[发明专利]一种基于音频信号的环网柜放电状态识别方法

说明书

本发明涉及环网柜故障识别技术领域，具体公开了一种基于音频信号的环网柜放电状态识别方法，包括：采集不同状态下的环网柜运行声音信号，其中，不同状态下的环网柜运行声音信号包括不同类型的环网柜放电声音信号；对环网柜运行声音信号进行处理，得到环网柜放电声音信号的能量特征向量；利用Fisher降维准则，使环网柜放电声音信号的能量特征向量的维度减小，得到降维后的能量特征向量；建立环网柜放电声音信号识别模型，将降维后的能量特征向量输入至环网柜放电声音信号识别模型中，得到环网柜放电声音信号识别结果。本发明能够提升环网柜故障的识别精度，更加的快速可靠，对及时发现故障有很大的指导作用。

技术领域

本发明涉及环网柜故障识别技术领域，更具体地，涉及一种基于音频信号的环网柜放电状态识别方法。

背景技术

环网柜作为电力系统中控制和保护的重要中枢环节，成为了保证配电网稳定运行的坚强后盾。在其制造和运行的过程中，会因为种种的缺陷造成局部放电，威胁电网的稳定运行。

针对环网柜的故障问题，要求做到实时掌控，采取措施避免事态的扩大，这就需要获取设备的状态信息。通常依靠工人通过耳朵听和眼睛看的传统方式辨别设备是否处于良好状态存在很多不足。同时，传统的人工方法无法预测设备下一时刻的状态，无法对潜在故障做出预测。而随着智能电网的提出，电气设备的结构越来越复杂。当故障发生时，各类故障具有很强的随机性，多样性。因此，将现代化技术应用于数字信号处理领域，可以借助更多的先进技术获取所需的数据信息。

在环网柜的故障中，主要为绝缘性缺陷。绝缘状态的好坏直接关系到电气设备及线路的安全运行。近年来，电力故障灾难对国民经济造成较大损失。为了最小化损失，必须制定一套可靠的绝缘监测方法。而局部放电是监测绝缘状态的重要形式之一，可以通过建立合理的监测系统对局部放电进行监测。

在高压设备运行的过程中，局部放电常伴随有一些可闻声音。实验和相关研究发现，这些声音具有一定的辨识性，可以通过分辨声音的特性来判断其绝缘状态。本发明通过选择声音作为识别对象，提出了基于音频信号的环网柜放电状态识别方法。

发明内容

针对现有技术中存在的上述弊端，本发明提供了一种基于音频信号的环网柜放电状态识别方法，用来针对环网柜的绝缘故障进行声音在线监测，保障环网柜安全可靠的运行。

作为本发明的第一个方面，提供一种基于音频信号的环网柜放电状态识别方法，包括：

步骤S1：采集不同状态下的环网柜运行声音信号，其中，所述不同状态下的环网柜运行声音信号包括不同类型的环网柜放电声音信号；

步骤S2：对所述环网柜运行声音信号进行处理，得到环网柜放电声音信号的能量特征向量，其中，所述环网柜放电声音信号的能量特征向量代表放电声音信号波形的特征；

步骤S3：利用Fisher降维准则，使所述环网柜放电声音信号的能量特征向量的维度减小，得到降维后的能量特征向量；

步骤S4：建立环网柜放电声音信号识别模型，将所述降维后的能量特征向量输入至所述环网柜放电声音信号识别模型中，得到环网柜放电声音信号识别结果。

进一步地，在所述步骤S1中，还包括：

将采集到的所述环网柜运行声音信号通过带通滤波器滤除工频及其谐波噪声。

进一步地，在所述步骤S2中，还包括：

步骤S21：通过小波包能量分析法将所述环网柜运行声音信号分解到各个频率段上后，将0-48khz的频率段划分，经过5层小波包分解得到32个子频率段的波形信号，每个频率段区间为1.5khz；

步骤S22：通过分别计算每个子频率段上分解信号的能量，进而形成小波包节点能量特征向量；其中，环网柜运行声音信号每个子频率段上分解信号的能量E_i及环网柜运行声音信号总能量E的计算公式如下；