基于卷积神经网络的局部放电声音识别研究

来源：电子测量技术杂志2023年第20期北京时间：

作者：汪志成，王泽旺，朱梦帆，纪荣焕，张斌

单位：1.东华理工大学 南昌 330013; 2.泉州维盾电气有限公司 泉州 362012

摘要：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。

关键词：电力设备;局部放电;声谱图;声音识别;卷积神经网络

基金资助：江西省科技合作专项重点项目（20212BDH80008）、科技部常规性科技援外项目（KY201702002）、江西省重点研发计划项目（20181BBE58006）、国家自然科学基金（12165001）项目资助