噪声与振动控制

噪声与振动控制 ›› 2023, Vol. 43 ›› Issue (6): 142-148.

• 信号处理与故障诊断 • 上一篇    下一篇

基于掩码自编码技术的变压器故障声纹诊断方法研究

刁冠勋1，唐懿颖1，张阳2，邵宇鹰1，王枭2，姜黛琳1   

  1. （ 1. 国网上海市电力公司，上海200122； 2. 上海睿深科技有限公司，上海201108 ）
  • 收稿日期:2023-04-20 修回日期:2023-07-03 出版日期:2023-12-18 发布日期:2023-12-18

Research on Voiceprint Diagnosis Method of Transformer Faults Based on Mask Self-coding Technology

  • Received:2023-04-20 Revised:2023-07-03 Online:2023-12-18 Published:2023-12-18

PDF

摘要： 电力变压器作为电力系统中电能转换与能量传输的核心设备，其可靠运行对电力系统的安全运行有着极为重要的意义。近年来随着边缘计算在电力设备诊断方面的应用不断盛行，受限的硬件算力对算法的计算量提出了新的要求。对此提出一种基于声纹识别与掩码自编码技术的变压器故障诊断方法。首先，将采集的变压器辐射声音信号进行梅尔频谱计算和归一化处理得到声纹特征；其次，将声纹特征运用掩码自编码器进行训练，得到可用于对特征降维的编码器；最后，利用卷积神经网络对编码后的变压器声纹特征进行识别和分类。实验结果表明，该方法在掩码比例为40 %的时候能达到93.75 %故障识别精度，识别准确率高于对比算法。此外，相对于没有采用掩码自编码的分类算法，该方法在提升17.26 %准确率的同时，将计算量缩减为不到原来的1 %，可有效降低变压器检测的计算量。

关键词: 故障诊断, 声纹识别, 掩码, 自编码器, 变压器