[發明專利]基于聲紋頻譜分離的變壓器故障診斷方法及裝置

有效

• 申請號: 202010714530.8
• 申請日: 2020-07-21
• 公開（公告）號: CN111912519B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 季坤;張晨晨;丁國成;朱太云;李堅林;陳慶濤;吳興旺;楊海濤;尹睿涵;秦少瑞;付成成;王維佳;胡心穎;高亮
• 申請（專利權）人: 國網安徽省電力有限公司;國網安徽省電力有限公司電力科學研究院;安徽繼遠軟件有限公司;國網信息通信產業集團有限公司
• 主分類號: G01H17/00
• 分類號: G01H17/00;G01M13/00
• 代理公司: 合肥維可專利代理事務所(普通合伙) 34135
• 代理人: 吳明華

1.基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：包括以下步驟：

(11)獲取變壓器的鐵芯、繞組、操縱機構產生的振動聲紋信號數據；

(12)基于時域的聲紋數據進行頻域轉換獲取頻譜數據，該頻譜數據包含頻譜包絡數據和頻譜細節數據；

(13)基于頻譜數據采用同態濾波方法將頻譜數據中的頻譜包絡數據和頻譜細節數據分離；

(14)基于分離之后的頻譜數據輸入預設的GRU神經網絡獲取變壓器故障診斷結果；

所述預設的GRU神經網絡是基于變壓器的鐵芯、繞組、操縱機構產生的振動聲紋信號歷史數據作為樣本數據，經過步驟(12)和(13)處理后輸入GRU神經網絡訓練得到的；

所述(14)包括：將分離之后的頻譜數據優化處理后輸入預設的GRU神經網絡進行變壓器故障診斷，所述優化處理包括：將頻譜數據中的多維特征分量進行根據每個特征對于判斷變壓器故障狀態的影響度分配權重，所述影響度的計算方法為：

F(w)＝[F_between(w)]/F_within(w)]

式中，F(w)為F比；D為變壓器處于直流偏磁狀態還是處于正常運行狀態的兩種判斷情況個數，本實施例中D為2，u_w(i)為第i個聲學信號形成分的頻譜數據的第w維分量；u_w為u_w(i)的均值；x_w(i)為第i種變壓器狀態的所有樣本的第w維分量；y_i為第i種變壓器狀態的樣本數。

2.根據權利要求1所述的基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：所述步驟(12)中，包括：

基于獲取的振動聲學信號，進行分幀操作，獲得聲學信號幀；

對聲學信號幀進行加窗操作；

對加窗后的聲學信號采用短時離散傅里葉變換進行頻域轉換，并基于頻域轉換后的數據獲取每一幀的周期能量譜。

3.根據權利要求2所述的基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：以時長為1s的振動聲學信號為一個樣本，以幀長為0.04s，幀移為0.01s的方式進行每個樣本的分幀操作。

4.根據權利要求2所述的基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：所述加窗操作采用漢明窗。

5.根據權利要求1所述的基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：所述步驟(13)中，包括：

根據聲學信號的頻譜數據，采用預設濾波器組提取出包含重要信息的頻譜分量；

基于預設濾波器組輸出的頻譜數據進行取對數處理；

基于對數頻譜數據采用離散余弦變換將頻譜數據中的頻譜包絡數據和頻譜細節數據分離。

6.根據權利要求5所述的基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：所述預設濾波器組濾波器組的傳遞函數H_m(k)表達式如下：

其中，采用50Hz倍頻三角濾波器組，r_s其中為音頻文件的采樣率；m為濾波器的序號，濾波器總數由需要提取特征的頻率范圍上限F_max決定；k是頻譜數據的第k個頻譜。

7.根據權利要求1所述的基于聲紋頻譜分離的變壓器故障診斷方法，其特征在于：所述GRU神經網絡的輸出層采用softmax分類器，輸出層輸出的結果包括變壓器處于直流偏磁狀態和變壓器處于正常運行狀態。

8.基于聲紋頻譜分離的變壓器故障診斷裝置，其特征在于：包括

振動聲紋信號數據獲取模塊，用于獲取變壓器的鐵芯、繞組、操縱機構產生的振動聲紋信號數據；

頻譜數據獲取模塊，用于基于時域的聲紋數據進行頻域轉換獲取頻譜數據；

頻譜數據分離模塊，用于基于頻譜數據采用同態濾波方法將頻譜數據中的頻譜包絡數據和頻譜細節數據分離；

變壓器故障診斷模塊，用于將分離之后的頻譜數據輸入預設的GRU神經網絡獲取變壓器故障診斷結果。

9.根據權利要求8所述的基于聲紋頻譜分離的變壓器故障診斷裝置，其特征在于：所述頻譜數據分離模塊包括：

頻譜濾波單元，用于根據聲學信號的頻譜數據，采用預設濾波器組提取出包含重要信息的頻譜分量；

對數頻譜獲取單元，用于基于預設濾波器組輸出的頻譜數據進行取對數處理；頻譜數據分離單元，用于基于對數頻譜數據采用離散余弦變換將頻譜數據中的頻譜包絡數據和頻譜細節數據分離。