基于声纹检测信息的变压器故障识别系统的制作方法

本发明涉及电故障测试装置，尤其涉及一种基于声纹检测信息的变压器故障识别系统。

背景技术：

1、变压器是电网中重要的电力设备之一，其故障可能会导致电力系统的故障，对电网的安全稳定运行带来严重影响。

2、近年来，通过声纹对变压器故障识别的技术因相对于传统技术对变压器的干扰较小而被广泛应用，中国专利授权公告号：cn111537919b公开了一种基于声纹特征的变压器故障诊断方法，包括：设定待检测诊断的变压器内包括n个绕组，将3n个加速度传感器以每个绕组布设对应3个加速度传感器以二维等距分布的方式附着在变压器设备外壳；采集声纹电信号，通过布设的多个加速度传感器阵列对变压器设备外壳输出的时域声纹信号进行采集，并通过模数转换获得时域声纹数据，根据变压器振动频率区间，采用大于变压器振动频率区间频率最大值的采样频率设定的周期进行采样；对采集的时域声纹数据进行分析来诊断变压器是否产生故障。

3、但上述方法存在因数据量和计算繁多导致故障识别反应时效性差的问题，结合配电网预测对变压器故障进行分状态识别能够有效避免这一问题，配电网预测能够对变压器的故障进行预测，中国专利授权公告号：cn111537919b公开了一种天气敏感型区域配电网扰动事件预测方法，包括利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值。

4、由此可见，现有技术存在因数据量和计算繁多导致故障处理错过最佳处理时间的问题。

技术实现思路

1、为此，本发明提供一种基于声纹检测信息的变压器故障识别系统，用以克服现有技术因数据量和计算繁多导致故障处理错过最佳处理时间，从而导致故障识别时效性差的问题。

2、为实现上述目的，本发明提供一种基于声纹检测信息的变压器故障识别系统，包括：

3、故障预测模块，用以获取变压器当前的故障相关特征并根据故障相关特征预测未来预设周期内变压器的预测故障信息；

4、声纹拾取模块，用以采集变压器的声纹数据，包括若干贴片式声纹采集器和若干立杆式声纹采集器；

5、采集分配模块，其与所述声纹拾取模块连接，用以分配所述声纹拾取模块的布设位置和/或调整声纹拾取模块的工作模式；

6、故障样本库，用以存储若干标记有变压器的故障类型和对应的触发特征的故障声纹样本；

7、声纹识别模块，其分别与所述声纹拾取模块和所述故障样本库连接，用以将声纹拾取模块采集的声纹数据与故障声纹样本比对以识别变压器的故障类型和故障程度；

8、中控模块，其分别与所述故障预测模块、所述采集分配模块、所述故障样本库和所述声纹识别模块连接，用以根据所述故障相关特征和触发特征计算重合度并根据重合度对故障样本库进行压缩以及对各故障声纹样本的比对优先级进行判定，根据所述预测故障信息控制采集分配模块对声纹拾取模块的布设位置和/或对声纹拾取模块的工作模式进行调节，并在多个变压器同时发生故障时执行故障溯源策略；

9、其中，所述预测故障信息包括若干高风险位置、高风险位置对应的故障类型以及对应的故障发生概率；

10、所述故障相关特征的特征类别包括气候、老化程度、压力载荷和电力负载中的至少三项；

11、所述触发特征的特征类别与故障相关特征的特征类别相同且设有单个特征类别的特征阈值。

12、进一步地，所述中控模块获取变压器当前的故障相关特征，并根据故障相关特征对所述故障样本库执行样本压缩策略；

13、所述样本压缩策略为所述中控模块将所述故障相关特征与所述触发特征进行比对，提取与故障相关特征重合度大于预设重合度阈值的若干触发特征对应的故障声纹样本，同时提取低特征影响的故障声纹样本，中控模块在未来预设周期内以提取的故障声纹样本作为故障样本子库；

14、所述预设周期和预设重合度阈值与变压器所处配电网的故障频率有关，所述低特征影响的故障声纹样本满足故障声纹样本对应的故障类型不受故障相关特征影响或受故障相关特征影响程度低于预设影响程度。

15、进一步地，所述中控模块在计算单个特征类别对应的重合度时，重合度c通过式(1)计算；

16、

17、其中，j为特征类别数量，ksi为触发特征中第i个特征类别的特征相似度，αi为第i个特征类别的权重转换系数，i＝1，2，…，j，j＞2且j为正整数；

18、所述特征相似度为所述故障相关特征与所述触发特征中单个特征类别的相似程度，特征相似度根据故障相关特征中单个特征类别对应的量化参数与触发通特征中对应的特征阈值的差值确定。

19、进一步地，所述中控模块根据所述重合度判定单个故障声纹样本的比对优先级；

20、所述中控模块计算单个故障声纹信息的重合度与所述预设重合度阈值的差值根据差值确定比对优先级，在未来预设周期内声纹分析模块按比对优先级由高到低的顺序将所述故障样本子库中的故障声纹样本与所述声纹拾取模块采集的声纹信息进行比对以识别变压器的故障类型；

21、所述比对优先级与所述差值负相关。

22、进一步地，若在所述未来预设周期内，单个发生故障的声纹信息与所述故障样本子库中的所有故障声纹样本均不匹配，所述中控模块执行样本补充策略；

23、且所述声纹识别模块在发现与各故障声纹样本不同的发生故障的声纹信息存入所述故障样本库中并标记故障类别和触发特征；

24、所述样本补充策略为将声纹信息和除故障样本子库的其余故障声纹样本进行比对。

25、进一步地，所述中控模块在所述未来预设周期内，根据所述预测故障信息绘制故障分布图，根据故障分布图控制所述采集分配模块分配所述声纹拾取模块的布设位置；

26、具体为将故障分布图分为若干区间，分析单个区间内的高风险位置数量，若单个区间内的高风险位置数量大于数量阈值且平均故障概率大于故障概率阈值，在该区间以预设布设密度布设若干贴片式声纹采集器；

27、若为其余判定结果，在该区间布设立杆式声纹采集器。

28、进一步地，若经未来预设周期后，若干互相连接的变压器均发生同类型故障，所述中控模块执行故障溯源策略；

29、所述故障溯源策略为，在若干变压器的若干故障分布图中标记对应故障位置和故障程度，分析故障程度的线性变化趋势及变化趋势对应方向以确定故障源头变压器位置或故障源头线缆。

30、进一步地，若所述故障预测模块预测未来预设周期内变压器达到低风险状态，所述中控模块控制所述采集分配模块将所述声纹拾取模块的采集频率降低和/或将所述贴片式声纹采集器的布设密度降低；

31、所述低风险状态为平均重合度低于重合度阈值、无所述高风险位置或故障概率低于最低故障概率。

32、进一步地，所述中控模块根据所述未来预设周期内变压器的故障次数对下一周期的时长进行调节；

33、所述时长与所述故障次数负相关。

34、进一步地，所述故障样本库由历史故障信息获取，所述声纹识别模块的工作原理为利用声纹信号处理技术提取声纹信息的特征参数并将特征参数输入到识别模型，以获得最相似的故障声纹样本，根据故障声纹样本得出故障类型和故障程度；

35、所述声纹处理技术包括小波变换和/或时频分析；

36、所述历史故障信息为现有已获取的各变压器历史故障信息。

37、与现有技术相比，本发明的有益效果在于，本发明通过故障预测和声纹检测的结合，对故障样本库进行压缩，压缩后的数据量相较于之前有效减少，且根据单个故障声纹样本的重合度，对声纹识别模块的比对优先级进行调节，对于与当前故障特征重合度高的故障声纹样本进行优先比对，相比现有技术能提早识别故障声纹，避免了因数据量和计算繁多导致故障处理错过最佳处理时间。在有效提高了故障识别的时效性的同时，有效提升了故障识别的精准度。

38、进一步地，声纹拾取模块采用贴片式声纹采集器和若干立杆式声纹采集器结合的方式，根据高风险位置对声纹采集器进行分配提高了识别精准度和针对性，进一步提升了故障识别的精准度。

39、进一步地，在所述未来预设周期内，单个发生故障的声纹信息与所述故障样本子库中的所有故障声纹样本均不匹配，所述中控模块执行样本补充策略，样本补充策略能够有效避免压缩失误导致声纹识别模块工作异常，在有效提高了故障识别的时效性的同时，进一步提升了故障识别的精准度。

40、进一步地，本发明故障分布图能够直观体现出预测的故障分布情况，方便对声纹拾取模块布设位置进行调整，进一步提升了故障识别的精准度。

41、进一步地，本发明中控模块在多个变压器均发生同类型故障时执行故障溯源策略，通过故障溯源策略能有效对故障源头进行分析，进一步提升了故障识别的精准度。

42、进一步地，本发明在低风险状态时降低声音拾取模块的采集频率和/或贴片式声纹采集器布设密度，减少了系统能耗，提高了使用寿命，从而进一步提升了故障识别精准度。