[发明专利]基于声纹图像特征的变压器状态识别方法、系统及介质

权利要求书

1.一种基于声纹图像特征的变压器状态识别方法，其特征在于实施步骤包括：

1）采集目标变压器在运行状态下的声音信号；

2）根据声音信号生成声纹特征图像；

3）提取声纹特征图像中的声纹图像特征信息；

4）将声纹图像特征信息和预设的变压器状态特征识别库进行比对或者将声纹图像特征信息输入预先训练好的人工智能机器学习模型，识别出目标变压器与噪声相关的状态，所述变压器状态特征识别库包含声纹图像特征信息、变压器与噪声相关的不同状态之间的映射关系，所述人工智能机器学习模型被预先训练建立了声纹图像特征信息、变压器与噪声相关的不同状态之间的映射关系。

2.根据权利要求1所述的基于声纹图像特征的变压器状态识别方法，其特征在于，步骤2）中生成的声纹特征图像为二维彩色图像，且横轴、纵轴分别为时间与频率，以彩色图像颜色的深浅表示信号幅值的大小。

3.根据权利要求1所述的基于声纹图像特征的变压器状态识别方法，其特征在于，步骤3）中提取声纹特征图像中的声纹图像特征信息具体是指提取声纹特征图像中的噪声信号频谱范围，以及噪声信号频谱范围内的集中的目标频率整数倍频率分量；或者步骤3）中提取声纹特征图像中的声纹图像特征信息具体是指采用卷积神经网络提取声纹特征图像中的特征得到声纹图像特征信息。

4.根据权利要求1所述的基于声纹图像特征的变压器状态识别方法，其特征在于，步骤4）中将声纹图像特征信息和预设的变压器状态特征识别库进行比对的详细步骤包括：

4.1）确定目标变压器的电压等级、设备厂家、结构类型、冷却方式；

4.2）将目标变压器的声纹图像特征信息和预设的变压器状态特征识别库中相同电压等级、设备厂家、结构类型、冷却方式的变压器的声纹图像特征信息、变压器与噪声相关的不同状态之间的映射关系进行比对，或者将目标变压器的声纹图像特征信息输入预先训练好的、相同电压等级、设备厂家、结构类型、冷却方式的变压器对应的人工智能机器学习模型，最终识别出目标变压器与噪声相关的状态。

5.根据权利要求1所述的基于声纹图像特征的变压器状态识别方法，其特征在于，步骤4）中变压器与噪声相关的不同状态包括：正常、过励磁、三相不平衡负载、谐波负载、冷却系统缺陷、直流偏磁、绕组与铁心松动、附件松动、过载中的一种或多种。

6.根据权利要求1～5中任意一项所述的基于声纹图像特征的变压器状态识别方法，其特征在于，步骤3）之前建立变压器状态特征识别库的步骤，详细步骤包括：

A1）分别采集不同电压等级、设备厂家、结构类型、冷却方式的变压器在不同状态条件下的声音信号样本；

A2）根据声音信号样本生成声纹特征图像；

A3）提取声纹特征图像中的声纹图像特征信息，

A4）根据相同电压等级、设备厂家、结构类型、冷却方式的变压器的声音信号样本的声纹图像特征信息，建立该电压等级、设备厂家、结构类型、冷却方式的变压器的声纹图像特征信息、变压器与噪声相关的不同状态之间的映射关系，最终得到所有电压等级、设备厂家、结构类型、冷却方式的变压器的声纹图像特征信息、变压器与噪声相关的不同状态之间的映射关系构成的变压器状态特征识别库。

7.根据权利要求1～5中任意一项所述的基于声纹图像特征的变压器状态识别方法，其特征在于，步骤3）之前训练人工智能机器学习模型的步骤，详细步骤包括：

B1）分别采集不同电压等级、设备厂家、结构类型、冷却方式的变压器在不同状态条件下的声音信号样本；

B2）根据声音信号样本生成声纹特征图像；

B3）提取声纹特征图像中的声纹图像特征信息，将声纹图像特征信息附加上对应变压器的状态标签构建训练集和测试集；

B4）针对每一种相同电压等级、设备厂家、结构类型、冷却方式的变压器分别建立人工智能机器学习模型，且通过对应的训练集对人工智能机器学习模型进行训练，且在通过测试集进行测试准确率达到预设要求的时候完成并结束对人工智能机器学习模型的训练。