【技术实现步骤摘要】
一种基于声音特征的大型变压器故障检测方法
本专利技术涉及大型变压器故障检测领域，尤其涉及一种基于声音特征的大型变压器故障检测方法。
技术介绍
现如今，电力需求不断提升，用电质量问题也受到广泛的关注，电能的稳定供应与国民经济也有着密不可分的关系。而电力的稳定供应需要保护好变压器，对故障能及时确认以及排除。目前，对变压器的保护方法主要通过故障时电压、电流等电气参量进行继电保护。但现有的方法仅是一种出现故障后的保护方法，会降低用电质量以及提高供电公司的经济成本。并且，这种保护方法对相关潜伏性故障难以检测，无法实现对变压器的效的在线检测。
技术实现思路
基于现有技术所存在的大型变压器只是在出现故障后通过电压、电流等电气参量进行继电保护，不仅对相关潜伏性故障难以检测，也无法实现对变压器有效在线检测的问题，本专利技术的目的是提供一种基于声音特征的大型变压器故障检测方法。本专利技术的目的是通过以下技术方案实现的：本专利技术实施方式提供一种基于声音特征的大型变压器故障检测方法，通过预先训练...
【技术保护点】
1.一种基于声音特征的大型变压器故障检测方法，其特征在于，通过预先训练得到包含大型变压器正常运行和各种故障的声音字典后，按以下步骤检测：/n步骤1，通过设置在待检测大型变压器上的拾音装置采集所述大型变压器发出的声音；/n步骤2，对所采集的声音进行变换处理后提取相应的幅度和实部，将所述幅度和实部分别投影至所述声音字典，得到正常运行和各种故障的稀疏表示系数，用得到的所述正常运行和各种故障稀疏表示系数重建相应的声音，计算所述重建相应的声音相对于所述待检测大型变压器采集声音的误差；/n步骤3，根据所述误差大小，判定所述待检测大型变压器的故障所属的种类。/n
【技术特征摘要】
1.一种基于声音特征的大型变压器故障检测方法，其特征在于，通过预先训练得到包含大型变压器正常运行和各种故障的声音字典后，按以下步骤检测：
步骤1，通过设置在待检测大型变压器上的拾音装置采集所述大型变压器发出的声音；
步骤2，对所采集的声音进行变换处理后提取相应的幅度和实部，将所述幅度和实部分别投影至所述声音字典，得到正常运行和各种故障的稀疏表示系数，用得到的所述正常运行和各种故障稀疏表示系数重建相应的声音，计算所述重建相应的声音相对于所述待检测大型变压器采集声音的误差；
步骤3，根据所述误差大小，判定所述待检测大型变压器的故障所属的种类。
2.根据权利要求1所述的基于声音特征的大型变压器故障检测方法，其特征在于，所述方法中，预先训练得到包含大型变压器正常运行和各种故障的声音字典的方式如下：
步骤S1，通过设置在大型变压器上的拾音装置分别采集所述大型变压器正常运行和各种故障发出的声音，构建各种声音的训练集；
步骤S2，对各种声音的训练集分别进行短时傅里叶变换提取相应的幅度和实部；
步骤S3，基于K-SVD算法联合学习所述幅度和实部的特征，得到正常运行和各种故障的声音字典。
3.根据权利要求2所述的基于声音特征的大型变压器故障检测方法，其特征在于，所述方法的步骤S1中，通过设置在大型变压器上的拾音装置分别采集所述大型变压器正常运行和各种故障发出的声音，构建各种声音的训练集为：
其中，M为采集到的大型变压器的声音种类数；表示大型变压器正常运行声音，其余各式为M-1种为大型变压器故障声音；
所述步骤S2中，对各种声音训练集分别进行短时傅里叶变换提取相应的幅度和实部为：
用短时傅里叶变换分别对大型变压器声音训练集中的M种声音进行短时傅里叶变换，得到时频域上的复数谱为：
其中，STFT{}为短时傅里叶变换算子；tf和f分别为时间帧和频率点；和分别为幅度和实部；
所述步骤S3中，基于K-SVD算法联合学习所述幅度和实部的特征，得到正常运行和各种故障的声音字典为：
基于K-SVD算法联合学习正常运行、各种故障声音复数谱的幅度和实部的特征，得到相应的联合字典字典的学习过程为：
其中，和是大型变压器第m种声音复数谱的幅度和实部；Dam和Drm分别是相应的幅度和实部字典；Cm是大型变压器第m种声音的稀疏表示系数，该声音的稀疏表示系数为矩阵形式，cm,g为Cm的第g列，q为稀疏约束；表示弗罗贝尼乌斯范数，||·||1是1-范数；m＝1,2,...,M，M为采集到的大型变压器的声音种类数。
4.根据权利要求1至3任一项所述的基于声音特征的大型变压器故障检测方法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。