[發明專利]基于聲紋特征的變電站狀態識別方法及裝置

在審

• 申請號: 202011003203.8
• 申請日: 2020-09-22
• 公開（公告）號: CN112420055A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 何清素;靳丹;張小敏;張旭;趙雪梅;張建明;閆曉斌;王生宏;衛祥;劉曉光;蓋曉平;車志剛;程玉濤;劉志遠;王晶;李春亮;張磊;黨倩;楊波;劉寧;萬鵬
• 申請（專利權）人: 甘肅同興智能科技發展有限公司;國網甘肅省電力公司信息通信公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/02;G10L17/04;G10L25/12
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 王剛

1.一種基于聲紋特征的變電站狀態識別方法，其特征在于，包括：

獲取變電站中設置的各類設備的聲音信息，并提取所述聲音信息的聲紋特征；

將所述聲紋特征輸入到預設的聲音識別模型，得到輸出的預測結果；

其中，所述聲音識別模型為，預先以一定幀數的聲音訓練信息以及聲紋訓練特征所對應的預測標注為樣本，以與所述聲音訓練信息平行的聲音信息所對應的聲紋特征為樣本標簽進行訓練得到。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

建立所述聲紋特征與變電站各類設備的運行狀態之間的關聯關系；

結合所述關聯關系和所述預測結果，對所述變電站的故障進行預判。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對一維時序的所述樣本進行轉化，得到時序頻譜數據樣本；

通過所述時序頻譜數據樣本，以與所述聲音訓練信息平行的聲音信息所對應的聲紋特征為樣本標簽進行訓練，得到所述聲音識別模型。

4.根據權利要求3所述的方法，其特征在于，所述對一維時序的所述樣本進行轉化，得到時序頻譜數據樣本，包括：

生成時序樣本集，包括：

將原始的所述聲音信息分為若干幀，且相鄰幀間設置幀移；

設置時序長度，預設幀數的所述聲音信息為一個樣本，以樣本為單位進行預測標注，以得到時序樣本集；

生成MFCC時序頻譜特征向量，包括：

利用梅爾倒譜系數MFCC形成所述聲音信息的時序頻譜特征向量；

對所述時序樣本集進行轉化，得到時序頻譜數據樣本。

5.根據權利要求1所述的方法，其特征在于，所述將所述聲紋特征輸入到預設的聲音識別模型，得到輸出的預測結果，包括：

在所述聲音識別模型的特征融合層引入分類器，以表征變電站的狀態概率特征向量。

6.一種基于聲紋特征的變電站狀態識別裝置，其特征在于，包括：

獲取模塊，用于獲取變電站中設置的各類設備的聲音信息；

提取模塊，用于提取所述聲音信息的聲紋特征；

識別模塊，用于將所述聲紋特征輸入到預設的聲音識別模型，得到輸出的預測結果；其中，所述聲音識別模型為，預先以一定幀數的聲音訓練信息以及聲紋訓練特征所對應的預測標注為樣本，以與所述聲音訓練信息平行的聲音信息所對應的聲紋特征為樣本標簽進行訓練得到。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

關聯模塊，用于建立所述聲紋特征與變電站各類設備的運行狀態之間的關聯關系；

預判模塊，用于結合所述關聯關系和所述預測結果，對所述變電站的故障進行預判。

8.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

轉化模塊，用于對一維時序的所述樣本進行轉化，得到時序頻譜數據樣本；

建模模塊，用于通過所述時序頻譜數據樣本，以與所述聲音訓練信息平行的聲音信息所對應的聲紋特征為樣本標簽進行訓練，得到所述聲音識別模型。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至5任意一項所述的基于聲紋特征的變電站狀態識別方法。

10.一種非暫態計算機可讀存儲介質，其特征在于，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令用于使所述計算機執行權利要求1至5任一所述的基于聲紋特征的變電站狀態識別方法。