[发明专利]一种基于深度学习算法的变压器声音缺陷识别系统

说明书

本发明涉及变压器检修技术领域，且公开了一种基于深度学习算法的变压器声音缺陷识别系统，工作人员通过人工将其扩音装置放入到变压器的表面，同时将其固定于变压器的表面，防止其使用过程中出现脱落的现象，固定完成之后，继而使其变压器开始通电工作，同时扩音装置开始进行变压器工作时所产生噪音的放大，同时将放大后的音频送入到计算机的内部，本发明通过设有基于深度学习算法的变压器声音缺陷识别方法，继而加快了其变压器所发生故障的判断效率，且通过设有计算机进行声音幅频特性图的导出，继而方便其工作人员进行分类处理变压器可能出现的故障情况，一定程度上，加大了变压器故障分析的准确性，继而方便后期工作人员进行维修处理。

技术领域

本发明涉及变压器检修技术领域，更具体地说，本发明涉及一种基于深度学习算法的变压器声音缺陷识别系统。

背景技术

电力变压器在电力系统中承担电压转换、电能分配的任务，具有非常重要的地位，其安全可靠运行对整个电网的安全稳定起着关键性作用，但是长期带负荷运行的电力变压器工作条件十分严酷，在运行中难免会发生老化和故障，而在这些故障中，绕组变形、移位、坍塌等故障最为严重，已经严重影响了变压器的使用寿命，危害电网的安全运行；

而电力变压器在发生故障的时候，维修人员主要会通过其工作时的声音状态，继而可以判断其变压器是否处于故障状态，这一判断过程主要是通过人工进行判断，这样做的话，极易导致判断失误情况的发生，继而导致整体变压器的维修效率降低，所以说目前市场上急需一种新型高效的变压器声音缺陷识别方法。

发明内容

为了克服现有技术的上述缺陷，本发明提供一种基于深度学习算法的变压器声音缺陷识别系统，以解决上述背景技术中存在的问题。

本发明提供如下技术方案：一种基于深度学习算法的变压器声音缺陷识别系统，包括以下操作步骤：

S1、工作人员通过人工将其扩音装置放入到变压器的表面，同时将其固定于变压器的表面，防止其使用过程中出现脱落的现象；

S2、固定完成之后，继而使其变压器开始通电工作，同时扩音装置开始进行变压器工作时所产生噪音的放大，同时将放大后的音频送入到计算机的内部；

S3、当其噪音送入殴打计算机的内部时，进行音频的转化，继而将其转化为声音幅频特性图；

S4、当其音频转化为声音幅频特性图之后，再通过人工观察其特性图中波长与幅值是否为周期性，在通过这一特征进行分类处理；

S5、分类完成之后，再通过智能微机判断，继而将其进行二次分类处理，分类完成之后，再将其依次送入到故障诊断部门进行分类处理，继而方便其工作人员进行故障的分析与判断。

其中，所述扩音装置上设定有负压吸附装置，同时负压吸附装置工作方式为电动。

其中，所述当特性图中波长与幅值是为周期性时，同时其声音小于1000Hz时，送入到故障诊断部门时，如果通过人工听取其声音是否为“嗡嗡”的电磁声，即可判断变压器基本为无故障状态。

其中，所述当特性图中波长与幅值是为周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出的也是嗡嗡声时，此时即可判断变压器中电源电压较高、负荷较大，或者铁芯夹件两头螺丝、穿心螺丝、垫块压钉螺丝不紧情况的出现。

其中，所述当特性图中波长与幅值是为周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出“吱吱”声，继而可以判断其可能是触头有污垢而引起的接触不良现象，所述当特性图中波长与幅值是为周期性时，同时其声音大于1000Hz时，且送入到故障诊断部门时，发出“吱啦”声，此时即可判断故障可能是由于新组装或吊芯检修时的疏忽大意，螺钉或铁垫没有上紧或掉入小的铁质部件，在电磁力作用下抖动所，且在判断时需要确定其扩音装置是否为固定状态。