基于CNN的平波电抗器声纹模式识别方法

作者：胡锦根; 石明垒; 焦晨骅; 沈正元

来源：浙江电力, 2023, 42(03): 88-94.

DOI：10.19585/j.zjdl.202303011

• 平波电抗器
• 运行状态
• 绕组
• Mel时频谱
• 卷积神经网络

为实现对平波电抗器运行状态的准确识别，引入一种基于CNN（卷积神经网络）的深度学习方法，建立了使用Mel时频谱的电抗器绕组声纹模式识别模型。以干式平波电抗器作为实验对象采集声音信号，使用Mel滤波器方法将采集到的声音信号转化为时频谱图，以不同的工况类型作为数据集的标签，基于CNN算法识别不同信号所对应的工况类型。结果表明，CNN可用于干式平波电抗器声纹模式的准确识别，优化后的神经网络对正弦激励、谐波激励和直流偏磁激励下的声纹信号识别准确率高达98.4%。研究结果为实现电网信号的智能化检测提供了潜在的技术方案。