文献类型：期刊文章

作　　者：张重远[1] 罗世豪[1] 岳浩天[1] 王博闻[1] 刘云鹏[1,2]

ZHANG Zhongyuan;LUO Shihao;YUE Haotian;WANG Bowen;LIU Yunpeng(Hebei Provincial Key Laboratory of Power Transmission Equipment Security Defense,North China Electric Power University,Baoding 071003,China;State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources,North China Electric Power University,Beijing 102206,China)

机构地区：[1]河北省输变电设备安全防御重点实验室(华北电力大学),保定071003 [2]华北电力大学新能源电力系统国家重点实验室,北京102206

出　　处：《高电压技术》

基　　金：国家电网有限公司科技项目(5200-201955095A-0-0-00).

年　　份：2020

卷　　号：46

期　　号：2

起止页码：413-423

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了实现变压器设备声学指纹的不停电检测,提出了一种基于Mel时频谱-卷积神经网络的变压器铁芯声纹识别模型。首先,通过铁芯模型振动与噪声试验平台,研究铁芯在不同工况下的振动声信号,将采集到的振动与声音数据进行了关联性分析和比对,验证了声信号同振动信号一样均能够有效反映铁芯的运行状态;然后,对采集到的声音数据进行Mel时频谱预处理降维,并将降维结果作为深度学习的数据集;最后构建了Mel时频谱-卷积神经网络变压器铁芯声纹模式识别模型,通过超参数调整和网络结构优化设计,实现不同运行工况声信号的准确识别。研究结果表明:该文提出的Mel时频谱-CNN识别模型对3种不同工况的声信号识别率达到了99.71%。论文研究可为电网主设备的数据深度挖掘提供参考。

关 键 词：变压器声纹  状态监测  铁芯 Mel时频谱  深度学习  卷积神经网络

分 类 号：TM40]