买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山东省电力公司邹城市供电公司

摘要：本发明公开了一种基于电力设备局部放电声音的故障识别方法及系统，涉及电力设备放电声音识别技术领域，包括：获取电力设备在模拟放电故障下和正常工况下的声音数据，并对获取到的声音数据进行预处理；将经过预处理后的声音数据转换为第一声谱图；基于注意力机制对深度卷积神经网络模型进行改进，对改进深度卷积神经网络模型进行训练，得到故障识别模型。本发明通过获取模拟放电故障下和正常工况下的声音数据，并对声音数据进行去噪和增强，并对放电故障下和正常工况下的声音数据进行融合来无限近似实际应用中工况，极大程度上提高了识别效果。

主权项：1.一种基于电力设备局部放电声音的故障识别方法，其特征在于，包括：获取电力设备在模拟放电故障下和正常工况下的声音数据，并对获取到的声音数据进行预处理；所述对获取到的声音数据进行预处理包括依次进行声音去噪、声音增强以及声音融合；所述声音去噪采用高通滤波器进行滤波去噪；所述声音融合为将放电故障下和正常工况下的声音数据进行混叠；所述声音增强的具体方法为：对声音数据先经过短时傅里叶变换转换为频谱图，然后将频谱图按幅度和相位进行分解，其中，频谱图输入到声音分割网络模型中，声音分割网络模型生成分割后的幅度谱，从而确定对于原始幅度谱不同部分的增强和抑制程度，再结合相位信息恢复为一维声音数据，从而完成音频增强；所述声音分割网络模型为改进CNN网络，所述改进CNN网络包括编码器、解码器和瓶颈层，其中瓶颈层为LSTM网络；将经过预处理后的声音数据转换为第一声谱图；基于注意力机制对深度卷积神经网络模型进行改进，在深度卷积神经网络模型的编码部分引入第一注意力模块，具体包括：在编码部分的每一层的输出端均加入第一注意力模块，即卷积层—第一注意力模块—池化层—第一注意力模块；在解码部分引入第二注意力模块，具体包括：在解码部分中的全连接层前加入第二注意力模块，即第二注意力模块—全连接层—输出结果；并对改进后的深度卷积神经网络模型进行训练，具体为：将第一声谱图输入改进后的深度卷积神经网络模型中，输出基于电力设备局部放电声音的故障结果，训练过中引入自适应矩估计优化器进行训练，当损失函数趋于收敛时，得到故障识别模型；获取待识别电力设备的声音数据，并得到第二声谱图，将第二声谱图输入故障识别模型，输出故障结果。

全文数据：

权利要求：

百度查询： 国网山东省电力公司邹城市供电公司 一种基于电力设备局部放电声音的故障识别方法及系统