【技术实现步骤摘要】
一种基于两级声纹识别算法的电力设备异常工况监测方法及装置
[0001]本专利技术涉及电力设备在线监测
，具体涉及一种基于两级声纹识别算法的电力设备异常工况监测方法及装置。
技术介绍
[0002]随着电力行业的不断发展，越来越多的电力设备被投入到电力系统的各个环节中，电力设备的稳定工作是电力系统稳定运行的重要保证。由于电力行业的特殊性，电力设备常常处于长期不间断运行中，且任何小的故障或是不稳定状态都可能造成巨大损失，因此电力设备的监测尤为关键。
[0003]目前电力设备的主要监测手段较多，包括铁谱、振动、油色谱、光谱、红外和热成像等监测方式，这些监测手段大多造价高昂，体积较大，且传感器大多需要放在变压器内部，安装与维护较为困难。随着人工智能技术的发展，声纹监测方式慢慢成为主流监测手段之一，声纹监测作为非接触式监测方法，不会干扰设备运行，且安装维护便利。但目前电力行业应用声纹监测技术存在训练数据量不足、对场景的依赖性较高，以及与服务器通信效果差、设备集成效果差等问题，大大影响识别准确率以及监测的实时性。
【技术保护点】
【技术特征摘要】
1.一种基于两级声纹识别算法的电力设备异常工况监测方法，其特征在于包括以下步骤：S1、音频传感器采集电力设备运行音频数据；S2、进行音频数据预处理，通过端点剪切、音频混合、归一化处理、预加重、分帧加窗减小噪声干扰，并加强特征表达；S3、通过多角度混合数据增强方法增强音频数据，根据音频信号的特征，从音调、响度、质量三个角度，利用增加混响、特征时移、音高修正、波形拉伸增强音频数据，不改变音频数据本身结构特性的同时降低音频数据的特殊性；S4、音频数据经过预处理和数据增强后，对音频信号进行MFCC特征向量提取，得到用作训练和/或识别的音频数据；S5、识别时，将特征向量提取后的音频数据输入一级分类算法α
‑
ISVM中进行电力设备异常工况识别，若噪声过大或被判定为未学习电力设备异常工况，则进入异常处理流程；否则进入二级分类算法GRU中进行电力设备异常工况识别。2.根据权利要求1所述的一种基于两级声纹识别算法的电力设备异常工况监测方法，其特征在于还包括以下步骤：S6、训练时，通过一级分类算法α
‑
ISVM中的遗忘因子α实现增量学习算法，在逐渐获取音频数据新样本的过程中，根据遗忘因子α按样本权值大小淘汰旧样本中的部分元素，保证后继分类器精度的同时优化分类模型，并降低储存空间。3.根据权利要求2所...
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。