一种基于声纹监听的识别系统及其方法

技术领域

本发明涉及声纹识别技术领域，具体而言，涉及一种基于声纹监听的识别系统及其方法。

背景技术

目前双碳目标的持续性推进，以清洁低碳、安全高效为主的新型电力系统的建设规模也在不断扩大，对于电力系统来说，配电领域一直是管控的难点，主要是受制于配电设备点多面广的特性，其中，开关柜作为配电领域中的核心架构设备，是制约供电可靠性的重要因素，因此，如何正确高效的评估开关柜的运行状态，降低电网系统的运维成本，是目前必须要解决的热点问题，而声纹监听技术则为开关柜的监测提供了有力的解决方案。

目前，传统的监测手段对于开关柜声纹方面的关注度较为低下，在很大程度上还是侧重于对开关柜本体电气方面的查验关注，导致数据的处理存在单一性的局限，同时欠缺针对每个开关柜的特性信息进行处理分析，致使数据处理的集中化程度不强，无法高度集成的反馈开关柜的运行状态处于哪一种水平范围内，管理人员无法依据具体的查验结果实施相应地、及时地管控举措，不仅无法发现开关柜的潜在性能缺陷，同时也间接增加了电力系统的运行风险。

发明内容

为了克服背景技术中的缺点，本发明实施例提供了一种基于声纹监听的识别系统及其方法，能够有效解决上述背景技术中涉及的问题。

本发明的目的可以通过以下技术方案来实现：本发明第一方面提供了一种基于声纹监听的识别系统，包括：特性信息预处理模块，用于统计各开关柜的特性信息进行预处理，并评估各开关柜的特性表征定义值，据此匹配各开关柜的声纹特征样本数据。

声纹信号识别分析模块，用于对各开关柜进行声纹信号识别，分析各开关柜的声纹信号与各类型故障的贴合值。

干扰信息识别分析模块，用于对各开关柜的声纹干扰信息进行识别处理，分析各开关柜的声纹干扰计量值。

边缘计算网关，用于综合判定各开关柜的状态辨析结果进行智能提示。

声纹特征样本库，用于存储各型号开关柜在各特性表征定义值区间的声纹特征样本数据。

作为进一步的优选设计方案，所述统计各开关柜的特性信息进行预处理，具体过程包括：根据各开关柜的特性信息，特性信息包括累计使用时长t

分析各开关柜的第一特征值α

式中，

提取各开关柜的电气额定电压U

式中，a

作为进一步的优选设计方案，所述各开关柜的特性表征定义值的数值计算表达式为：α

式中，α

作为进一步的优选设计方案，所述匹配各开关柜的声纹特征样本数据，具体过程包括：根据各开关柜的特性表征定义值，并获取各开关柜的型号，由此与声纹特征样本库中存储的各型号开关柜在各特性表征定义值区间的声纹特征样本数据进行匹配，得到各开关柜的声纹特征样本数据，声纹特征样本数据包括对应各类型故障的参照时域波形、参照声纹频谱，并包括参照适配振动波形。

作为进一步的优选设计方案，所述各开关柜的声纹信号与各类型故障的贴合值，具体分析过程为：根据各开关柜对应各类型故障的参照时域波形，从提取参照时域波形的长度L

通过声纹传感器对各开关柜进行声纹信号感知，构建各开关柜的时域信号波形以及声纹信号频谱。

从各开关柜的时域信号波形中，提取最高振幅Z

计算各开关柜的声纹信号与各类型故障的第一匹配值ε

ε

式中，

ε

式中，

综合计算各开关柜的声纹信号与各类型故障的贴合值η

式中，

作为进一步的优选设计方案，所述各开关柜的声纹信号频谱与各类型故障的贴合值的具体计算过程为：根据各开关柜对应各类型故障的参照声纹频谱，从中提取参照谱峰频率P

同时根据各开关柜的声纹信号频谱，依次从中提取谱峰频率P

分析各开关柜的声纹信号频谱与各类型故障的第一贴合值

。

式中，λ

分析各开关柜的声纹信号频谱与各类型故障的第二贴合值

式中，ΔP1″、ΔP2″分别为设定的频率分量区间的最高幅值和最低幅值所属界定偏差值，P

分析各开关柜的声纹信号频谱与各类型故障的贴合值η

作为进一步的优选设计方案，所述对各开关柜的声纹干扰信息进行识别处理，具体过程为：通过骨传导振动传感器对各开关柜的声纹干扰信息进行监测，声纹干扰信息为振动波形，由此从振动波形处理提取脉冲频率R

初步分析各开关柜的第一振动异常值σ

式中，R″为设定的开关柜参照适配振动脉冲频率，ζ

作为进一步的优选设计方案，所述各开关柜的声纹干扰计量值，具体计算过程为：根据各开关柜的参照适配振动波形，从中分别提取参照脉冲频率ΔR

分析各开关柜的第二振动异常值σ

式中，τ

综合分析各开关柜的声纹干扰计量值σ

式中，φ

作为进一步的优选设计方案，所述综合判定各开关柜的状态辨析结果进行智能提示，具体包括：根据各开关柜的声纹信号与各类型故障的贴合值η

由识别分析模型

本发明第二方面提供了一种基于声纹监听的识别方法，包括：S1、统计各开关柜的特性信息进行预处理，并评估各开关柜的特性表征定义值，据此匹配各开关柜的声纹特征样本数据。

S2、对各开关柜进行声纹信号识别，分析各开关柜的声纹信号与各类型故障的贴合值。

S3、对各开关柜的声纹干扰信息进行识别处理，分析各开关柜的声纹干扰计量值。

S4、综合判定各开关柜的状态辨析结果进行智能提示。

相对于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明提供了一种基于声纹监听的识别系统及其方法，有力实现针对开关柜声纹方面进行识别监测，提高了对开关柜声纹方面的关注度，弥补了现有技术仅关注电气方面的查验而导致数据处理存在的单一性局限问题，有利于识别检测开关柜潜在的故障和问题，进一步优化开关柜的性能，减少不必要的能源浪费。

(2)本发明通过统计各开关柜的特性信息进行预处理，能够针对每个开关柜的特性特点匹配出最适合的样本数据，通过数值分析，提高了数据处理的集中化程度，并且为后续反馈开关柜的实际运行状态提供了充分地和可靠的支撑依据，有助于可持续地管理各个开关柜，为电力系统的稳定运行提供了保障。

(3)本发明通过评估各开关柜的声纹信号与各类型故障的综合相似值，并综合判定各开关柜的状态辨析结果进行智能提示，能够高度集成的反馈开关柜的运行状态处于哪一种水平范围内，管理人员可以依据具体的查验结果实施相应地、及时地管控举措，不仅有利于及时发现开关柜的潜在性能缺陷，同时也大幅提升了电力系统的运行效益和稳态运行水平。

(4)本发明通过对各开关柜的声纹干扰信息进行识别处理，并计算各开关柜的声纹干扰计量值，通过兼顾振动方面的数据处理，能够使声纹信号分析更加精确，有助于更准确地诊断开关柜的故障问题性质和具体位置，从而减少了故障误报率，并有助于改善电力系统的可靠性和安全性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的系统模块连接示意图。

图2为本发明的方法流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1所示，本发明第一方面提供了一种基于声纹监听的识别系统，包括：特性信息预处理模块、声纹信号识别分析模块、干扰信息识别分析模块、边缘计算网关、声纹特征样本库。

所述特性信息预处理模块，用于统计各开关柜的特性信息进行预处理，并评估各开关柜的特性表征定义值，据此匹配各开关柜的声纹特征样本数据。

具体地，所述统计各开关柜的特性信息进行预处理，具体过程包括：根据各开关柜的特性信息，特性信息包括累计使用时长t

分析各开关柜的第一特征值α

式中，

需要说明的是，上述关联历史周期，具体指的是，以当前分析日期为起始日期，并以7天为划分标准，进行逆向性划分得到7天历史日期，并将7天历史日期构成的周期记为关联历史周期。

进一步需要说明的是，上述在关联历史周期的电气峰谷电压差U

在实施例中，电气峰谷电压差、电气峰谷电流差和电能消耗量依次使用的设备为：电压传感器、电流传感器和智能电表。

提取各开关柜的电气额定电压U

式中，a

需要解释的是，本发明从各开关柜的特性信息出发，分析各开关柜的第一特征值和第二特征值，目的在于，考虑到随着时间的增加，开关柜的性能会开始弱化，这是因为开关柜在实际的应用过程中，会受到环境、自然灾害以及维护等外力的侵扰以及一些零件发生的自然性能消耗行为，通过针对各开关柜的累计使用时长、电气峰谷电压差、电气峰谷电流差等方面的信息进行分析，能够有效得知各开关柜的具体性能使用情况，而不同特性的开关柜需要拥有更加针对性的数值分析才能够精确的反馈出是否存在异常运作行为，因此，本发明针对各开关柜的特性信息进行分析，从而为后续声纹特征样本数据的匹配提供依据和支持。

具体地，所述各开关柜的特性表征定义值的数值计算表达式为：α

式中，α

在具体的实施例中，本发明通过统计各开关柜的特性信息进行预处理，能够针对每个开关柜的特性特点匹配出最适合的样本数据，通过数值分析，提高了数据处理的集中化程度，并且为后续反馈开关柜的实际运行状态提供了充分地和可靠的支撑依据，有助于可持续地管理各个开关柜，为电力系统的稳定运行提供了保障。

进一步地，所述匹配各开关柜的声纹特征样本数据，具体过程包括：根据各开关柜的特性表征定义值，并获取各开关柜的型号，由此与声纹特征样本库中存储的各型号开关柜在各特性表征定义值区间的声纹特征样本数据进行匹配，得到各开关柜的声纹特征样本数据，声纹特征样本数据包括对应各类型故障的参照时域波形、参照声纹频谱，并包括参照适配振动波形。

所述声纹信号识别分析模块，用于对各开关柜进行声纹信号识别，分析各开关柜的声纹信号与各类型故障的贴合值。

具体地，所述各开关柜的声纹信号与各类型故障的贴合值，具体分析过程为：根据各开关柜对应各类型故障的参照时域波形，从提取参照时域波形的长度L

作为一种示例，上述各类型故障的包括但不仅限于接触器异常、断路器异常、连接松动异常、电磁锁失灵、控制回路断线故障等。

通过声纹传感器对各开关柜进行声纹信号感知，构建各开关柜的时域信号波形以及声纹信号频谱。

在实施例中，对各开关柜进行声纹信号识别中，通过声纹传感器采集信号后，进行预处理信号清洗后，并通过MFCC算法和小波包变换分解算法处理后，得到具体使用的各开关柜的时域信号波形以及声纹信号频谱。

需要区别理解的是，上述各开关柜的时域信号波形以及声纹信号频谱，时域信号波形指的是信号在时间域内的变化情况，横轴为时间，纵轴为幅值，而声纹信号频谱指的是信号在频域内的变化，通常展示了信号包含的各种频率成分及其相对强度，横轴为频率，纵轴为幅值，总之，时域分析提供了信号的时间特性，而频域分析提供了信号的频率特性，本发明将两者分别进行分析，可以更全面、深入的剖析各开关柜的声纹信号。

从各开关柜的时域信号波形中，提取最高振幅Z

计算各开关柜的声纹信号与各类型故障的第一匹配值ε

ε

式中，

ε

式中，

综合计算各开关柜的声纹信号与各类型故障的贴合值η

式中，

进一步地，所述各开关柜的声纹信号频谱与各类型故障的贴合值的具体计算过程为：根据各开关柜对应各类型故障的参照声纹频谱，从中提取参照谱峰频率P

同时根据各开关柜的声纹信号频谱，依次从中提取谱峰频率P

进一步要理解的是，上述各开关柜的声纹信号频谱，从中提取谱峰频率、频谱带宽、频谱基频值及在各频率分量区间的最高幅值和最低幅值，其中谱峰频率是频谱中的最高峰值所对应的频率，它代表了声音信号中最强的频率成分，频谱带宽表示频谱中能量分布的宽度，它代表信号中各种频率成分的分散度，频谱基频值表示声音信号中的基音频率，各频率分量区间指的不同的频率范围，而各频率分量区间的最高幅值和最低幅值则是相应频率范围内的最高幅值和最低幅值，通过对各开关柜的声纹信号频谱进行剖析，能够反映各开关柜与各类型故障的相似程度，从而有助于及时反馈各开关柜的运行状态进行及时管控。

分析各开关柜的声纹信号频谱与各类型故障的第一贴合值

。

式中，λ

分析各开关柜的声纹信号频谱与各类型故障的第二贴合值

其中，/>

式中，ΔP1″、ΔP2″分别为设定的频率分量区间的最高幅值和最低幅值所属界定偏差值，P

分析各开关柜的声纹信号频谱与各类型故障的贴合值η

所述干扰信息识别分析模块，用于对各开关柜的声纹干扰信息进行识别处理，分析各开关柜的声纹干扰计量值。

具体地，所述对各开关柜的声纹干扰信息进行识别处理，具体过程为：通过骨传导振动传感器对各开关柜的声纹干扰信息进行监测，声纹干扰信息为振动波形，由此从振动波形处理提取脉冲频率R

需要解释的是，上述脉冲峰点的偏移角度，具体提取过程为：根据振动波形，并从中定位至各脉冲的峰值点处，标记为各脉冲的脉冲峰点，并将脉冲峰点垂直向下延伸至振动波形的横轴位置处，进而将延伸衔接的点记为参照点，并将各脉冲的脉冲峰点与对应参照点之间的衔接线记为基准线，提取各脉冲的宽度在振动波形的横轴上映射的线段，标记为各脉冲的宽度映射线，由此提取各脉冲的宽度映射线中心点与对应脉冲峰点之间的连接线，记为各脉冲的峰点偏移参照线，据此将各脉冲的峰点偏移参照线与基准线之间的夹角记为脉冲峰点的偏移角，并提取脉冲峰点的偏移角度。

进一步要理解的是，振动信号波形在额定的理想状态下，脉冲峰点的偏移角度趋向于0，振动信号波形是一个纯粹有规律性的正弦波，但在具体的实施例中，受开关柜应用的损耗等外力因素干扰，振动信号波形中的脉冲形态会发生一定程度的畸变，由此导致脉冲峰点的偏移角度会收到一定程度的变化。

初步分析各开关柜的第一振动异常值σ

式中，R″为设定的开关柜参照适配振动脉冲频率，ζ

进一步地，所述各开关柜的声纹干扰计量值，具体计算过程为：根据各开关柜的参照适配振动波形，从中分别提取参照脉冲频率ΔR

需解释的是，上述各开关柜的参照适配振动波形，其中的脉冲基准宽度、脉冲基准幅度以及冲峰点的基准偏移角度，具体提取过程为：依次识别提取各开关柜的参照适配振动波形中的各个脉冲的宽度、幅度和冲峰点的偏移角度，并以此进行均值化处理，由此得到脉冲基准宽度、脉冲基准幅度以及冲峰点的基准偏移角度。

分析各开关柜的第二振动异常值σ

式中，τ

综合分析各开关柜的声纹干扰计量值σ

式中，φ

在具体实施例中，本发明通过对各开关柜的声纹干扰信息进行识别处理，并计算各开关柜的声纹干扰计量值，通过兼顾振动方面的数据处理，能够使声纹信号分析更加精确，有助于更准确地诊断开关柜的故障问题性质和具体位置，从而减少了故障误报率，并有助于改善电力系统的可靠性和安全性。

所述边缘计算网关，用于综合判定各开关柜的状态辨析结果进行智能提示。

具体地，所述综合判定各开关柜的状态辨析结果进行智能提示，具体包括：根据各开关柜的声纹信号与各类型故障的贴合值η

在实施例中，本发明还将各开关柜的声纹信号与各类型故障的贴合值与预设的贴合界定值进行比较，若某开关柜的声纹信号与某类型故障的贴合值高于贴合界定值，则进行异常告警提示，同时，将各开关柜的声纹干扰计量值与设定的声纹干扰计量界限值进行比对，当某开关柜的声纹干扰计量值高于声纹干扰计量界限值，则进行异常告警提示。

由识别分析模型

需要阐述的是，上述正常运行状态、异常运行状态和故障运行状态，其中开关柜的正常运行状态是指在规定的外部环境条件，如额定电压、电流、介质、环境温度等下，保证连续正常地达到额定工作能力的状态，在正常工作状态下，由于环境和温度的影响，电气设备始终处于老化阶段，开关柜的异常运行状态指的是随着时间的推移或外部环境的改变，开关柜在规定的外部条件下部分或全部失去额定的工作能力，可认为该设备已进入异常状态，如设备不能承受额定电压、出力达不到铭牌要求、达不到规定的时间等，开关柜的故障运行状态指的是电气设备发生轻微异常时还可能继续运行，但发展成为较严重时，威胁安全或已造成设备部分损坏，引起系统运行异常，终止了对用户供电的状态，则称为故障运行状态。

在具体实施例中，本发明通过评估各开关柜的声纹信号与各类型故障的综合相似值，并综合判定各开关柜的状态辨析结果进行智能提示，能够高度集成的反馈开关柜的运行状态处于哪一种水平范围内，管理人员可以依据具体的查验结果实施相应地、及时地管控举措，不仅有利于及时发现开关柜的潜在性能缺陷，同时也大幅提升了电力系统的运行效益和稳态运行水平。

所述声纹特征样本库，用于存储各型号开关柜在各特性表征定义值区间的声纹特征样本数据。

在实施例中，本发明还提供云平台层和云端存储服务器，平台层具有强大的计算、存储能力，可开展算法的训练迭代和标准样本库的建设，同时提供声纹识别算法的应用能力，如设备振动音频事件检测、故障诊断、运行状态识别等能力，同时提供设备状态信息等可视化界面，云端存储服务器，可用于存储检验报告，报告内容包括检验的设备，所在区域，关联的网关，传感器分布位置，检测结论，振动音频样本文件(可录播)，异常检测时间，异常故障类型，声纹的时域波形，频谱图等，本发明可以利用算法训练平台的样本管理，可以对某一型号的开关柜和特定点位进行样本的回放、特征解析等手段来辅助选择标注并提交至模型库做模型训练，模型库现存的情况则迭代更新原模型，不存在的则新建模型，据此实现模型库的优化和扩充，为人员的管理提供便捷。

还需要补充的是，本发明云平台层支持以故障类型为维度来统计各个开关柜发生预警的次数，支持按故障类型总发生次数进行柱状图统计，随时了解每种故障出现频次的排名，支持按开关柜统计总故障产生次数进行柱状图统计，方便了解各个开关柜的预警频次排名，做到提前维护防止更大的问题产生。

参照图2所示，本发明第二方面提供了一种基于声纹监听的识别方法，包括：S1、统计各开关柜的特性信息进行预处理，并评估各开关柜的特性表征定义值，据此匹配各开关柜的声纹特征样本数据。

S2、对各开关柜进行声纹信号识别，分析各开关柜的声纹信号与各类型故障的贴合值。

S3、对各开关柜的声纹干扰信息进行识别处理，分析各开关柜的声纹干扰计量值。

S4、综合判定各开关柜的状态辨析结果进行智能提示。

在具体实施例中，本发明提供了一种基于声纹监听的识别系统及其方法，有力实现针对开关柜声纹方面进行识别监测，提高了对开关柜声纹方面的关注度，弥补了现有技术仅关注电气方面的查验而导致数据处理存在的单一性局限问题，有利于识别检测开关柜潜在的故障和问题，进一步优化开关柜的性能，减少不必要的能源浪费。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。