基于声光异构数据的变压器状态评估方法、系统及介质与流程

本发明涉及电力变压器状态检测，尤其涉及一种基于声光异构数据的变压器状态评估方法、系统及介质。

背景技术：

1、电力变压器承担着电压转换和电能传输的重要作用。电力系统中变压器使用量大，容量等级和规格繁多，运行时间长，导致其事故率也相应升高。一旦变压器出现故障，将可能对电网带来巨大的经济损失，并危及运维人员人身安全。运行中的变压器振动主要包括绕组振动、铁芯振动和冷却系统振动等。振动产生的机械波通过变压器的固体结构件、绝缘油和空气等介质向外辐射形成声波信号。声波号蕴含着大量的变压器工作状态信息。20hz至20khz是人耳可听到的声音频和图像率范围。有经验的变电站工作人员可以直接凭借耳朵听正在运行的变压器的声音来判断其状态是否正常。对运行中的变压器来说，声信号中包含了丰富的设备状态信息。当变压器出现过载、铁芯松动、直流偏磁、铁磁谐振等异常工作状态时，变压器所发出的声信号特征也会产生相应变化。

2、目前，相关技术中声光异构数据识别算法方面，如基于改进mfcc(mel frequencycepstral coefficients，梅尔频率倒谱系数)和3d-cnn(3d convolutional neuralnetworks，三维卷积神经网络)的变压器铁心松动故障声光异构数据识别模型的文章中，利用神经网络算法识别能力，提高了声光异构数据识别的准确率，但是只是将变压器的不同状态简单地划分为不同类别，没有考虑到不同状态之间的联系，也缺少对音频和图像数量和难度不平衡的处理方法。

技术实现思路

1、基于此，有必要针对上述问题，提出了一种基于声光异构数据的变压器状态评估方法、系统及介质。

2、一种基于声光异构数据的变压器状态评估方法，所述方法包括：

3、采集变压器在不同状态维度下的音频数据和图像数据。

4、根据所述音频数据和图像数据确定时频谱图，所述时频谱图包括音频数据和图像数据的声光异构数据特征。

5、利用三角滤波器组对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩。

6、将压缩后的所述声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果。

7、其中，所述采集变压器在不同状态维度下的音频数据和图像数据，具体包括：

8、分别采集变压器在电流电压状态和故障状态两种维度下的音频数据和图像数据，其中，所述电流电压状态维度包括无异常实验、开路励磁实验和短路电流实验；所述故障状态维度包括无故障实验、铁芯松动实验和线圈松动实验。

9、其中，所述根据所述音频数据和图像数据确定时频谱图，所述时频谱图包括音频数据和图像数据的声光异构数据特征，具体包括：

10、对所述音频数据和图像数据进行预加重、分帧和加窗处理。

11、对每帧的所述音频数据和图像数据分别进行快速傅里叶变换并计算功率谱密度。

12、对每帧的所述音频数据和图像数据的功率谱密度进行拼接，获取时频谱图，所述时频谱图包括声光异构数据特征。

13、其中，所述利用三角滤波器组对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩，具体包括：

14、根据三角滤波器组中每个滤波器在不同频率分量上的值确定滤波器的中心频率。

15、通过所述中心频率对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩。

16、其中，所述根据三角滤波器组中每个滤波器在不同频率分量上的值确定滤波器的中心频率，具体包括：

17、根据确定滤波器的中心频率；

18、其中，hm(k)为第m个滤波器在第k个频率分量上的值，f(m)为第m个滤波器的中心频率，k为频率分量个数，m为滤波器个数。

19、其中，所述通过所述中心频率对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩，具体包括：

20、通过s'＝gc(f,s)对所述时频谱图在频率维度上进行压缩，，以完成对所述声光异构数据特征的压缩，其中，s为时频谱图，f为中心频率，s’为压缩后的时频谱图。

21、其中，所述通过所述中心频率对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩之后，还具体包括：

22、根据预测状态分类和实际状态分类之间的误差确定误差损失函数。

23、根据所述误差损失函数更新所述中心频率。

24、其中，所述根据所述误差损失函数更新所述中心频率，具体包括；

25、根据更新中心频率，其中，f为中心频率，f′为更新后的中心频率，η为梯度下降的学习率，gn为神经网络，l为误差损失函数，gc为中心频率的压缩函数。

26、其中，所述将压缩后的声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果，具体包括：

27、提取压缩后的所述声光异构数据特征。

28、将压缩后的所述声光异构数据特征依次输入预设卷积神经网络中的卷积层、批归一化层、relu函数、最大池化层进行初步特征提取，获取初级特征。

29、将所述初级特征输入所述预设卷积神经网络中残差块的级联网络进行深层特征提取，获取深层特征。

30、将所述深层特征输入所述预设卷积神经网络中的全局平均池化层，从变压器的所述电压电流状态和故障状态两种维度对所述深层特征进行分类，得到变压器状态评估结果。

31、一种基于声光异构数据的变压器状态评估系统，所述系统包括：

32、采集模块，用于采集变压器在不同状态维度下的音频数据和图像数据。

33、时频谱图确定模块，用于根据所述音频数据和图像数据确定时频谱图，所述时频谱图包括音频数据和图像数据的声光异构数据特征。

34、时频谱图压缩模块，用于利用三角滤波器组对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩。

35、变压器状态评估模块，用于将压缩后的所述声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果。

36、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上所述方法的步骤。

37、采用本发明实施例，具有如下有益效果：

38、本发明首先采集变压器在不同状态维度下的音频数据和图像数据，通过将音频数据和图像数据转换为时频谱图，可以提取出在不同时间点上的频率和强度特征，即声光异构数据特征。进一步地，在频率维度上对时频谱图进行压缩，可以减少数据的冗余度，提高处理效率。其中，三角滤波器组能够在保持信号主要特征的同时，有效地去除高频噪声和冗余信息。最终，通过将压缩后的声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果，提高了评估的准确性和效率，还能够适应不同型号和规格的变压器，具有广泛的适用性。

技术特征：

1.一种基于声光异构数据的变压器状态评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述采集变压器在不同状态维度下的音频数据和图像数据，具体包括：

3.根据权利要求1所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述根据所述音频数据和图像数据确定时频谱图，所述时频谱图包括音频数据和图像数据的声光异构数据特征，具体包括：

4.根据权利要求3所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述利用三角滤波器组对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩，具体包括：

5.根据权利要求4所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述根据三角滤波器组中每个滤波器在不同频率分量上的值确定滤波器的中心频率，具体包括：

6.根据权利要求5所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述通过所述中心频率对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩，具体包括：

7.根据权利要求4所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述通过所述中心频率对所述时频谱图在频率维度上进行压缩，以完成对所述声光异构数据特征的压缩之后，还具体包括：

8.根据权利要求7所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述根据所述误差损失函数更新所述中心频率，具体包括；

9.根据权利要求4所述的一种基于声光异构数据的变压器状态评估方法，其特征在于，所述将压缩后的声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果，具体包括：

10.一种基于声光异构数据的变压器状态评估系统，其特征在于，所述系统包括：

11.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述方法的步骤。

技术总结
本发明实施例公开了一种基于声光异构数据的变压器状态评估方法、系统及介质，方法包括：采集变压器在不同状态维度下的音频数据和图像数据；根据音频数据和图像数据确定时频谱图，时频谱图包括音频数据和图像数据的声光异构数据特征；利用三角滤波器组对时频谱图在频率维度上进行压缩，以完成对声光异构数据特征的压缩；将压缩后的声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果。通过将压缩后的声光异构数据特征输入预设卷积神经网络，获取变压器状态评估结果，提高了评估的准确性和效率，还能够适应不同型号和规格的变压器，具有广泛的适用性。

技术研发人员：初德胜,张帅,彭庆军,赵林杰,王颂,邹德旭,张锡然,朱龙昌
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2025/2/20