[發(fā)明專利]一種基于深度神經(jīng)濾波的低復(fù)雜度GIS振動(dòng)信號增強(qiáng)方法

在審

• 申請?zhí)枺?/td>: 202210452453.2
• 申請日: 2022-04-27
• 公開（公告）號: CN115062640A
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計(jì)）人: 何雨峰;王紅梅;伍飛飛;殷艷華
• 申請（專利權(quán)）人: 國網(wǎng)四川省電力公司超高壓分公司;國網(wǎng)四川省電力公司天府新區(qū)供電公司;成都恒銳智科數(shù)字技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06F17/14;G06F16/29
• 代理公司: 四川力久律師事務(wù)所 51221
• 代理人: 張迪

本發(fā)明屬于信號處理領(lǐng)域，特別涉及一種基于深度神經(jīng)濾波的低復(fù)雜度GIS振動(dòng)信號增強(qiáng)方法。包括：步驟100.對振動(dòng)信號進(jìn)行短時(shí)傅里葉變換得到頻域信號，基于頻域信號分別提取ERB特征與DF特征；步驟200.將ERB特征與DF特征輸入至訓(xùn)練好的DNN神經(jīng)網(wǎng)絡(luò)中，分別得到ERB縮放增益和每個(gè)波段的濾波系數(shù)；步驟300.基于ERB縮放增益與每個(gè)波段的濾波系數(shù)C^N得到預(yù)測信號；步驟400.使用逆STFT變換將預(yù)測信號變換到時(shí)域得到增強(qiáng)信號。本發(fā)明使用的深度神經(jīng)濾波網(wǎng)絡(luò)簡潔，復(fù)雜程度低，在實(shí)際使用時(shí)可以有效降低GIS設(shè)備故障誤報(bào)警現(xiàn)象，提高后續(xù)GIS設(shè)備故障檢測的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于信號處理領(lǐng)域，特別涉及一種基于深度神經(jīng)濾波的低復(fù)雜度GIS振動(dòng)信號增強(qiáng)方法。

背景技術(shù)

氣體絕緣金屬全封閉開關(guān)設(shè)備(gas insulated switchgear，GIS)因體積小、維護(hù)便捷、可靠性高及適應(yīng)能力強(qiáng)等優(yōu)點(diǎn),得到電力行業(yè)一致認(rèn)可。由于GIS設(shè)備的密封性，當(dāng)設(shè)備內(nèi)部發(fā)生異常時(shí)，很難通過人的感官準(zhǔn)確發(fā)現(xiàn)異常部位；同時(shí)，GIS設(shè)備出現(xiàn)故障后，設(shè)備維修困難、停電檢修時(shí)間長、維修費(fèi)用高，會(huì)耗費(fèi)較多的人力、物力。準(zhǔn)確監(jiān)測GIS設(shè)備的運(yùn)行狀態(tài)、提早發(fā)現(xiàn)故障，對提高電力系統(tǒng)運(yùn)行安全性及經(jīng)濟(jì)性具有重要意義。目前，針對GIS設(shè)備的故障檢測方法主要包括超聲波法、化學(xué)分析法、脈沖電流法、超高頻法、振動(dòng)分析法5種。前4種方法已廣泛應(yīng)用于GIS設(shè)備絕緣放電故障的檢測中，除放電性故障外，機(jī)械故障也是造成設(shè)備無法安全穩(wěn)定運(yùn)行的重要原因。這四種方法只能夠在設(shè)備故障發(fā)生后進(jìn)行檢測，無法在產(chǎn)生早期、故障特征較弱時(shí)發(fā)現(xiàn)故障，同時(shí)無法根據(jù)故障特征來實(shí)現(xiàn)故障的隔離。而現(xiàn)有的振動(dòng)信號增強(qiáng)方法因?yàn)槠渌惴◤?fù)雜度較高；在使用時(shí)會(huì)對振動(dòng)信號造成不合理的增強(qiáng)，從而使得后端算法基于錯(cuò)誤增強(qiáng)的振動(dòng)信號進(jìn)行識別時(shí)會(huì)導(dǎo)致故障的誤報(bào)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中因?yàn)樗惴◤?fù)雜度較高，不夠簡潔從而會(huì)產(chǎn)生誤報(bào)，提供一種基于深度神經(jīng)濾波的低復(fù)雜度GIS振動(dòng)信號增強(qiáng)方法。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明第一方面提供一種基于深度神經(jīng)濾波的低復(fù)雜度GIS振動(dòng)信號增強(qiáng)方法，其特征在于，包括如下步驟：

步驟100.對所述振動(dòng)信號進(jìn)行短時(shí)傅里葉變換得到頻域信號，將所述頻域信號分別輸入至預(yù)先構(gòu)建的ERB特征提取器與DF特征提取器，得到頻域信號的DF特征與ERB特征；

步驟200.將所述ERB特征與所述DF特征輸入至訓(xùn)練好的DNN神經(jīng)網(wǎng)絡(luò)中，分別得到ERB縮放增益和每個(gè)波段的濾波系數(shù)；

步驟300.基于所述ERB縮放增益與所述每個(gè)波段的濾波系數(shù)C^N得到預(yù)測信號；

步驟400.使用逆STFT變換將所述預(yù)測信號變換到時(shí)域得到增強(qiáng)信號。

進(jìn)一步的是，所述訓(xùn)練好的DNN神經(jīng)網(wǎng)絡(luò)包括深度濾波網(wǎng)絡(luò)以及編碼器和解碼器；所述編碼器分別與所述深度濾波網(wǎng)絡(luò)和解碼器連接；

所述編碼器和解碼器通過所述ERB特征得到ERB縮放增益，所述深度濾波網(wǎng)絡(luò)通過所述DF特征得到每個(gè)波段的濾波系數(shù)；

進(jìn)一步的是，所述步驟300包括：

步驟301.使用逆ERB濾波器組基于所述頻域信號將所述ERB縮放增益變換回頻域得到增益增強(qiáng)譜圖；

步驟302.使用深度濾波器，基于所述每個(gè)波段的濾波系數(shù)對所述增益增強(qiáng)譜圖進(jìn)行處理得到Y(jié)^DF'；

步驟303.使用加權(quán)因子對所述增益增強(qiáng)譜圖和Y^DF'進(jìn)行加權(quán)，得到預(yù)測信號。

進(jìn)一步的是，在所述步驟303中，通過下述公式對所述增益增強(qiáng)譜圖和Y^DF'進(jìn)行加權(quán)，得到預(yù)測信號Y^DF(k,f)：