一种基于放电声音识别高压开关柜状态的方法技术

本发明专利技术公开了基于放电声音识别高压开关柜状态的方法：步骤1、分别采集高压开关柜电晕态和高压放电态的放电声音信号；步骤2、分别对放电声音信号进行预处理，得到对应的训练样本；步骤3、提取训练样本短时能量相关特征参数；步骤4、提取训练样本MFCC参数；步骤5、设计分类器；步骤6、对高斯混和模型进行参数训练；步骤7、监测高压开关柜，对监测到的放电声音进行预处理得到待识别样本，提取待识别样本的短时能量相关特征参数和MFCC参数，当短时能量超过阈值，则进入步骤8；步骤8、计算待识别样本在高斯混和模型下的概率值；步骤9、根据计算结果判断高压开关柜状态，包括正常态，电晕态和高压放电态。可靠性更高、响应速度更快、更智能化。

Method for identifying state of high voltage switch cabinet based on discharge sound

The invention discloses a method for discharge of high voltage switch cabinet status voice recognition based on step 1, discharge sound signals were collected in high voltage switchgear and high-voltage discharge corona state state; step 2, respectively on the discharge sound signal preprocessing, get the corresponding training samples; step 3, training samples from the short-time energy related parameters; step 4, training samples from MFCC parameters; step 5, the design of classifier; step 6, the Gauss mixture model parameters training; step 7, monitoring of high voltage switch cabinet, the discharge sound monitored pretreatment to the unknown sample, extracting short-time energy related parameters and MFCC parameters of the sample to be identified, when the short-time energy exceeds the threshold, to step 8; step 8, calculation of the sample to be identified in the Gauss mixture probability model of value; step 9, according to the calculation results Determine the state of high voltage switchgear, including normal, corona, and high voltage discharge states. Higher reliability, faster response, more intelligent.

【技术实现步骤摘要】
一种基于放电声音识别高压开关柜状态的方法
本专利技术涉及一种基于放电声音识别高压开关柜状态的方法。
技术介绍
进入21世纪，电力市场的主导地位已经逐渐从卖方市场转移到了买方市场，用户对供电系统的安全性和可靠性的期望值越来越高。高压开关柜是配电网中的主要设备之一，得到了广泛的应用。但高压开关柜中的绝缘附件在长时间的运行及其他异常情况下可能会引起绝缘故障的发生，最终导致发热、爆燃、损毁，从而引起一系列的安全事故和经济损失，并造成用户信任的缺失。现有设计中，为了保障设备的安全稳定运行，主要举措就是定期或不定期的对在线运行的高压开关柜进行状态检修，检修的内容包括高压开关柜等高压设备的温度、湿度、电压、电流等状态参量，对于绝缘性能检测更多的是靠工作人员去观察。这种举措往往会耗费大量的人力、物力、财力，且故障排查不及时，不能消除潜在的安全隐患，往往会造成重大安全事故。
技术实现思路
针对上述问题，本专利技术提供一种基于放电声音识别高压开关柜状态的方法，利用高压开关柜绝缘破坏时的放电声音，进行实时故障检测，避免传统人工检测方法花费大、故障排查不及时、不能实时监测的缺点，可靠性更高、响应速度更快、实现实时检测、实时报警，智能化程度更高。名词解释：1、电晕态：电晕放电为气体介质在不均匀电场中的局部自持放电。发生电晕时在电极周围可以看到光亮，并伴有咝咝声。电晕放电可以是相对稳定的放电形式，也可以是不均匀电场间隙击穿过程中的早期发展阶段。即电晕态为高压开关柜绝缘破坏早期状态。2、高压放电态：高压放电是指电能的压差放电。高压放电态为高压开关柜绝缘破坏严重状态，常伴随有爆炸声。3、短时能量：短时能量是一个度量音频信号幅度值变化的函数，常用来表征音频信号的能量大小。4、MFCC：Mel频率倒谱系数。5、GMM：GaussianMixtureModel高斯混合模型，或者混合高斯模型。为实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：一种基于放电声音识别高压开关柜状态的方法，包括如下步骤：步骤1、分别采集高压开关柜电晕态和高压放电态的放电声音信号；步骤2、分别对电晕态和高压放电态的放电声音信号进行预处理，得到电晕态和高压放电态对应的训练样本；步骤3、提取训练样本短时能量相关特征参数；步骤4、提取训练样本MFCC参数；步骤5、设计分类器：采用高斯混和模型对训练样本进行模型训练，划分样本空间；步骤6、对高斯混和模型进行参数训练；步骤7、监测高压开关柜，对监测到的放电声音进行预处理得到待识别样本，提取待识别样本的短时能量相关特征参数和MFCC参数，当短时能量超过阈值，则进入步骤8；步骤8、计算待识别样本在高斯混和模型下的概率值；步骤9、根据计算结果判断高压开关柜状态，包括正常态，电晕态和高压放电态。优选，设电晕态或高压放电态的放电声音信号为模拟信号x(t)t∈[0,L]，L为模拟信号时长，单位为秒，则步骤2具体包括如下步骤：201、对模拟信号分帧：将模拟信号x(t)t∈[0,L]等分为M段，每段为一个分析帧；202、对模拟信号采样：以fsHz的采样率对模拟信号x(t)t∈[0,L]进行采样,得到x(n),n＝0,1,2,...,N，N为采样后一帧声音信号的点数；203、对采样信号进行带通滤波；204、去中心化，得到训练样本为c(n),n＝0,1,2,...,N。优选，步骤3具体包括如下步骤：301、对c(n)进行加窗处理：采用汉明窗对信号c(n)进行加窗，汉明窗公式如下：其中，RZ(z)为矩形窗，Z为帧长，w(n)为汉明窗公式；302、计算短时能量：其中，Ek为第k帧声音信号的短时能量，k∈[1,M]，Z为帧长，ck(n)(k＝1,2,......M)为经过预处理后的第k帧信号，M为总帧数；303、计算短时平均能量304、计算短时能量抖动Es：优选，步骤4具体包括如下步骤：401、进行快速傅里叶变换：其中，S(n)为第k帧信号ck(n)的离散功率谱,402、计算S(n)通过X个滤波器Hm(n)后的功率值：Pm(m＝0,1,......,X-1)(式8)其中，Pm为第k帧信号ck(n)的功率值，Hm(n)为带通滤波器的系统函数，Hm(n),m＝0,1,.....,X-1；n＝0,1,.....,N/2-1；403、求对数Lm：Lm＝lnPm(m＝0,1,......,X-1)(式9)其中，Lm为对Pm求自然对数的值；404、对Lm进行离散余弦变换，得到Dm(m＝0,1,.......X-1)，略去直流成分D0，取D1,D2,D3,......,Dh作为美尔倒谱系数，h为常数；405、求Mel频率倒谱系数的一阶差分系数：其中，d(k)为第k帧信号的一阶差分Mel频率倒谱系数，D(k+i)为第(k+i)帧的Mel频率倒谱系数，h为常数。优选，步骤5具体包括如下步骤：501、计算m阶高斯混和模型的概率密度函数：其中，P(G/λ)为m阶高斯混和模型的概率密度函数，G是D维随机向量，wi,i＝1,...,m是混合权重，满足bi(G)为D维的联合高斯概率分布函数；502、计算D维的联合高斯概率分布函数bi(G)：其中，μi是均值向量，Σi是协方差矩阵；503、构造高斯混和模型：λ＝{wi,μi,Σi},i＝1,...,m(式13)其中，wi为混合权重，μi是均值向量，∑i是协方差矩阵，λ为高斯混和模型的参数。本专利技术的有益效果是：利用本方法可以避免传统绝缘性能检测方法花费大、故障排查不及时、不能消除潜在的安全隐患、不能实时监测的缺点。将声音识别技术引入到电力系统高压设备的绝缘性能检测与故障诊断领域，使高压设备的绝缘性能检测与故障诊断可靠性更高、响应速度更快，智能化程度更高。可以及时准确地监测并诊断出高压设备运行时的故障，及时发现、及时报警。对开关柜等高压设备进行实时的监测，提高开关柜等高压设备的安全性。附图说明图1是本专利技术一种基于放电声音识别高压开关柜状态的整体流程图；图2是本专利技术数据预处理流程图；图3是本专利技术短时能量相关特征参数的提取计算流程图；图4是本专利技术MFCC特征参数的提取计算流程图；图5是本专利技术基于GMM的识别的过程框图；图6是本专利技术高压开关绝缘状态判别流程；图7是本专利技术高压开关绝缘状态判别仿真结果图。具体实施方式下面结合附图和具体的实施例对本专利技术技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。一种基于放电声音识别高压开关柜状态的方法，如图1-6所示，包括如下步骤：步骤1、分别采集高压开关柜电晕态和高压放电态的放电声音信号：采集高压开关柜绝缘破坏放电声音训练样本，因本专利技术可以识别高压开关柜正常态、电晕态和高压放电态三种状态，故需要采样电晕态和高压放电态对应的放电声音信号样本。步骤2、分别对电晕态和高压放电态的放电声音信号进行预处理，得到电晕态和高压放电态对应的训练样本。优选，如图2所示：设电晕态或高压放电态的放电声音信号为模拟信号x(t)t∈[0,L]，L为模拟信号时长，单位为秒，则步骤2具体包括如下步骤：201、对模拟信号分帧：将模拟信号x(t)t∈[0,L]等分为M段，每段为一个分析帧，比如，将模拟信号x(t)t∈[0,L]等分为M段时长为3秒的声音段(做本文档来自技高网...

【技术保护点】
一种基于放电声音识别高压开关柜状态的方法，其特征在于，包括如下步骤：步骤1、分别采集高压开关柜电晕态和高压放电态的放电声音信号；步骤2、分别对电晕态和高压放电态的放电声音信号进行预处理，得到电晕态和高压放电态对应的训练样本；步骤3、提取训练样本短时能量相关特征参数；步骤4、提取训练样本MFCC参数；步骤5、设计分类器：采用高斯混和模型对训练样本进行模型训练，划分样本空间；步骤6、对高斯混和模型进行参数训练；步骤7、监测高压开关柜，对监测到的放电声音进行预处理得到待识别样本，提取待识别样本的短时能量相关特征参数和MFCC参数，当短时能量超过阈值，则进入步骤8；步骤8、计算待识别样本在高斯混和模型下的概率值；步骤9、根据计算结果判断高压开关柜状态，包括正常态，电晕态和高压放电态。

【技术特征摘要】
1.一种基于放电声音识别高压开关柜状态的方法，其特征在于，包括如下步骤：步骤1、分别采集高压开关柜电晕态和高压放电态的放电声音信号；步骤2、分别对电晕态和高压放电态的放电声音信号进行预处理，得到电晕态和高压放电态对应的训练样本；步骤3、提取训练样本短时能量相关特征参数；步骤4、提取训练样本MFCC参数；步骤5、设计分类器：采用高斯混和模型对训练样本进行模型训练，划分样本空间；步骤6、对高斯混和模型进行参数训练；步骤7、监测高压开关柜，对监测到的放电声音进行预处理得到待识别样本，提取待识别样本的短时能量相关特征参数和MFCC参数，当短时能量超过阈值，则进入步骤8；步骤8、计算待识别样本在高斯混和模型下的概率值；步骤9、根据计算结果判断高压开关柜状态，包括正常态，电晕态和高压放电态。2.根据权利要求1所述的一种基于放电声音识别高压开关柜状态的方法，其特征在于，设电晕态或高压放电态的放电声音信号为模拟信号x(t)t∈[0,L]，L为模拟信号时长，单位为秒，则步骤2具体包括如下步骤：201、对模拟信号分帧：将模拟信号x(t)t∈[0,L]等分为M段，每段为一个分析帧；202、对模拟信号采样：以fsHz的采样率对模拟信号x(t)t∈[0,L]进行采样,得到x(n),n＝0,1,2,...,N，N为采样后一帧声音信号的点数；203、对采样信号进行带通滤波；204、去中心化，得到训练样本为c(n),n＝0,1,2,...,N。3.根据权利要求2所述的一种基于放电声音识别高压开关柜状态的方法，其特征在于，步骤3具体包括如下步骤：301、对c(n)进行加窗处理：采用汉明窗对信号c(n)进行加窗，汉明窗公式如下：其中，RZ(z)为矩形窗，Z为帧长，w(n)为汉明窗公式；302、计算短时能量：其中，Ek为第k帧声音信号的短时能量，k∈[1,M]，Z为帧长，ck(n)(k＝1,2,......M)为经过预处理后的第k帧信号，M为总帧数；303、计算短时平均能量304、计算短时能量抖动Es：4.根据权利要求3所述的一种基于放电声音识别高压开关柜状态的方法，其特征在于，步骤4具体包括如下步骤：401、进行快速傅里叶变换：其中，S(n)为第k帧信号ck(n)的离散功率谱,402、计算S(n)通过X个滤波器Hm(n)后的功率值：Pm(m＝0,1,......,X-1)(式8)其中，Pm为第k帧信号ck(n)的功率值，Hm(n)为带通滤波器的系统函数，Hm(n),m＝0,1,.....,X-1；n＝0,1,.....,N/2-1；403、求对数Lm：Lm＝lnPm(m＝0,1,......,X-1)(式9)其中，Lm为对Pm求自然对数的值；404、对Lm进行离散余弦变换，得到Dm(m＝0,1,.......X-1)，略去直流成分D0，取D1,D2,D3,...

【专利技术属性】
技术研发人员：王青云，李春光，梁瑞宇，冯月芹，郝雯超，蒋程然，冯勇超，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32