基于卷积神经网络的局部放电声音识别研究

作者：汪志成; 王泽旺^*; 朱梦帆; 纪荣焕; 张斌

来源：电子测量技术, 2023, 46(20): 148-155.

DOI：10.19651/j.cnki.emt.2312649

• 电力设备
• 局部放电
• 声谱图
• 声音识别
• 卷积神经网络

针对变压器与中压开关柜传统绝缘状态检测方法依赖人工的问题，本文基于可听声声音识别方法，通过将电力设备放电故障声音与正常工况声音、环境噪声进行混叠制作样本集，以模拟真实电力设备运行环境；对故障声音进行预处理后，使用声谱图提取声音的短时频率、能量分布等特征，构建声谱图数据集，结合改进的卷积神经网络实现对放电故障的检测；通过加入注意力机制，调节指数衰减学习率、数据集样本数量、音频采样率等方式进一步提升网络的精度，最终设计的网络模型识别准确率最高可达99.2%,相比其他检测方法优势明显，可实现对放电故障的在线检测。

• 单位
  泉州维盾电气有限公司; 东华理工大学