一种基于声纹特征的变压器内部机械状态监测方法及系统与流程

技术特征：
1.一种基于声纹特征的变压器内部机械状态监测方法，其特征在于，包括以下步骤：获取待监测变压器多个预设测点的待测时刻声纹信号；基于各个测点的待测时刻声纹信号分别计算获得各个测点的待测时刻峰度值；将获得的各个测点的待测时刻峰度值与预获取的变压器正常峰度值进行对比，获得对比结果；其中，进行对比时用的峰度值为经验小波模态函数ewmf2～ewmf4峰度值的声纹特征参量；基于所述对比结果，实现所述待监测变压器的内部机械状态监测。2.根据权利要求1所述的一种基于声纹特征的变压器内部机械状态监测方法，其特征在于，所述变压器正常峰度值的获取步骤包括：将获取的变压器原始声纹信号进行傅里叶分解，获得声纹信号频谱分布特性；基于所述声纹信号频谱分布特性，初步设定模态函数分解数量n并对变压器原始声纹信号进行经验小波变换，获得分解后的经验小波模态函数；计算获取所述分解后的经验小波模态函数与所述变压器原始声纹信号的互信息；基于所述互信息将模态函数分解数量n调整为m，并将变压器原始声纹信号分解为m个经验小波模态函数；计算变压器原始声纹信号与m个经验小波模态函数峰度值，确定以经验小波模态函数ewmf2～ewmf4峰度值的声纹特征参量作为变压器正常峰度值。3.根据权利要求2所述的一种基于声纹特征的变压器内部机械状态监测方法，其特征在于，所述计算获取所述分解后的经验小波模态函数与所述变压器原始声纹信号的互信息的过程中，互信息计算表达式为，式中，p(x)、p(y)分别为模态函数x、原始信号y的边缘概率分布函数；p(x,y)为模态函数x、原始信号y的联合概率密度函数；x、y分别为模态函数集合、原始信号集合。4.根据权利要求3所述的一种基于声纹特征的变压器内部机械状态监测方法，其特征在于，所述基于所述互信息将模态函数分解数量n调整为m的过程中，确定模态函数分解数量m的步骤为，计算模态分解数量为n时的除经验小波模态函数ewmf1外的所有经验小波模态函数的互信息i；若i>i
n
，则m＝n 1，继续增大模态函数分解数量；直到出现i<i
n
时，在模态函数数量的基础上减1，最终确定m；其中，i
n
为确定m时的互信息最小数值；若i<i
n
，则m＝n-1，继续减小模态分解数量；直到出现i>i
n
时，确定当前模态函数分解数量为最终的m；若i＝i
n
，则m＝n，确定当前模态函数分解数量n为最终的m。5.根据权利要求4所述的一种基于声纹特征的变压器内部机械状态监测方法，其特征
在于，峰度值的计算表达式为，式中，x
i
为第i个数值，为平均数；变压器正常峰度值为ewmf2～ewmf4峰度值的声纹特征参量形式为κ＝[κ
2 κ
3 κ4]。6.一种基于声纹特征的变压器内部机械状态监测系统，其特征在于，包括：获取待监测变压器多个预设测点的待测时刻声纹信号；基于各个测点的待测时刻声纹信号分别计算获得各个测点的待测时刻峰度值；将获得的各个测点的待测时刻峰度值与预获取的变压器正常峰度值进行对比，获得对比结果；其中，进行对比时用的峰度值为经验小波模态函数ewmf2～ewmf4峰度值的声纹特征参量；基于所述对比结果，实现所述待监测变压器的内部机械状态监测。7.根据权利要求6所述的一种基于声纹特征的变压器内部机械状态监测系统，其特征在于，所述变压器正常峰度值的获取步骤包括：将获取的变压器原始声纹信号进行傅里叶分解，获得声纹信号频谱分布特性；基于所述声纹信号频谱分布特性，初步设定模态函数分解数量n并对变压器原始声纹信号进行经验小波变换，获得分解后的经验小波模态函数；计算获取所述分解后的经验小波模态函数与所述变压器原始声纹信号的互信息；基于所述互信息将模态函数分解数量n调整为m，并将变压器原始声纹信号分解为m个经验小波模态函数；计算变压器原始声纹信号与m个经验小波模态函数峰度值，确定以经验小波模态函数ewmf2～ewmf4峰度值的声纹特征参量作为变压器正常峰度值。8.根据权利要求7所述的一种基于声纹特征的变压器内部机械状态监测系统，其特征在于，所述计算获取所述分解后的经验小波模态函数与所述变压器原始声纹信号的互信息的过程中，互信息计算表达式为，式中，p(x)、p(y)分别为模态函数x、原始信号y的边缘概率分布函数；p(x,y)为模态函数x、原始信号y的联合概率密度函数；x、y分别为模态函数集合、原始信号集合。9.根据权利要求8所述的一种基于声纹特征的变压器内部机械状态监测系统，其特征在于，所述基于所述互信息将模态函数分解数量n调整为m的过程中，确定模态函数分解数量m的步骤为，计算模态分解数量为n时的除经验小波模态函数ewmf1外的所有经验小波模态函数的互信息i；若i>i
n
，则m＝n 1，继续增大模态函数分解数量；直到出现i<i
n
时，在模态函数数量的基础上减1，最终确定m；其中，i
n
为确定m时的互信息最小数值；
若i<i
n
，则m＝n-1，继续减小模态分解数量；直到出现i>i
n
时，确定当前模态函数分解数量为最终的m；若i＝i
n
，则m＝n，确定当前模态函数分解数量n为最终的m。10.根据权利要求9所述的一种基于声纹特征的变压器内部机械状态监测系统，其特征在于，峰度值的计算表达式为，式中，x
i
为第i个数值，为平均数；变压器正常峰度值为ewmf2～ewmf4峰度值的声纹特征参量形式为κ＝[κ
2 κ
3 κ4]。

技术总结
本发明公开了一种基于声纹特征的变压器内部机械状态监测方法及系统，所述方法包括以下步骤：获取待监测变压器多个预设测点的待测时刻声纹信号；基于各个测点的待测时刻声纹信号分别计算获得各个测点的待测时刻峰度值；将获得的各个测点的待测时刻峰度值与预获取的变压器正常峰度值进行对比，获得对比结果；其中，进行对比时用的峰度值为经验小波模态函数EWMF2～EWMF4峰度值的声纹特征参量；基于所述对比结果，实现所述待监测变压器的内部机械状态监测。本发明基于声纹信号提出一种具有统一标准化的特征参量，能够准确反映变压器内部机械状态。械状态。械状态。


技术研发人员：白晓春 吴健 申晨 马建刚 徐伟杰 刘新江 韩文 陈勃 马子懿 王辰曦 唐露甜 吴子豪
受保护的技术使用者：国网陕西省电力有限公司电力科学研究院
技术研发日：2022.08.29
技术公布日：2022/12/5