同時,根據聲音信號的傳播特點,利用音頻事件檢測還可以準確定位故障源。但是,目前的研究的特征主要是MFCC特征。MFCC是語音識別的常用特征之一,但是用于非語音識別上,實際效果還需要驗證。
發明內容
本發明要解決的技術問題:針對現有技術的上述問題,提供一種放電檢測效率高,魯棒性好的基于聲音信號分析的開關柜局部放電檢測方法。
為了解決上述技術問題,本發明采用的技術方案為:
一種基于聲音信號分析的開關柜局部放電檢測方法,包括如下步驟:
S1、采集高壓開關柜絕緣破壞放電聲音訓練樣本;
S2、對訓練樣本預處理,計算其語譜圖,并提取顯著性特征;
S3、構建基于語譜圖的深度學習模型并進行訓練;
S4、將待測放電聲音進行與步驟S2同樣的預處理,提取特征參數后送入步驟S3生成的分類器完成最終的檢測識別。
優選的,步驟S2中語譜圖的顯著性特征的計算步驟為:
S21、將語音信號通過快速傅里葉變換轉換為語譜圖;
S22、計算各通道的顯著度特征;
基于語譜圖通過中心-周邊差算子計算各特征的顯著度,得到不同通道和不同尺度下的顯著度特征,即表示強度I變化、方位Oθ特征、頻率F變化、時頻T特征和音調P變化的顯著圖。具體公式如下:
M(c,s)=|M(c)ΘM(s)|,M∈{I,Oθ,F,T,P} (1)
其中,中心尺度c∈{2,3,4},s=c+δ,且δ∈{3,4}。中心尺度c和四周尺度s的差計算用符號Θ表示。
S23、提取特征矩陣;
將每幅特征圖分成s行t列,共s×t個子區域,用每個子區域的中位值替代該子區域,將圖像進一步歸一化為s×t的特征矩陣,從而以一個低分辨率的圖像特征矩陣來描述整個語譜。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于舒天才,未經舒天才許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810099032.X/2.html,轉載請聲明來源鉆瓜專利網。





