基于可听声分析的干式变压器放电检测方法及系统与流程

1.本发明涉及电力行业设备故障诊断技术，具体涉及一种基于可听声分析的干式变压器放电检测方法及系统。


背景技术：

2.电力变压器是电力系统中与电力用户关系最为密切的环节。而电力变压器运行故障是导致电力系统大面积停电的关键原因。变压器的运行寿命取决于其绝缘材料的状态，绝缘一旦故障则必定造成变压器的停运。因此，变压器的绝缘状况与局部放电存在着密不可分的关系。
3.干式变压器的环氧树脂，会由于生产技术限制或者运输、安装及运行维护过程中的操作不当等原因，在绝缘中造成毛刺、气隙、金属微粒、接触不良等缺陷，而在缺陷部位易出现电荷聚集，造成变压器内部电场分布不平均，进而导致局部放电现象。局部放电会进一步损伤绝缘性能，加快绝缘老化，继而又会加重局部放电，形成恶性循环，直至变压器绝缘性能完全丧失。开展电力变压器的放电故障诊断对保障电网安全运行具有极重要的现实意义。
4.目前，为了检测干式变压器局部放放电情况，根据状态参量的类别能够将局部放电检测方法分为电测法与非电测法两类。电测法中例如高频检测法、特高频检测法等，由于传感器需安装的位置不便或是电晕干扰，均不太适用于干式变压器的放电故障检测。因此非电测法更加适合干式变压器。
5.非电测法主要是基于光学或声学方式的检测。光测法是检测局部放电发生时辐射出的光波来实现对变压器放电故障的检测。光测法依托于将各类光学传感器放置于变压器内部，因为光信号不会受到电晕、噪声等干扰，所以此方法具有较高的检测灵敏度，并能够实现局放定位。但由于变压器结构复杂，透光性差，对处于绕组内部或光传感器视距之外的局放不能实现有效检测。而且光学传感器需要安装于变压器内部，不适用于已投运变压器，并且其安装位置和安装方式对自身检测性能及变压器安全等级均会产生影响。
6.在基于声学的变压器放电故障检测中，实际最常用的是超声波检测法。其利用固定在变压器箱壁上的超声传感器来接收局部放电所产生的超声波信号，其检测频率范围在20khz-200khz，可以实现定位效果。但是超声波对振动信号敏感，变压器在强电磁场中的振动会造成声波信号的衰减较大。再加上变压器本身结构复杂，使声波信号在传播过程中存在大量的折射和反射，从而导致这种方法的检测灵敏度较低。


技术实现要素：

7.本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于可听声分析的干式变压器放电检测方法及系统，本发明旨在实现针对干式变压器放电特征检测，且对测试对象无损伤，环境适应性强，充分考虑了变压器异常状态信号的非平稳性，结合信号的动静态特征，具有较强的标识性以及更好地容错性，能够更加有效且准确的反映放电信号
特征，提高放电故障检测的精度。
8.为了解决上述技术问题，本发明采用的技术方案为：
9.一种基于可听声分析的干式变压器放电检测方法，包括：
10.1)获取被检测干式变压器运行时的音频信号；
11.2)针对音频信号提取其中的高频信号分量；
12.3)针对高频信号分量进行特征提取，获取其中的高频静态特征和高频动态特征；
13.4)基于高频动态特征和高频静态特征判断被检测干式变压器是否存在放电情况。
14.可选地，步骤2)中针对音频信号提取其中的高频信号分量是指：针对音频信号进行经验模态分解，然后将经验模态分解得到的第一个本征模态函数作为得到的高频信号中的高频信号分量。
15.可选地，所述针对音频信号进行经验模态分解包括：
16.2.1)将原始当前时刻t的音频信号为当前音频信号x(t)；
17.2.2)找到当前音频信号x(t)的所有上、下极值点；
18.2.3)找出当前音频信号x(t)的所有上、下极值点之间的包络线e
max
(t)和e
min
(t)，求取上、下极值点之间的包络线e
max
(t)和e
min
(t)之间的平均值得到均值包络线m(t)，在当前音频信号x(t)减去均值包络线m(t)得到中间信号h(t)；
19.2.4)判断中间信号h(t)是否为本征模态函数，若为本征模态函数，则跳转下一步；否则，将中间信号h(t)作为新的当前音频信号x(t)，跳转执行步骤2.2)；
20.2.5)将原始当前时刻t的音频信号减去得到的所有中间信号h(t)之和得到剩余信号rn(t)，判断剩余信号rn(t)为单调序列或者常值序列是否成立，若不成立，则将剩余信号rn(t)作为新的当前音频信号x(t)，跳转执行步骤2.2)；否则，判断经验模态分解完毕。
21.可选地，步骤3)中针对高频信号分量进行特征提取时，获取其中的高频静态特征是指计算高频信号分量的梅尔频率倒谱系数作为高频静态特征。
22.可选地，所述计算高频信号分量的梅尔频率倒谱系数的步骤包括：
23.3.1)对高频信号分量进行预加重处理来提升高频部分；
24.3.2)对预加重处理后的高频信号分量分帧处理，将较长的声信号分成多个小段；
25.3.3)对分帧处理后的结果进行加窗处理，避免每帧信号的两端出现信号不连续的情况；
26.3.4)针对加窗处理后的每一帧数据x(i,n)进行短时傅里叶变换得到频域数据x(i,k)，其中i表示帧的序号，帧数据x(i,n)为一个信号序列，n表示信号序列中第n个数据，k表示第k条谱线的序号；
27.3.5)计算频域数据x(i,k)通过梅尔滤波器的能量e(i,m)；
[0028][0029]
上式中，n表示帧数，hm(k)为梅尔滤波器的第m个滤波器，m为梅尔滤波器的组数；
[0030]
3.6)将频域数据x(i,k)通过梅尔滤波器的能量e(i,m)取对数后进行离散余弦变换，基于下式计算梅尔频率倒谱系数；
[0031][0032]
上式中，mfcc(i,n)表示梅尔频率倒谱系数，i表示帧的序号，n表示离散余弦变换
后的谱线，m为梅尔滤波器的组数，e(i,m)为频域数据x(i,k)通过梅尔滤波器的能量，m为梅尔滤波器序号，l为梅尔频率倒谱系数的维数。
[0033]
可选地，步骤3)中针对高频信号分量进行特征提取时，获取其中的高频动态特征是指计算梅尔频率倒谱系数的动态差分谱作为高频动态特征。
[0034]
可选地，所述计算梅尔频率倒谱系数的动态差分谱包括一阶差分谱和二阶差分谱，且计算梅尔频率倒谱系数的一阶差分谱的函数表达式为：
[0035][0036]
计算梅尔频率倒谱系数的二阶差分谱的计算函数表达式为：
[0037][0038]
其中，delta(i)表示一阶差分谱矩阵的第i行，对应第i帧的谱信息，i表示帧的序号，coeffs(i)表示梅尔频率倒谱系数的第i行，对应第i帧，coeffs(i-1)表示梅尔频率倒谱系数的第i-1行，对应第i-1帧；delta(i)表示二阶差分谱矩阵的第i行，对应第i帧，delta(i-1)表示一阶差分谱矩阵的第i-1行，对应第i-1帧。
[0039]
可选地，步骤4)中基于高频动态特征和高频静态特征判断被检测干式变压器是否存在放电情况是指：将得到的高频动态特征和高频静态特征生成特征谱图像，将特征谱图像与被检测干式变压器正常状态下的特征谱图像进行对比，若波动幅度和波动数量的变化量分别超过对应的预设阈度，则判定被检测干式变压器是否存在放电情况。
[0040]
此外，本发明还提供一种基于可听声分析的干式变压器放电检测系统，包括相互连接的微处理器和存储器，该微处理器被编程或配置以执行所述基于可听声分析的干式变压器放电检测方法的步骤。
[0041]
此外，本发明还提供一种计算机可读存储介质，该计算机可读存储介质中存储有被编程或配置以执行所述基于可听声分析的干式变压器放电检测方法的计算机程序。
[0042]
和现有技术相比，本发明具有下述优点：
[0043]
1、本发明基于可听声分析进行干式变压器放电特征检测，通过非接触式测量，测量无妨无负载效应，可以达到对测试对象无损伤测试的效果，解决了目前对变压器测试会对变压器造成损伤的问题。
[0044]
2、采用基于运行时的音频信号对检测对象(被检测干式变压器)进行检测，环境适应性强，相比较传统的干式变压器放电检测方法，音频采集方式使得检测能够在恶劣环境中实现。
[0045]
3、本发明针对音频信号提取其中的高频信号分量作为分析对象，充分考虑了变压器异常状态信号的非平稳性，物理意义更加明确且对放电情况的针对性更强。
[0046]
4、本发明包括针对高频信号分量进行特征提取，获取其中的高频动态特征和高频静态特征，结合信号的动静态特征，具有较强的标识性以及更好地容错性，能够更加有效且准确的反映放电信号特征，提高放电故障检测的精度。
附图说明
[0047]
图1为本发明实施例方法的核心流程示意图。
[0048]
图2为本发明实施例方法的完整流程示意图。
[0049]
图3为本发明实施例中的音频信号时域、频域图。
[0050]
图4为本发明实施例中经验模态分解得到的imf图。
[0051]
图5为本发明实施例中的梅尔频率倒谱系数二维图。
[0052]
图6为本发明实施例中的梅尔频率倒谱系数三维图。
[0053]
图7为本发明实施例中的梅尔频率倒谱系数一阶差分谱图。
[0054]
图8为本发明实施例中的梅尔频率倒谱系数一阶差分谱分维图。
[0055]
图9为本发明实施例中的梅尔频率倒谱系数二阶差分谱图。
[0056]
图10为本发明实施例中的梅尔频率倒谱系数二阶差分谱分维图。
[0057]
图11为本发明实施例中的梅尔频率倒谱系数一阶差分谱对比图。
[0058]
图12为本发明实施例中的梅尔频率倒谱系数二阶差分谱对比图。
[0059]
图13为本发明实施例中装置的结构示意图，其中标号包括：1、采集模块；2、处理器；21、信号处理模块；22、信号分析模块；23、特征运算模块；24、特征分析模块；3、显示屏。
具体实施方式
[0060]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0061]
如图1所示，本实施例基于可听声分析的干式变压器放电检测方法包括：
[0062]
1)获取被检测干式变压器运行时的音频信号；
[0063]
2)针对音频信号提取其中的高频信号分量；
[0064]
3)针对高频信号分量进行特征提取，获取其中的高频静态特征和高频动态特征；
[0065]
4)基于高频动态特征和高频静态特征判断被检测干式变压器是否存在放电情况。
[0066]
本实施例中，步骤1)之后、步骤2)之前还包括对音频信号进行降噪处理的步骤，通过降噪处理，可有效提高本实施例方法的抗干扰能力，可提高干式变压器放电检测的准确度。
[0067]
本实施例中，步骤2)中针对音频信号提取其中的高频信号分量是指：针对音频信号进行经验模态分解，然后将经验模态分解得到的第一个本征模态函数作为得到的高频信号中的高频信号分量。本征模态函数(intrinsic mode function,imf)，即分解后得到的信号分量。一个本征模函数必须满足以下两个条件：
⑴
函数在整个时间范围内，局部极值点和过零点的数目必须相等或最多相差一个；
⑵
在任意时刻点，局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均必须为零。由于经验模态分解得到的各个本征模态函数是由高频到低频排列的分量，而放电故障与正常状态的不同也主要体现在高频部分，所以分析经验模态分解的第一个本征模态函数信号对于放电故障有针对性，第一个本征模态函数的物理意义对应原信号的高频信号分量，用于凸显放电产生的高频特征，因此选择对经验模态分解得到的第一个本征模态函数进行特征提取。本实施例中音频信号的时域、频域图如图3所示，图4所示为经验模态分解得到的各个本征模态函数(imf)的示意图。
[0068]
经验模态分解(empirical mode decomposition，emd)依据数据自身的时间尺度
特征来进行信号分解，无须预先设定任何基函数，自适应地进行信号主要成分分析。基于emd的时频分析方法既适合于非线性、非平稳信号的分析，也适合于线性、平稳信号的分析，并且对于线性、平稳信号的分析也比其他的时频分析方法更好地反映了信号的物理意义。本实施例中，针对音频信号进行经验模态分解包括：
[0069]
2.1)将原始当前时刻t的音频信号为当前音频信号x(t)；
[0070]
2.2)找到当前音频信号x(t)的所有上、下极值点；
[0071]
2.3)找出当前音频信号x(t)的所有上、下极值点之间的包络线e
max
(t)和e
min
(t)，求取上、下极值点之间的包络线e
max
(t)和e
min
(t)之间的平均值得到均值包络线m(t)，在当前音频信号x(t)减去均值包络线m(t)得到中间信号h(t)；
[0072]
2.4)判断中间信号h(t)是否为本征模态函数，若为本征模态函数，则跳转下一步；否则，将中间信号h(t)作为新的当前音频信号x(t)，跳转执行步骤2.2)；
[0073]
2.5)将原始当前时刻t的音频信号减去得到的所有中间信号h(t)之和得到剩余信号rn(t)，判断剩余信号rn(t)为单调序列或者常值序列是否成立，若不成立，则将剩余信号rn(t)作为新的当前音频信号x(t)，跳转执行步骤2.2)；否则，判断经验模态分解完毕。
[0074]
基于上述经验模态分解的过程，可将原始当前时刻t的音频信号x(t)分解成一系列本征模态函数以及剩余部分的线性叠加，可用函数表达为：
[0075][0076]
上式中，hi(t)表示第i次迭代得到的中间信号h(t)，rn(t)为最终得到的剩余信号。
[0077]
本实施例中，步骤3)中针对高频信号分量进行特征提取时，获取其中的高频静态特征是指计算高频信号分量的梅尔频率倒谱系数作为高频静态特征。梅尔频率倒谱系数(mfcc)的分析是基于人的听觉机理，即依据人的听觉试验结果来分析声音的频谱，目前常用于可听声识别的研究。本实施例中，计算高频信号分量的梅尔频率倒谱系数的步骤包括：
[0078]
3.1)对高频信号分量进行预加重处理来提升高频部分，例如本实施例中利用高通滤波器来提升高频部分，此外也可以根据需要采用其他科提升高频部分的滤波器或处理方法；
[0079]
3.2)对预加重处理后的高频信号分量分帧处理，将较长的声信号分成多个小段；
[0080]
3.3)对分帧处理后的结果进行加窗处理，避免每帧信号的两端出现信号不连续的情况；
[0081]
3.4)针对加窗处理后的每一帧数据x(i,n)进行短时傅里叶变换得到频域数据x(i,k)，其中i表示帧的序号，帧数据x(i,n)为一个信号序列，n表示信号序列中第n个数据，k表示第k条谱线的序号；
[0082]
3.5)计算频域数据x(i,k)通过梅尔滤波器的能量e(i,m)；
[0083][0084]
上式中，n表示帧数，hm(k)为梅尔滤波器的第m个滤波器，m为梅尔滤波器的组数；
[0085]
3.6)将频域数据x(i,k)通过梅尔滤波器的能量e(i,m)取对数后进行离散余弦变换，基于下式计算梅尔频率倒谱系数；
[0086][0087]
上式中，mfcc(i,n)表示梅尔频率倒谱系数，i表示帧的序号，n表示离散余弦变换后的谱线，m为梅尔滤波器的组数，e(i,m)为频域数据x(i,k)通过梅尔滤波器的能量，m为梅尔滤波器序号，l为梅尔频率倒谱系数的维数。
[0088]
标准的梅尔频率倒谱系数只反映了音频参数的静态特性，音频的动态特性可以用这些静态特征的差分谱来描述，本实施例步骤3)中针对高频信号分量进行特征提取时，获取其中的高频动态特征是指计算梅尔频率倒谱系数的动态差分谱作为高频动态特征，把动、静态特征结合起来才能有效提高系统的识别性能和准确度。
[0089]
本实施例中，计算梅尔频率倒谱系数的动态差分谱包括一阶差分谱和二阶差分谱，且计算梅尔频率倒谱系数的一阶差分谱的函数表达式为：
[0090][0091]
计算梅尔频率倒谱系数的二阶差分谱的计算函数表达式为：
[0092][0093]
其中，delta(i)表示一阶差分谱矩阵的第i行，对应第i帧的谱信息，i表示帧的序号，coeffs(i)表示梅尔频率倒谱系数的第i行，对应第i帧，coeffs(i-1)表示梅尔频率倒谱系数的第i-1行，对应第i-1帧；delta(i)表示二阶差分谱矩阵的第i行，对应第i帧，delta(i-1)表示一阶差分谱矩阵的第i-1行，对应第i-1帧。
[0094]
本实施例中，步骤4)中基于高频动态特征和高频静态特征判断被检测干式变压器是否存在放电情况是指：将得到的高频动态特征和高频静态特征生成特征谱图像，将特征谱图像与被检测干式变压器正常状态下的特征谱图像进行对比，若波动幅度和波动数量的变化量分别超过对应的预设阈度，则判定被检测干式变压器是否存在放电情况。基于上述判断条件可知，本实施例中通过与正常状态下的谱图比对，干式变压器放电时的动态差分谱图明显比正常时的谱图波动更大，且图谱波动情况明显，所以根据动态差分谱图的状态，可以判断出放电情况的发生。
[0095]
图5所示为本实施例中计算得到的梅尔频率倒谱系数的二维图，图6所示为本实施例中计算得到的梅尔频率倒谱系数的三维图。图7所示为本实施例中计算得到的梅尔频率倒谱系数一阶差分谱图，图8所示为本实施例中计算得到的梅尔频率倒谱系数一阶差分谱分维图，图9所示为本实施例中计算得到的梅尔频率倒谱系数二阶差分谱图，图10所示为本实施例中计算得到的梅尔频率倒谱系数二阶差分谱分维图。参照图11-图12，本实施例中输出一阶差分谱对比图和二阶差分谱对比图，图11中左侧为干式变压器放电时的一阶动态差分谱图，右侧为干式变压器处于正常状态时的一阶动态差分谱图。参照图12，图12中左侧为干式变压器放电时的二阶动态差分谱图，右侧为干式变压器处于正常状态时的二阶动态差分谱图。综上所述，干式变压器放电时的动态差分谱图明显比正常时的波动要大，且图谱波动情况明显，所以根据动态差分谱图的状态，可以判断出放电情况的发生。
[0096]
如图13所示，本实施例还提供一种基于可听声分析的干式变压器放电检测系统，包括：
[0097]
采集模块1，采集模块1包括麦克风阵列，用于在干式变压器工作现场采集声信号；
[0098]
处理器2，用于对采集模块1采集到的信号进行提取和计算；
[0099]
显示屏3，用于展示所有分析结果与运算结果。
[0100]
处理器2包括信号处理模块21、信号分析模块22、特征运算模块23和特征分析模块24；其中，信号处理模块21用于对采集所得的声信号作去噪处理；信号分析模块22用于针对信号处理模块21处理过后的信号，进行时、频域分析；特征运算模块23用于对信号进行经验模态分解(emd)分解，并计算分解后第一个本征模态函数(imf)的梅尔频率倒谱系数以及动态差分谱；特征分析模块24用于基于梅尔频率倒谱系数与动态差分谱，分析其特征并绘制特征图。本实施例中基于可听声分析的干式变压器放电检测系统主要包括麦克风阵列、处理器2以及显示屏3三部分组成，各部分模块化清晰，操作简单，使用方便，实用性强，且采用非接触式测量，测量无妨无负载效应，可以达到对测试对象无损伤测试的效果，解决了目前对变压器测试会对变压器造成损伤的问题，相比较传统的干式变压器放电检测方法，麦克风采集方式使得检测能够在恶劣环境中实现。
[0101]
此外，本实施例还提供一种基于可听声分析的干式变压器放电检测系统，包括相互连接的微处理器和存储器，该微处理器被编程或配置以执行前述基于可听声分析的干式变压器放电检测方法的步骤。
[0102]
此外，本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有被编程或配置以执行前述基于可听声分析的干式变压器放电检测方法的计算机程序。
[0103]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0104]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。