[发明专利]一种基于人工智能的高压电力设备故障诊断方法及系统

说明书

本发明提供了一种基于人工智能的高压电力设备故障诊断方法及系统，分别对高压电力设备正常状态和故障状态的声音样本进行标注；对标注后的声音样本分别提取声音样本的特征向量；利用机器学习算法，对所提取的高压电力设备声音样本的融合特征向量进行分类训练，形成基于声音信号的高压电力设备故障状态特征图谱；根据故障状态特征图谱，对高压电力设备的工作状态进行判断，从而完成高压电力设备故障诊断。本发明通过非接触式声音传感器实时监测电力设备运行工况及故障判断，可使得运检人员能初步掌握各电力设备的基本状况，对于是否需要对电力设备进一步观察、检测提供了实时的、经济的、可靠的信息来源。

技术领域

本发明属于电力设备故障诊断技术领域，涉及的是一种基于人工智能的高压电力设备故障诊断方法及系统。

背景技术

近年来，随着电力技术迅猛发展，电网规模的不断扩大，特别是我国超高压、特高压、全球能源互联网等战略的提出为电力工业的前景指明了方向。大电网，特高压系统对高压电力设备的可靠性提出了更高的要求，这意味着对高压电力设备的检测诊断提出了更高要求。除了传统广泛用于检测的信号外，随着声音采集和处理技术能力的提高，声音用于电力设备检测的概念亦被部分学者提出。声音是一种电力设备机械波由振动向传声介质辐射能量，声信号蕴含着大量的振动信息，是分析设备运行状态的一项重要指标。此外，获取声音信号不需要让设备停止运行，也不用接触设备，装置简单，采集信号方便，安装方式比较灵活，不会干扰设备的正常运行。

现行通过声音来判断变电站运行状态的检测方法主要靠人工来完成，无法实现实时在线检测，这与电力设备检测的发展需求相违背，且借助人工的电力设备声音检测过度依赖工作经验与主观判断，使检测的准确性无法得到保障，且巡检人员的工作环境相对恶劣、经济成本与时间成本较高。因此，研制一种基于人工智能的高压电力设备故障诊断技术成为本领域亟待解决的问题，通过该人工智能高压电力设备故障诊断技术，应当能够实时监测电力设备运行工况及故障判断，可以使得运检人员能初步掌握各电力设备的基本状况，对于是否需要对电力设备进一步观察、检测提供实时的、经济的、可靠的信息来源。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种基于人工智能的高压电力设备故障诊断方法及系统。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种基于人工智能的高压电力设备故障诊断方法，包括：

分别对高压电力设备正常状态和故障状态的声音样本进行标注；

对标注后的高压电力设备声音样本提取融合特征向量；

利用机器学习算法，对所提取的高压电力设备声音样本的融合特征向量进行分类训练，形成基于声音信号的高压电力设备故障状态特征图谱；

根据高压电力设备故障状态特征图谱，对高压电力设备的工作状态进行判断，从而完成高压电力设备故障诊断。

优选地，所述对标注后的高压电力设备声音样本提取融合特征向量，包括：

对每一样本分别提取6维时频域参数和13维梅尔倒谱系数，构成组合的19维融合特征向量。

优选地，所述6维时频域参数包括：短时平均过零率、短时能量、能量熵、谱熵、频谱通量以及频谱滚降点。

优选地，利用机器学习算法，对所提取的高压电力设备正常状态和故障状态声音样本的特征向量进行分类训练，包括：

利用支持向量机模型对正常状态和故障状态的声音样本特征向量进行分类训练，并对支持向量机模型的超参数进行优化。

优选地，所述对支持向量机模型的超参数进行优化的方法，包括：