一种变电站故障判定声纹识别方法与流程

1.本发明涉及变电站监测技术领域，尤其是涉及一种变电站故障判定声纹识别方法。


背景技术：

2.日常生活中，语音是传递信息的一种介质，可以从不同的语音中获取说话内容，而且还可以通过语音中独特的特征来确认说话人的个人信息。电力设备运行时，也会像人一样发出自己的语音，经验丰富的电力老师傅往往可以根据这些语音，判断设备是否存在安全隐患，老师傅的这种“听音识别”的能力对于变电站的安全稳定运行至关重要。随着电网建设的发展，变电站的数目会越来越多，完全依靠老师傅进行设备故障的判断是不现实的。变电站设备众多，有变压器、开关柜、绝缘子、母线、隔离开关等多类设备，且每类设备不止一种。不同设备的电气特性、物理形态特征、红外特性、运行状态、声纹特性等多维特征信息都存在差异。传统设备故障诊断主要有温度检测、气味检测、外观检查、电气信息测量等几种方式。当前应用的巡视机器人可以替代人完成设备的红外信息的读取和识别，判断设备是否正常工作。温度只是人判断设备是否存在故障的一个维度，经验丰富的老师傅还会根据设备的气味、外观、电气信息等因素综合判断设备是否存在故障，当前应用的巡检机器人是无法实现这些功能的，它只利用了设备的红外特性数据。这样的故障识别方式存在明显弊端。


技术实现要素：

3.本发明是为了克服现有技术的由于变电站数目和站内设备越来越多导致设备故障判断困难的问题，提供一种变电站故障判定声纹识别方法，通过对变电站设备声音进行采集、将识别其中故障声音的上文，将故障声音与预设的对应故障进行关联，判断故障类型，提高了变电站故障识别的准确性。
4.为了实现上述目的，本发明采用以下技术方案：一种变电站故障判定声纹识别方法，包括以下步骤：s1、建立系统模型；s2、对变电站设备声音进行采集；s3、对上一步中采集到的变电站设备声音进行识别；s4、将识别得到的结果与预先设定好的系统模型中的故障声音进行关联；s5、通过关联结果判定具体的故障类型。
5.本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论，准确性高，并提供报警功能对故障声纹进行判定便于维修。
6.作为优选，s1包括以下内容，建立系统模型包括依次连接的预设的声音采集模块、声纹识别模块、故障声纹关联模块和故障判定模块；所述的声音采集模块用于采集变电站中设备的声音并将声音发送至声纹识别模
块；所述的声纹识别模块用于将噪声过滤出来，设备噪声的各个带宽预先设定在声纹识别模块中，声纹识别模块内包括若干用于过滤噪声的带通滤波器；故障声纹关联模块用于将声纹识别模块滤波后得到的噪声的波形与预先设定在故障声纹关联模块中的变电站站内各类故障噪声的声纹波形进行比对，将滤波后得到的噪声与变电站站内各类故障噪声进行关联；故障判定模块用于输出具体的故障类型并对本次故障进行报警。
7.四个依次项链的模块协同工作实时对变电站站内的噪声进行采集，判定是否为已知故障噪声，
5.作为优选，所述声纹采集模块通过以下步骤建立：s11、将变电站站內各类故障的声音进行读取，得到故障声音的最低截止频率和最高截止频率和带宽；s12、通过最低截止频率得到高通滤波器，通过最高截止频率得到低通滤波器，将高通滤波器与低通滤波器串联得到带通滤波器，抑制最低截止频率以下和最高截止频率以上的声音通过；s13、计算带通滤波器的传递函数；s13、将带通滤波器滤波后的噪声信息发送给故障声纹关联模块。
8.作为优选，s11包括以下内容：计算故障声音的带宽b＝ω
h
‑
ω
l
、中心频率根据带宽及中心频率计算传递函数得到带通滤波器的具体模型。
9.作为优选，所述传递函数的计算方式为：其中，b为滤波器带宽，ω
l
为故障声音确定的滤波器的最低截止频率，ω
h
为故障声音确定的滤波器的最高截止频率，ω0为中心频率，s＝jω,s来自拉普拉斯变换代表复杂的频率。
10.作为优选，s4包括以下步骤：s41、将识别得到的结果故障声音的频域波形图在ω轴平移平移，以斜率大于0处为原点，ω轴为横轴，h(s)轴为纵轴；s42、将预先设定的变电站内故障声音的声纹模型与识别得到的结果故障声音的频域波形图在最低截止频率和最高截止频率重合；s43、识别结果故障声音频域波形图的斜率为0的点作为第一关键点集合a＝{a0,a1,a2,a3...an}；识别预先设定的故障声音频域波形图的斜率为0的点作为第二关键点集合b＝{b0,b1,b2,b3...an}；s44、构建第一斜率集合k＝{k1,k2,k3...kn}和第二斜率集合f＝{f1,f2,f3...fn}；s45、根据第一斜率集合与第二斜率集合构建判别式确定是否与当前的预先设定故障声音关联，若关联则发送结果至故障判定模块，若非关联则继续将识别得到的结果故
障声音与下一预先设定的故障声音进行关联比较；其中，s44中k1为关键点a0和a1之间的斜率，f1为关键点b0和b1之间的斜率，以此类推。
11.作为优选，所述s44中判别式为：ki*fi＞0；i∈[1,n],n为关键点的个数若满足上述判别式，则判定关联，发送结果至故障判定模块。
[0012]
作为优选，s5包括以下内容：故障判定模块读取最后关联的预先设定的故障类型，判定故障类型并进行报警。
[0013]
因此，本发明具有如下有益效果：本发明预先建立系统模型存储变电站站内的常有噪声类型，将各种噪声的波形与声纹信息存储在系统模型中，根据已知噪声构建多个滤波器，实时采集变电站站内噪声信息将实时采集的噪声信息经过系统模型的滤波器中，若滤出的噪声能够与预先存储好的某种噪声波形相关联则判定变电站故障，本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论，准确性高，并提供报警功能对故障声纹进行判定便于维修。
[0014]
避免了由于其他判断特征不明显无法及时判断故障的问题，防止出现漏判，采用分层判断比岁，缩小了模型识别误差的范围。
附图说明
[0015]
图1是本实施例的流程图。
[0016]
图2是本实施例的带通滤波器的波形示意图。
具体实施方式
[0017]
下面结合附图与具体实施方式对本发明做进一步的描述。
[0018]
实施例1：本实施例提供了一种变电站故障判定声纹识别方法，如图1所示，一种变电站故障判定声纹识别方法，包括以下步骤：s1、建立系统模型；s2、对变电站设备声音进行采集；s3、对上一步中采集到的变电站设备声音进行识别；s4、将识别得到的结果与预先设定好的系统模型中的故障声音进行关联；s5、通过关联结果判定具体的故障类型。
[0019]
作为优选，s1包括以下内容，建立系统模型包括依次连接的预设的声音采集模块、声纹识别模块、故障声纹关联模块和故障判定模块；所述的声音采集模块用于采集变电站中设备的声音并将声音发送至声纹识别模块；所述的声纹识别模块用于将噪声过滤出来，设备噪声的各个带宽预先设定在声纹识别模块中，声纹识别模块内包括若干用于过滤噪声的带通滤波器；故障声纹关联模块用于将声纹识别模块滤波后得到的噪声的波形与预先设定在
故障声纹关联模块中的变电站站内各类故障噪声的声纹波形进行比对，将滤波后得到的噪声与变电站站内各类故障噪声进行关联；故障判定模块用于输出具体的故障类型并对本次故障进行报警。
[0020]
作为优选，所述声纹采集模块通过以下步骤建立：s11、将变电站站內各类故障的声音进行读取，得到故障声音的最低截止频率和最高截止频率和带宽；s12、通过最低截止频率得到高通滤波器，通过最高截止频率得到低通滤波器，将高通滤波器与低通滤波器串联得到带通滤波器，抑制最低截止频率以下和最高截止频率以上的声音通过；s13、计算带通滤波器的传递函数；s13、将带通滤波器滤波后的噪声信息发送给故障声纹关联模块。
[0021]
作为优选，s11包括以下内容：计算故障声音的带宽b＝ω
h
‑
ω
l
、中心频率根据带宽及中心频率计算传递函数得到带通滤波器的具体模型。
[0022]
作为优选，所述传递函数的计算方式为：其中，b为滤波器带宽，ω
l
为故障声音确定的滤波器的最低截止频率，ω
h
为故障声音确定的滤波器的最高截止频率，ω0为中心频率，s＝jω,s来自拉普拉斯变换代表复杂的频率。
[0023]
作为优选，s4包括以下步骤：s41、将识别得到的结果故障声音的频域波形图在ω轴平移平移，以斜率大于0处为原点，ω轴为横轴，h(s)轴为纵轴；s42、将预先设定的变电站内故障声音的声纹模型与识别得到的结果故障声音的频域波形图在最低截止频率和最高截止频率重合；s43、识别结果故障声音频域波形图的斜率为0的点作为第一关键点集合a＝{a0,a1,a2,a3...an}；识别预先设定的故障声音频域波形图的斜率为0的点作为第二关键点集合b＝{b0,b1,b2,b3...an}；s44、构建第一斜率集合k＝{k1,k2,k3...kn}和第二斜率集合f＝{f1,f2,f3...fn}；s45、根据第一斜率集合与第二斜率集合构建判别式确定是否与当前的预先设定故障声音关联，若关联则发送结果至故障判定模块，若非关联则继续将识别得到的结果故障声音与下一预先设定的故障声音进行关联比较；其中，s44中k1为关键点a0和a1之间的斜率，f1为关键点b0和b1之间的斜率，以此类推。
[0024]
作为优选，所述s44中判别式为：ki*fi＞0；i∈[1,n],n为关键点的个数
若满足上述判别式，则判定关联，发送结果至故障判定模块。
[0025]
作为优选，s5包括以下内容：故障判定模块读取最后关联的预先设定的故障类型，判定故障类型并进行报警。
[0026]
本发明的工作过程如下：预先建立系统模型存储变电站站内的常有噪声类型，将各种噪声的波形与声纹信息存储在系统模型中，根据已知噪声构建多个滤波器，实时采集变电站站内噪声信息将实时采集的噪声信息经过系统模型的滤波器中，若滤出的噪声能够与预先存储好的某种噪声波形相关联则判定变电站故障，本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论，准确性高，并提供报警功能对故障声纹进行判定便于维修。
[0027]
上述实施例对本发明的具体描述，只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限定，本领域的技术工程师根据上述发明的内容对本发明作出一些非本质的改进和调整均落入本发明的保护范围内。