[发明专利]基于声纹特征的变电站状态识别方法及装置

说明书

本说明书一个或多个实施例提供一种基于声纹特征的变电站状态识别方法、装置、介质和设备，其中的方法包括：获取变电站中设置的各类设备的声音信息，并提取所述声音信息的声纹特征；将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果，其中，所述声音识别模型为，预先以一定帧数的声音训练信息以及声纹训练特征所对应的预测标注为样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练得到。本发明提取声音信息中的声纹特征，建立与变电站状态间的关联关系，并通过声音识别模型预判变电站的潜在故障，为变电站故障预警提供技术支持，为变电站故障检测和识别提供了新的技术手段。

技术领域

本说明书一个或多个实施例涉及人工智能技术领域，尤其涉及一种基于声纹特征的变电站状态识别方法、装置、介质及设备。

背景技术

随着人工智能技术的迅猛发展，电力行业在输电线路、变电站、供电营业厅等场景正逐步应用人工智能技术，将电力员工从高危、重复性的日常工作中解放出来，同时提升用户服务的智能化水平。变电站是电网安全稳定运行的关键，人工智能在变电站的应用，目前主要集中于变电站内高清摄像机和机器人巡检所拍摄图像的缺陷识别，部分企业正研究利用声纹解决主变故障的预判，目前仍处于理论研究阶段，如何通过变电站声场识别变电站故障则是有待技术突破的问题。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于声纹特征的变电站状态识别方法、装置、介质及设备，以准确地识别变电站各类设备故障。

基于上述目的，本说明书一个或多个实施例提供了一种基于声纹特征的变电站状态识别方法，包括：

获取变电站中设置的各类设备的声音信息，并提取所述声音信息的声纹特征；

将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果；

其中，所述声音识别模型为，预先以一定帧数的声音训练信息以及声纹训练特征所对应的预测标注为样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练得到。

结合上述说明，在本发明实施例一种可能的实施方式中，所述方法还包括：

建立所述声纹特征与变电站各类设备的运行状态之间的关联关系；

结合所述关联关系和所述预测结果，对所述变电站的故障进行预判。

结合上述说明，在本发明实施例一种可能的实施方式中，所述方法还包括：

对一维时序的所述样本进行转化，得到时序频谱数据样本；

通过所述时序频谱数据样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练，得到所述声音识别模型。

结合上述说明，在本发明实施例一种可能的实施方式中，所述对一维时序的所述样本进行转化，得到时序频谱数据样本，包括：

生成时序样本集，包括：

将原始的所述声音信息分为若干帧，且相邻帧间设置帧移；

设置时序长度，预设帧数的所述声音信息为一个样本，以样本为单位进行预测标注，以得到时序样本集；

生成MFCC时序频谱特征向量，包括：

利用梅尔倒谱系数MFCC形成所述声音信息的时序频谱特征向量；

对所述时序样本集进行转化，得到时序频谱数据样本。

结合上述说明，在本发明实施例一种可能的实施方式中，所述将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果，包括：

在所述声音识别模型的特征融合层引入分类器，以表征变电站的状态概率特征向量。