一种基于声纹特征的变压器故障检测方法及系统与流程

本发明涉及变压器故障检测，更具体的说是涉及一种基于声纹特征的变压器故障检测方法及系统。

背景技术：

1、变压器是变电站的核心设备，承担着变换电压、分配电能的任务，其安全、可靠的运行对电网安全稳定运行保障具有积极的意义。随着电网投资规模的扩大、新能源发电行业的快速发展、城网农网的大力改造，致使变压器的需求量日益剧增。若变压器出现故障，将造成停电损失、维护成本高等问题。

2、引发变压器故障原因较多，而变压器故障排除能力偏低，关键隐患不能实时预警。变压器在进行工作时会由于不同的工作功率产生不同的声音分贝且变压器进行工作时，由于电压电流恒定，所产生的声音分贝是稳定的，在变压器工作发出的声音分贝发出变化，往往是由于电压的突然变化和变压器故障所产生的。因此，通过声纹振动信号进行故障的识别逐渐成为国内外研究的热点。但是由于声纹振动信号的复杂性，关于声纹振动信号准确识别仍然是目前电力设备亟需解决却具有很大挑战的难题。

3、长期以来，对于声纹振动信号的采集都伴随着外界噪声信号的干扰和传播过程中的衰减，并且都需要大量的经验数据，对不同的变压器诊断效果适应性较差，同时也无法准确得到故障位置的信息，无法及时进行故障排查。

4、因此，针对上述问题，如何减少声纹故障检测过程中噪声的影响，提高故障类型检测和故障位置检测的效率，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种基于声纹特征的变压器故障检测方法及系统。

2、为了实现上述目的，本发明提供如下技术方案：

3、一种基于声纹特征的变压器故障检测方法，包括以下步骤：

4、步骤1、获取变压器声纹振动信号样本数据，并按照正常类型和故障类型进行分类，得到故障类型变压器声纹振动信号样本和正常类型变压器声纹振动信号样本；

5、步骤2、将所述故障类型变压器声纹振动信号样本和正常类型变压器声纹振动信号样本去除噪声，得到故障声纹图谱特征和正常声纹图谱特征；

6、步骤3、将故障声纹图谱特征、正常声纹图谱特征以及对应的声纹类型，存储在特征数据库中；

7、步骤4、针对目标变压器构建声纹振动传感器阵列；

8、步骤5、实时采集变压器运行过程中声纹振动传感器阵列的声纹振动信号；

9、步骤6、根据采集的各个声纹振动信号，进行去除噪声，得到若干个待识别声纹图谱特征；

10、步骤7、根据若干个待识别声纹图谱特征，结合预设的声纹振动传感器信号加权矩阵，采用改进的加权music算法计算得到若干个待识别声纹图谱特征的空间谱图，并将空间谱图转换为平面图像，对故障位置进行定位；

11、步骤8、将待识别声纹图谱特征与特征数据库中的各个声纹图谱特征进行相似度计算，根据相似度计算结果得到故障类型检测结果。

12、可选的，对声纹振动信号去除噪声的方法为：

13、通过傅里叶变换将声纹振动信号转换为频域，得到初始声纹图谱特征；

14、通过分帧操作对初始声纹图谱特征进行噪声数据分离，得到最终的声纹图谱特征。

15、可选的，所述声纹类型包括：正常类型和故障类型，所述故障类型至少包括短路冲击、局部放电、直流偏磁故障。

16、可选的，所述步骤4中，构建声纹振动传感器阵列的方法为：

17、设定目标变压器内包括n个绕组，将3n个声纹振动传感器以每个绕组布设3个声纹振动传感器以二维等距分布的方式附着在声纹振动传感器设备外壳，即变压器内每个绕组分别布设3个等距分布的声纹振动传感器对应检测该绕组；所述3n个声纹振动传感器构成声纹振动传感器阵列。

18、可选的，所述步骤7中，改进的加权music算法为：

19、

20、其中，θ为方位角，为俯仰角；为麦克风阵列流型；un-updata为加权更新后的噪声子空间矩阵；pmusic为概率；h表示矩阵的共轭转置。

21、可选的，所述步骤8中，根据相似度计算结果得到故障类型检测结果，具体的：

22、选取最大相似度计算结果；

23、将所述最大相似度计算结果与预设阈值进行比较，若所述最大相似度计算结果大于等于所述预设阈值，则确定所述最大相似度计算结果在特征数据库中对应的声纹图谱特征，以对应的声纹图谱特征的声纹类型作为故障类型检测结果；若所述最大相似度计算结果小于所述预设阈值，表示特征数据库中没有对应的声纹图谱特征，则进行人工查验维修，并确定其声纹类型，将该待识别声纹图谱特征及其对应的声纹类型录入特征数据库中。

24、一种基于声纹特征的变压器故障检测系统，包括：

25、样本获取模块，用于获取变压器声纹振动信号样本数据，并按照正常类型和故障类型进行分类，得到故障类型变压器声纹振动信号样本和正常类型变压器声纹振动信号样本；

26、声纹图谱特征提取模块，用于将所述故障类型变压器声纹振动信号样本和正常类型变压器声纹振动信号样本去除噪声，得到故障声纹图谱特征和正常声纹图谱特征；

27、特征数据库构建模块，用于将故障声纹图谱特征、正常声纹图谱特征以及对应的声纹类型，存储在特征数据库中；

28、传感器阵列构建模块，用于针对目标变压器构建声纹振动传感器阵列；

29、声纹振动信号采集模块，用于实时采集变压器运行过程中声纹振动传感器阵列的声纹振动信号；

30、待识别声纹图谱特征提取模块，用于根据采集的各个声纹振动信号，进行去除噪声，得到若干个待识别声纹图谱特征；

31、故障位置检测模块，用于根据若干个待识别声纹图谱特征，结合预设的声纹振动传感器信号加权矩阵，采用改进的加权music算法计算得到若干个待识别声纹图谱特征的空间谱图，并将空间谱图转换为平面图像，对故障位置进行定位；

32、故障类型检测模块，用于将待识别声纹图谱特征与特征数据库中的各个声纹图谱特征进行相似度计算，根据相似度计算结果得到故障类型检测结果。

33、经由上述的技术方案可知，本发明提供了一种基于声纹特征的变压器故障检测方法及系统，与现有技术相比，具有以下有益效果：

34、本发明通过声纹图谱特征进行声纹类型的识别，寻找相匹配的声纹图谱特征，以确定声纹类型；同时还可以对特征数据集进行实时更新，以完善数据库中的特征种类和声纹类型，使故障检测效果更加完善。

35、本发明通过减少故障检测过程中的噪声影响，提高了故障类型检测的准确率。

36、本发明还通过相关算法进行故障位置检测，进一步完善了故障检测的功能效果，将故障类型检测和故障位置检测相配合，提高后期故障排除的效率。

技术特征：

1.一种基于声纹特征的变压器故障检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于声纹特征的变压器故障检测方法，其特征在于，对声纹振动信号去除噪声的方法为：

3.根据权利要求1所述的一种基于声纹特征的变压器故障检测方法，其特征在于，所述声纹类型包括：正常类型和故障类型，所述故障类型至少包括短路冲击、局部放电、直流偏磁故障。

4.根据权利要求1所述的一种基于声纹特征的变压器故障检测方法，其特征在于，所述步骤4中，构建声纹振动传感器阵列的方法为：

5.根据权利要求1所述的一种基于声纹特征的变压器故障检测方法，其特征在于，所述步骤7中，改进的加权music算法为：

6.根据权利要求1所述的一种基于声纹特征的变压器故障检测方法，其特征在于，所述步骤8中，根据相似度计算结果得到故障类型检测结果，具体的：

7.一种基于声纹特征的变压器故障检测系统，其特征在于，包括：

技术总结
本发明公开了一种基于声纹特征的变压器故障检测方法及系统，涉及变压器故障检测技术领域，首先获取变压器声纹振动信号样本；将所述样本去除噪声，得到声纹图谱特征；将声纹图谱特征以及对应的声纹类型录入特征数据库中；针对目标变压器构建声纹振动传感器阵列；实时采集阵列的声纹振动信号，进行去除噪声，得到待识别声纹图谱特征；根据待识别声纹图谱特征，结合预设的声纹振动传感器信号加权矩阵，计算得到其空间谱图，转换为平面图像，对故障位置进行定位；将待识别声纹图谱特征与特征数据库中的各个声纹图谱特征进行相似度计算，得到故障类型检测结果。本发明减少了声纹故障检测过程中噪声的影响，提高了故障类型检测和故障位置检测的效率。

技术研发人员：卢衍春,张乾浩,王星赫,卢明晓,房祥敏,刘刚,黄飞,周炜,王晓军,王欢,张顺亮,刘鑫,孙晓飞,高杰,韩浩,林浩,崔磊
受保护的技术使用者：国网山东省电力公司莒县供电公司
技术研发日：
技术公布日：2024/2/29