超特高压变压器动态音频帧的异常状态识别与告警方法

技术领域

本发明属于变压器音频检测技术领域，具体涉及超特高压变压器动态音频帧的异常状态识别与告警方法。

背景技术

超、特高压电力变压器作为电网的核心设备，对大范围电网的安全稳定运行具有重要影响为保障特高压变压器的安全稳定运行，已有许多不停电检测技术应用于到变压器中；其中，变压器的音频检测技术由于传感装置无需与变压器之间产生电磁耦合且能够对变压器的整体性机械故障进行检测与诊断，因此在变压器的在线监测、不停电检测等工作中具有很强的优势；变压器在运行过程铁芯、绕组等结构会发生振动并产生机械波，产生的振动和声音信号包含了大量的设备状态信息，由于变压器的振动信号和声音信号相比具有更强的抗干扰能力，因此目前关于变压器的状态监测研究多集中在振动信号的研究，但是振动信号采集对于布点位置的要求更为严格，较小的布点偏移将导致测量结果产生很大的变化，这不利于不同型号变压器振动数据统一化，而声音传感器的小幅位置偏移后接收到的信号则不会产生较大差异，使得音频诊断法在人工巡检中具有一定优势；对于变压器音频诊断方法，主要分为机器学习方法与特征值诊断方法；以深度学习为代表的机器学习方法具备更强大的特征学习能力可以从大量样本的数据集中训练出更强大的模型，能够从原始输入数据中抽象出其本质；但此类方法的可解释性弱，不利于辅助运维人员决策且通常需要较为完备的样本类型和较平衡的数据样本才能得到可商用的成熟模型；因此，提供一种利用幅值相角波动性法去除噪声、筛选特征值并统计分析、根据音频特征值分布规律划定预警阈值的超特高压变压器动态音频帧的异常状态识别与告警方法是非常有必要的。

发明内容

本发明的目的是为了克服现有技术的不足，而提供一种利用幅值相角波动性法去除噪声、筛选特征值并统计分析、根据音频特征值分布规律划定预警阈值的超特高压变压器动态音频帧的异常状态识别与告警方法。

本发明的目的是这样实现的：超特高压变压器动态音频帧的异常状态识别与告警方法，所述的方法包括以下步骤：

步骤1：背景噪声去除；

步骤2：变压器音频特征筛选；

步骤3：音频特征预警值提炼。

所述的步骤1中的背景噪声去除具体为：围绕音频样本信号短时傅里叶变换后各频点的幅值与相角随时间的波动性来区分变压器本体频点和风机噪声频点，根据以上2个维度的波动特性，将得到2个变压器本体音频主导的频率点集合，取两者的交集形成最终的变压器本体音频主导的频率点集合，其他的频点即认为是风机或环境噪声的频率点集合，最后，将快速傅里叶变换后的风机噪声频率点在混合信号中进行谱减，即可得到变压器本体的频谱分布。

所述的步骤1中的幅值波动性计算过程中，50Hz倍频临近频点的方差平均值a

所述的步骤1中的相角波动性计算过程中，50Hz倍频临近频点的相角波动量平均值b

所述的步骤2中的变压器音频特征筛选具体为：其本体音频可分为瞬态音频与稳态音频，其中瞬态音频主要是指变压器遭受短路冲击瞬间的音频，除了此之外，变压器音频在绝大多数情况下都是相对平稳的稳态音频；针对变压器的稳态音频的特征，采用音频的频域信息能够一定程度对信号进行压缩，且对频谱分布特征差异更为显著，因此，主要针对变压器音频的频域特征进行梳理和分析，代表性、能反映故障信息的特征量变压器常规音频的频域特征主要有：频域幅值最大值、幅值最小值、幅值中位数、幅值平均值、幅值峰峰值、主频、振动熵、50Hz奇偶次倍频比、主频比重、基频比重、总谐波畸变率、高低频比、高频比重共13个特征；根据变压器的典型特征，筛选出最适合的五类特征：主频、振动熵、50Hz奇偶次倍频比、基频比重、高低频比五项典型特征值进行预警阈值分析。

所述的步骤2中的变压器音频特征筛选具体包括以下步骤：

步骤2.1：首先通过对各特征值进行特征分布计算，确定特征是否呈现聚集性；

步骤2.2：然后根据特征值计算原理分别确定其上限或下限为预警阈值；

步骤2.3：最后使用实际案例进行有效性验证，若音频的某项或某几项特征超过阈值即可判断为状态异常。

所述的步骤2中的主频为：d

所述的步骤3中的音频特征预警值提炼具体为：主频、振动熵、50Hz奇偶次倍频比、基频比重、高低频比五项典型特征值都服从正态分布或对数正态分布，具有很强的聚集性，具备阈值预警方法的分布特性基础，可以设置特征值的上分位线或下分位线为预警阈值，用于变压器异常状态检测。

所述的步骤3中的主频具体为：当变压器处于直流偏磁时，主频会向高次频点转移，需要关注主频分布的上限；为排除少量异常值，选取99％分位线作为主频预警阈值；

振动熵具体为：变压器绕组变形或机械松动时，振动熵将升高，即振动熵与变压器异常概率成正比，因此需要关注分布的上限；为排除少量异常值，选取99％分位线作为振动熵警戒阈值；

50Hz奇偶次倍频比具体为：变压器直流偏磁会使主频向50Hz奇次倍频点转移，需要关注50Hz奇偶次倍频比的分布上限；为排除少量异常值，选取99％分位线作为50Hz奇偶次倍频比预警阈值；

基频比重具体为：变压器的谐波、漏磁、形变、松动等因素干扰会导致振动信号中增加了其他频点，使基频比重下降，因此需要关注基频比重的分布下限；为排除少量异常值，选取1％分位线作为基频比重预警阈值；

高低频比具体为：当变压器发生铁心、绕组机械松动或处于直流偏磁状态时，都会导致频率分布向高频转移，需要关注高低频比的分布上限；为排除少量异常值，选取99％分位线作为高低频比预警阈值。

本发明的有益效果：本发明为超特高压变压器动态音频帧的异常状态识别与告警方法，电力变压器运行中的声音信号包含大量变压器运行状态信息，通过对大量变压器声音信号的采集与分析，可以为变压器的运行状态评估提供重要参考，对内部机械故障及异常状态检测具有重要意义，在使用中，本发明采集变压器音频信号后，利用幅值相角波动性法去除样本中的风机噪声，然后筛选特征值展开特征值的统计分析，挖掘正常运行状态时的音频数据样本的价值，给出正常运行中的超特高压变压器音频特征值分布规律，根据该规律分别划定特征值的预警阈值；本发明具有利用幅值相角波动性法去除噪声、筛选特征值并统计分析、根据音频特征值分布规律划定预警阈值的优点。

附图说明

图1为本发明的幅值相角波动性判别法去风机噪声流程图。

图2为本发明的五项典型特征值预警阈值示意图。

图3为本发明的与特征预警阈值进行对比示意图。

具体实施方式

下面结合附图对本发明做进一步的说明。

实施例1

如图1-3所示，超特高压变压器动态音频帧的异常状态识别与告警方法，所述的方法包括以下步骤：

步骤1：背景噪声去除；

步骤2：变压器音频特征筛选；

步骤3：音频特征预警值提炼。

在本实施例中，本发明通过音频数据进行特征值预警阈值划定方法，为5项典型音频特征划定了参考预警阈值；带来效益如下：①采用音频的幅值相角波动性法能够有效消除了风机噪声，能够对后续的音频特征分析、状态判别等工作提供支撑；②通过筛选比对，本发明选出主频、振动熵、50Hz奇偶次倍频比、基频比重、高低频比等五项最具代表性的音频特征值，能够反映变压器的激励变化、机械状态变化；③主频、振动熵、50Hz奇偶次倍频比、基频比重、高低频比五项音频特征值都服从正态分布或对数正态分布，具有很强的聚集性，具备阈值预警方式的分布特性基础，随着数据增加，能够对变压器音频特征分布情况进行更准确地描述；④正常样本构建的变压器音频数据库同样具有重要价值。由于正常样本具有广泛的采集基础，能够在短期内大量积累，从而使本发明的特征研究方法快速落地应用。

本发明为超特高压变压器动态音频帧的异常状态识别与告警方法，电力变压器运行中的声音信号包含大量变压器运行状态信息，通过对大量变压器声音信号的采集与分析，可以为变压器的运行状态评估提供重要参考，对内部机械故障及异常状态检测具有重要意义，在使用中，本发明采集变压器音频信号后，利用幅值相角波动性法去除样本中的风机噪声，然后筛选特征值展开特征值的统计分析，挖掘正常运行状态时的音频数据样本的价值，给出正常运行中的超特高压变压器音频特征值分布规律，根据该规律分别划定特征值的预警阈值；本发明具有利用幅值相角波动性法去除噪声、筛选特征值并统计分析、根据音频特征值分布规律划定预警阈值的优点。

实施例2

如图1-3所示，超特高压变压器动态音频帧的异常状态识别与告警方法，所述的方法包括以下步骤：

步骤1：背景噪声去除；

步骤2：变压器音频特征筛选；

步骤3：音频特征预警值提炼。

所述的步骤1中的背景噪声去除具体为：围绕音频样本信号短时傅里叶变换后各频点的幅值与相角随时间的波动性来区分变压器本体频点和风机噪声频点，根据以上2个维度的波动特性，将得到2个变压器本体音频主导的频率点集合，取两者的交集形成最终的变压器本体音频主导的频率点集合，其他的频点即认为是风机或环境噪声的频率点集合，最后，将快速傅里叶变换后的风机噪声频率点在混合信号中进行谱减，即可得到变压器本体的频谱分布，方法计算流程如图1所示。

所述的步骤1中的幅值波动性计算过程中，50Hz倍频临近频点的方差平均值a

所述的步骤1中的相角波动性计算过程中，50Hz倍频临近频点的相角波动量平均值b

所述的步骤2中的变压器音频特征筛选具体为：其本体音频可分为瞬态音频与稳态音频，其中瞬态音频主要是指变压器遭受短路冲击瞬间的音频，除了此之外，变压器音频在绝大多数情况下都是相对平稳的稳态音频；针对变压器的稳态音频的特征，采用音频的频域信息能够一定程度对信号进行压缩，且对频谱分布特征差异更为显著，因此，主要针对变压器音频的频域特征进行梳理和分析，代表性、能反映故障信息的特征量变压器常规音频的频域特征主要有：频域幅值最大值、幅值最小值、幅值中位数、幅值平均值、幅值峰峰值、主频、振动熵、50Hz奇偶次倍频比、主频比重、基频比重、总谐波畸变率、高低频比、高频比重共13个特征；根据变压器的典型特征，筛选出最适合的五类特征：主频、振动熵、50Hz奇偶次倍频比、基频比重、高低频比五项典型特征值进行预警阈值分析。

所述的步骤2中的变压器音频特征筛选具体包括以下步骤：

步骤2.1：首先通过对各特征值进行特征分布计算，确定特征是否呈现聚集性；

步骤2.2：然后根据特征值计算原理分别确定其上限或下限为预警阈值；

步骤2.3：最后使用实际案例进行有效性验证，若音频的某项或某几项特征超过阈值即可判断为状态异常。

所述的步骤2中的主频为：d

所述的步骤3中的音频特征预警值提炼具体为：主频、振动熵、50Hz奇偶次倍频比、基频比重、高低频比五项典型特征值都服从正态分布或对数正态分布，具有很强的聚集性，具备阈值预警方法的分布特性基础，可以设置特征值的上分位线或下分位线为预警阈值，用于变压器异常状态检测。

所述的步骤3中的主频具体为：当变压器处于直流偏磁时，主频会向高次频点转移，需要关注主频分布的上限；为排除少量异常值，选取99％分位线作为主频预警阈值，本发明样本数据集得到的主频上限预警阈值为400Hz；

振动熵具体为：变压器绕组变形或机械松动时，振动熵将升高，即振动熵与变压器异常概率成正比，因此需要关注分布的上限；为排除少量异常值，选取99％分位线作为振动熵警戒阈值，本发明样本数据集得到的振动熵上限预警阈值为2.3；

50Hz奇偶次倍频比具体为：变压器直流偏磁会使主频向50Hz奇次倍频点转移，需要关注50Hz奇偶次倍频比的分布上限；为排除少量异常值，选取99％分位线作为50Hz奇偶次倍频比预警阈值，本发明样本数据集得到的50Hz奇偶次倍频比上限预警阈值为0.852；

基频比重具体为：变压器的谐波、漏磁、形变、松动等因素干扰会导致振动信号中增加了其他频点，使基频比重下降，因此需要关注基频比重的分布下限；为排除少量异常值，选取1％分位线作为基频比重预警阈值，本发明样本数据集得到的基频比重下限预警阈值为0.025；

高低频比具体为：当变压器发生铁心、绕组机械松动或处于直流偏磁状态时，都会导致频率分布向高频转移，需要关注高低频比的分布上限；为排除少量异常值，选取99％分位线作为高低频比预警阈值，本发明样本数据集得到的高低频比上限预警阈值为0.1366。

在本实施例中，为了验证上述设定的预警阈值的合理性和有效性，本发明对样本库以外的500kV变压器正常状态案例与变压器异常状态音频案例进行特征计算，并将结果与特征预警阈值进行对比，如图3所示，预警结果如表1所示；

表1预警结果

①直流偏磁案例音频的主频、50Hz奇偶次倍频比、高低频比四项指标超出预警阈值；

②垫块松动案例音频的振动熵、基频比重、高低频比两项指标超出预警阈值；

③正常案例的音频没有指标超出预警阈值；

由以上案例可以看出，本发明根据变压器统计特性给出的预警阈值能够对现场异常状态的变压器音频进行有效预警，且对正常状态变压器的音频没有产生误判。

本发明为超特高压变压器动态音频帧的异常状态识别与告警方法，电力变压器运行中的声音信号包含大量变压器运行状态信息，通过对大量变压器声音信号的采集与分析，可以为变压器的运行状态评估提供重要参考，对内部机械故障及异常状态检测具有重要意义，在使用中，本发明采集变压器音频信号后，利用幅值相角波动性法去除样本中的风机噪声，然后筛选特征值展开特征值的统计分析，挖掘正常运行状态时的音频数据样本的价值，给出正常运行中的超特高压变压器音频特征值分布规律，根据该规律分别划定特征值的预警阈值；本发明具有利用幅值相角波动性法去除噪声、筛选特征值并统计分析、根据音频特征值分布规律划定预警阈值的优点。