[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

说明书

本发明公开了一种基于声纹图像特征的变压器状态识别方法、系统及介质，本发明识别方法为根据声音信号生成声纹特征图像，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。本发明可利用声纹图像特征识别变压器与噪声相关的异常运行状态，能够显著改善人为判断经验不足、误差大的问题以及现有声学诊断系统特征容易遗漏、准确率低的问题，可大幅提高与噪声有关的变压器运行状态诊断准确率，具有诊断准确率高、诊断速度快的优点。

技术领域

本发明涉及电力变压器运行状态评价技术领域，具体涉及一种基于声纹图像特征的变压器状态识别方法、系统及介质，可利用声纹图像特征识别变压器噪声相关异常运行状态。

背景技术

电力变压器运行故障是导致电力系统大范围停电事故的关键原因。变压器30%以上典型故障缺陷（如：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、过载等）可利用噪声进行检测。现有与变压器噪声有关的故障检测方法主要依靠运行人员利用人耳听、利用经验判断故障类型，或者利用声音信号的波形、频谱并从中提取一定数量的声音特征作为区分不同运行状态的依据。前者主要依赖人员经验，存在难以普遍适用、误判几率大、识别准确度低等问题；后者由于变压器故障类型较多，能够明显区别不同故障类型的声音特征提取十分困难，容易造成特征信息不足、故障诊断准确率较低的问题。

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，提供一种基于声纹图像特征的变压器状态识别方法、系统及介质，本发明可利用声纹图像特征识别变压器与噪声相关的异常运行状态，能够显著改善人为判断经验不足、误差大的问题以及现有声学诊断系统特征容易遗漏、准确率低的问题，能够不依赖人员经验诊断与噪声有关的变压器异常运行状态并进行分类识别，可大幅提高与噪声有关的变压器运行状态诊断准确率，具有诊断准确率高、诊断速度快的优点。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于声纹图像特征的变压器状态识别方法，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。

可选地，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。

可选地，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。

可选地，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；