基于Mel时频谱-卷积神经网络的变压器铁芯声纹模式识别方法

作     者：张重远 罗世豪 岳浩天 王博闻 刘云鹏 ZHANG Zhongyuan;LUO Shihao;YUE Haotian;WANG Bowen;LIU Yunpeng

作者机构：河北省输变电设备安全防御重点实验室(华北电力大学)保定071003 华北电力大学新能源电力系统国家重点实验室北京102206 

基　　金：国家电网有限公司科技项目(5200-201955095A-0-0-00) 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2020年第46卷第2期

页      码：413-423页

摘      要：为了实现变压器设备声学指纹的不停电检测,提出了一种基于Mel时频谱-卷积神经网络的变压器铁芯声纹识别模型。首先,通过铁芯模型振动与噪声试验平台,研究铁芯在不同工况下的振动声信号,将采集到的振动与声音数据进行了关联性分析和比对,验证了声信号同振动信号一样均能够有效反映铁芯的运行状态;然后,对采集到的声音数据进行Mel时频谱预处理降维,并将降维结果作为深度学习的数据集;最后构建了Mel时频谱-卷积神经网络变压器铁芯声纹模式识别模型,通过超参数调整和网络结构优化设计,实现不同运行工况声信号的准确识别。研究结果表明:该文提出的Mel时频谱-CNN识别模型对3种不同工况的声信号识别率达到了99.71%。论文研究可为电网主设备的数据深度挖掘提供参考。

主 题 词：变压器声纹 状态监测 铁芯 Mel时频谱 深度学习 卷积神经网络 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.13336/j.1003-6520.hve.20200131005

馆 藏 号：203883411...