声纹传感

噪声与振动是运行设备的固有特性，绝大部分异常状态(工况)都会伴随振动与声的变化 。异常振动会带来结构松动、绝缘老化、材料疲劳等问题，对电网安全稳定运行造成重大隐患。声振检测与诊断技术具有非接触、不停电、可连续等优点，可及时发现设备早期潜伏性缺陷，可以作为现有监测手段的必要补充。讲座将介绍变压器、绝缘子、水轮发电机等电力设备声纹识别技术，包括抗干扰检测方法、特征量提取与模式识别、基于人工智能的声纹识别技术等。

声纹传感与识别技术在电网设备状态监测中的作用逐渐得到运维人员的认可，从试点应用逐步向实用化推广过渡。本报告首先介绍目前电网中声纹传感技术的应用情况，进而介绍目前的声纹识别效果以及算法训练的培育计划，此外还对声纹监测装置以及声纹识别算法的检测方法进行了介绍，并对该技术的发展方向进行了展望。

变压器运行过程中产生的振动噪声与其运行状态及内部缺陷情况直接相关,对其声纹信号开展特征分析,有助于进一步了解设备运行工况,保障电力系统安全稳定运行。文中以声纹特征分析为基础,兼顾诊断效率与准确性,提出一种基于卷积神经网络及集成学习模型的变压器缺陷诊断方法。该方法以变压器声纹数据的时域及频域信号为多通道输入混合特征,构建了基于卷积神经网络模型和声纹特征分析法的集成学习模型,可实现变压器声纹特征的有效识别,并通过由多个基学习器组成的集成学习模型提高了变压器缺陷诊断的准确性。基于文中所构建的变压器声纹样本库,可得到该方法对变压器单一缺陷的识别准确率为99.2%,对变压器混合缺陷的识别准确率为99.7%。研究结果表明该方法可有效识别变压器的运行状态,为变压器运维检修提供技术参考。