【技术实现步骤摘要】
一种基于CNN+LSTM的变压器铁芯部件松动识别方法及装置
[0001]本专利技术涉及电力设备检测
,特别涉及一种基于CNN+LSTM的 变压器铁芯部件松动识别方法及装置。
技术介绍
[0002]随着社会发展,用电需求不断增加,电网规模不断扩大,变压器作为 电力系统不可或缺的主要设备,通过电磁感应原理实现电压变换,对电力 传输和消纳起到了重要作用。
[0003]从不同电压等级变电站到智能配电房,再到居民小区,变压器无处不 在。变压器运行时通常伴随着嗡嗡的噪声,如何抑制变压器噪声一直是个 重要的研究课题。但变压器噪声会随其工况的改变而有所不同,这也给基 于声纹识别的故障检测提供了重要判据。其中铁芯部件松动也是导致变压 器噪音异常的重要原因之一。
技术实现思路
[0004]本专利技术实施例的目的是提供一种基于CNN+LSTM的变压器铁芯部件松 动识别方法及装置,基于CNN+LSTM对变压器铁芯部件松动的异常噪声进 行识别和判断,提高了变压器铁芯松动识别的准确性,提升了变压器故障 在线监测的水平和能力 ...
【技术保护点】
【技术特征摘要】
1.一种基于CNN+LSTM的变压器铁芯部件松动识别方法,其特征在于,包括如下步骤:获取变压器铁芯部件的音频信号;基于CNN+LSTM网络模型,对所述音频信号进行异常噪声分析;依据噪声分析结果,得到所述变压器铁芯部件松动的故障判断结果。2.根据权利要求1所述的基于CNN+LSTM的变压器铁芯部件松动识别方法,其特征在于,所述基于CNN+LSTM网络模型对所述音频信号进行异常噪声分析之前还包括:获取所述变压器铁芯部件松动故障样本的音频信号;对所述松动故障样本的音频信号进行声纹特征提取,转化成特征矢量;搭建所述CNN+LSTM网络模型,依据所述松动故障样本的音频信号对所述CNN+LSTM网络模型进行训练。3.根据权利要求2所述的基于CNN+LSTM的变压器铁芯部件松动识别方法,其特征在于,所述对所述松动故障样本的音频信号进行声纹特征提取之前,还包括:在所述松动故障样本的音频信号中叠加环境噪声,增加模型泛化能力。4.根据权利要求2所述的基于CNN+LSTM的变压器铁芯部件松动识别方法,其特征在于,所述据所述松动故障样本的音频信号对所述CNN+LSTM网络模型进行训练之后,还包括:对所述CNN+LSTM网络模型的参数进行优化。5.根据权利要求2所述的基于CNN+LSTM的变压器铁芯部件松动识别方法,其特征在于,所述对所述松动故障样本的音频信号进行声纹特征提取,包括:将梅尔倒谱系数作为音频信号特征,对所述松动故障样本的音频信号进行声纹特征提取。6.一种基...
【专利技术属性】
技术研发人员:张彦龙,翟登辉,刘昊,张小斐,田杨阳,毛万登,万迪明,何星躲,王行,许丹,
申请(专利权)人:许继集团有限公司国家电网有限公司,
类型:发明
国别省市:
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。