本发明是关于开关柜监测与故障诊断，特别是关于一种基于声纹识别技术的开关柜监测与故障诊断方法。
背景技术：
1、开关柜是用于电力系统的成套电气设备，在电力系统发电、输电、配电、电能转换和消耗中其开合、控制或保护等作用。一般由断路器、电流互感器、电压互感器、避雷器、保护装置等构成。通常开关柜分为以下三种工况：
2、1、开关柜的正常运行状态，开关柜等电气设备的正常工作状态：是指在规定的外部环境条件(如额定电压、电流、介质、环境温度等)下，保证连续正常地达到额定工作能力的状态。在正常工作状态下，由于环境和温度的影响，电气设备始终处于老化阶段。
3、2、开关柜的异常运行状态，随着时间的推移或外部环境的改变，设备在规定的外部条件下部分或全部失去额定的工作能力，可认为该设备已进入异常状态，如设备不能承受额定电压、出力达不到铭牌要求、达不到规定的时间等。
4、3、开关柜的故障状态，电气设备发生轻微异常时还可能继续运行，但发展成为较严重时，威胁安全或已造成设备部分损坏，引起系统运行异常，终止了对用户供电的状态，称为事故状态。
5、在开关柜异常运行状态以及故障状态下，会导致电网供电出现故障，需要对开关柜实时进行监测，避免开关柜出现故障状态，但是在监测时开关柜的识别效率低下导致虚警率较高，从而导致工作效率低下以及安全水平下降的问题。
技术实现思路
1、为了克服现有的问题，本申请实施例提供一种基于声纹识别技术的开关柜监测与故障诊断方法，采用声纹传感器用于采集开关柜的不同部件的声音信号，提取不同部件在不同工况下的声纹特征来辨识、定位故障，并且同时采用振动传感器的信号采集，通过振动特征谱的方式，来补充设备的各种工况下的总的声纹、振动多模态特征谱，以提高开关柜部件的故障诊断的识别率，降低虚警率，提升变电智能检修能力，大幅提高巡视工作效率和安全水平，增强设备远程监测快速覆盖能力与规范化程度，保障大电网安全稳定运行。
2、本申请实施例解决其技术问题所采用的技术方案是：
3、一种基于声纹识别技术的开关柜监测与故障诊断方法，开关柜监测与故障诊断方法包括所述终端层、云平台层以及边缘层；
4、所述终端层为部署声纹采集装置，用于实现对监测设备运行声纹的高精度采集；
5、所述边缘层对各种设备振动以及声音信号进行数据采集、清洗以及特征提取，用于构建模型；
6、所述云平台层具有强大的计算以及存储能力，用于开展算法的训练迭代和标准样本库建设，同时提供声纹识别算法的应用能力以及提供设备状态信息等可视化界面。
7、优选的，所述云平台层内部声纹识别算法的应用能力包括设备振动、音频事件检测、故障诊断以及运行状态识别。
8、优选的，所述声纹采集装置包括故障预警、模型构建、故障记录、事件统计、故障库和样本库建设。
9、优选的，所述故障预警为通过后端管理系统，添加巡检任务，可针对某区域或者某设备添加巡检任务可配置检测时间、检测时长以及重复检测次数参数，由系统在到达指定时间时触发巡检任务或者手动立即执行该巡检任务，并将该次的巡检结果生成检测报告存储在系统内，所述检测报告的内容包括检验的设备，所在区域，关联的网关，传感器分布位置，检测结论，振动、音频样本文件，异常检测时间，异常故障类型，声纹的时域波形，频谱图，音频功率谱以及梅尔频谱特征。
10、优选的，所述模型构建为通过算法训练平台的样本管理，可以对某一型号的电力设备和特定点位进行样本的回放、特征解析等手段来辅助选择标注并提交至模型库做模型训练。
11、优选的，所述故障记录包括实时监测和巡检监测时对检测的结果做记录。
12、优选的，所述事件统计包括统计当期内的以设备为维度，统计该设备发生过的各类故障预警次数。
13、优选的，所述故障库按照设备型号和点位进行两级划分，在样本库标注的样本提交至算法训练后，生成对应型号对应点位的故障模型。
14、优选的，所述样本库建设为建立一个可持续优化学习的人工智能平台，将传感器采集的样本根据设备的型号和点位进行分类整理。
15、本申请实施例的优点是：
16、本发明中采用声纹传感器用于采集开关柜的不同部件的声音信号，提取不同部件在不同工况下的声纹特征来辨识、定位故障，并且同时采用振动传感器的信号采集，通过振动特征谱的方式，来补充设备的各种工况下的总的声纹、振动多模态特征谱，以提高开关柜部件的故障诊断的识别率，降低虚警率，提升变电智能检修能力，大幅提高巡视工作效率和安全水平，增强设备远程监测快速覆盖能力与规范化程度，保障大电网安全稳定运行。
1.一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，开关柜监测与故障诊断方法包括所述终端层、云平台层以及边缘层；
2.如权利要求1所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述云平台层内部声纹识别算法的应用能力包括设备振动、音频事件检测、故障诊断以及运行状态识别。
3.如权利要求1所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述声纹采集装置包括故障预警、模型构建、故障记录、事件统计、故障库和样本库建设。
4.如权利要求3所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述故障预警为通过后端管理系统，添加巡检任务，可针对某区域或者某设备添加巡检任务可配置检测时间、检测时长以及重复检测次数参数，由系统在到达指定时间时触发巡检任务或者手动立即执行该巡检任务，并将该次的巡检结果生成检测报告存储在系统内。
5.如权利要求3所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述模型构建为通过算法训练平台的样本管理，可以对电力设备和特定点位进行样本的回放、特征解析手段来辅助选择标注并提交至模型库做模型训练。
6.如权利要求3所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述故障记录包括实时监测和巡检监测时对检测的结果做记录。
7.如权利要求3所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述事件统计包括统计当期内的以设备为维度，统计该设备发生过的各类故障预警次数。
8.如权利要求3所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述故障库按照设备型号和点位进行两级划分，在样本库标注的样本提交至算法训练后，生成对应型号对应点位的故障模型。
9.如权利要求3所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述样本库建设为建立一个可持续优化学习的人工智能平台，将传感器采集的样本根据设备的型号和点位进行分类整理。
10.如权利要求4所述的一种基于声纹识别技术的开关柜监测与故障诊断方法，其特征在于，所述检测报告的内容包括检验的设备，所在区域，关联的网关，传感器分布位置，检测结论，振动、音频样本文件，异常检测时间，异常故障类型，声纹的时域波形，频谱图，音频功率谱以及梅尔频谱特征。