-
公开(公告)号:CN110490071A
公开(公告)日:2019-11-22
申请号:CN201910631578.X
申请日:2019-07-12
Applicant: 国网上海市电力公司 , 上海电力实业有限公司
Abstract: 一种基于MFCC的变电站声信号特征提取方法,属监控领域。其对于变压器声信号,依次经过声信号预处理、快速傅里叶变换、Mel滤波器组和对数DCT运算,提取其特征量;其中,预处理包括分帧和加窗两个步骤;快速傅里叶变换将时域信号转换到频域,计算幅度谱和每帧谱线能量;Mel滤波器组针对每帧谱线能量谱通过滤波器组计算能量;对数DCT运算将能量值取对数,计算出能量矩阵,通过模糊聚类或神经网络方式,识别出故障类型。其通过音色来进行良好区分,提取出的特征向量具有明显差异,运算速度快,能降低计算机运行成本;用支持向量机算法对特征向量进行分类标记,判别速度快,正确率高,指令简单。可广泛用于无人值守变电站的运行监控和故障判断领域。
-
公开(公告)号:CN115169428A
公开(公告)日:2022-10-11
申请号:CN202210386306.X
申请日:2022-04-13
Applicant: 国网上海市电力公司
Abstract: 一种人工智能驱动的变压器故障诊断方法,属故障诊断领域。在利用变压器故障油中溶解气体DGA数据进行分析、诊断时,采用修正的蝙蝠算法优化支持向量机模型;在速度方程中引入自适应系数,在位置方程中引入加权因子,在频率方程中引入改进系数,对影响支持向量机分类精度的惩罚因子和核函数参数进行寻优,获得最佳的参数组合,并建立故障诊断模型;然后将溶解气体分析DGA数据代入模型,进行故障诊断,进而得到变压器故障诊断结果。其收敛速度更快,求解精度更高,鲁棒性较强,具有更高的故障诊断准确率。可广泛用于电力变压器故障的诊断领域。
-