[发明专利]一种基于声音信号分析的开关柜局部放电检测方法

说明书

本发明公开了一种基于声音信号分析的开关柜局部放电检测方法，涉及，包括如下步骤：S1、采集高压开关柜绝缘破坏放电声音训练样本；S2、对训练样本预处理，计算其语谱图，并提取显著性特征；S3、构建基于语谱图的深度学习模型并进行训练；S4、将待测放电声音进行与步骤S2同样的预处理，提取特征参数后送入步骤S3生成的分类器完成最终的检测识别。经过训练的分类器可以识别出高压开关柜绝缘破坏时的放电声音，从而进行实时故障检测，实时显示高压开关柜的工作状态。本发明具有检测精度高，鲁棒性强的优点。

技术领域

本发明涉及一种开关柜局部放电检测方法，特别涉及利用声音信号检测开关柜局部放电的方法。

背景技术

开关柜是配网的主要设备之一，是电力生产输送以及使用过程中最为关键的电气设备，同时也是故障发生率较高的一种设备。开关柜内的局部放电特性能准确反映开关柜设备在不同阶段的损坏程度，利用这一特性对开关柜在绝缘状态进行在线带电检修是行之有效的途径。

一般检修举措往往会耗费大量的人力、物力、财力，且故障排查不及时，不能消除潜在的安全隐患，往往会造成重大安全事故。而安全有效的带电检测不仅可以大大降低设备损坏的可能性，延长开关柜的使用寿命，而且还能使整个供电系统拥有长期稳定的保障。

近年来，开关柜局部放电的检测一直是国内外众多学者的研究热点和难点，一些检测方法也应运而生，例如弧光检测、超声波检测、超高频检测以及音频声事件检测等。高压开关柜在封闭的环境下运行，因此，为检修工作不会影响开关柜的正常运作，广大学者都更加倾向于采用非侵入式检测。局部放电的过程往往伴随着发光发热、电晕声甚至击穿声，这一过程便可以按照可听声的范围，利用音频事件检测的方法进行开关柜的检修与维护。同时，根据声音信号的传播特点，利用音频事件检测还可以准确定位故障源。但是，目前的研究的特征主要是MFCC特征。MFCC是语音识别的常用特征之一，但是用于非语音识别上，实际效果还需要验证。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种放电检测效率高，鲁棒性好的基于声音信号分析的开关柜局部放电检测方法。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于声音信号分析的开关柜局部放电检测方法，包括如下步骤：

S1、采集高压开关柜绝缘破坏放电声音训练样本；

S2、对训练样本预处理，计算其语谱图，并提取显著性特征；

S3、构建基于语谱图的深度学习模型并进行训练；

S4、将待测放电声音进行与步骤S2同样的预处理，提取特征参数后送入步骤S3生成的分类器完成最终的检测识别。

优选的，步骤S2中语谱图的显著性特征的计算步骤为：

S21、将语音信号通过快速傅里叶变换转换为语谱图；

S22、计算各通道的显著度特征；

基于语谱图通过中心-周边差算子计算各特征的显著度，得到不同通道和不同尺度下的显著度特征，即表示强度I变化、方位O_θ特征、频率F变化、时频T特征和音调P变化的显著图。具体公式如下：

M(c,s)＝|M(c)ΘM(s)|，M∈{I,O_θ,F,T,P} (1)

其中，中心尺度c∈{2,3,4}，s＝c+δ，且δ∈{3,4}。中心尺度c和四周尺度s的差计算用符号Θ表示。

S23、提取特征矩阵；

将每幅特征图分成s行t列，共s×t个子区域，用每个子区域的中位值替代该子区域，将图像进一步归一化为s×t的特征矩阵，从而以一个低分辨率的图像特征矩阵来描述整个语谱。