电力设备故障识别方法技术

本申请涉及一种电力设备故障识别方法

【技术实现步骤摘要】
电力设备故障识别方法、装置、设备、介质和产品


[0001]本申请涉及故障识别
，特别是涉及一种电力设备故障识别方法
、
装置
、
设备
、
介质和产品
。

技术介绍

[0002]中低压配用电设备长期以来是电网运行控制和运维管理的薄弱环节，由于其点多面广
、
涉及环节多，以配电变压器为例，作为一种重要的电力设备，其与终端用户关系密切，且数目众多
、
分布范围广，一旦故障或计划停运，大多数用户将经历长时停电
。
据统计，配电变压器事故占整个配网事故的比例为
90
％
。
[0003]随着边缘数据中心的兴起，相关配用电设备多种多样，配用电设备运行状态的实时监测，对供电可靠性有至关重要的影响，及时发现设备故障可以进行针对性地排查和修复，提高运维效率
。
然而，当前的监控和巡检手段较为低效，存在盲控
、
盲调等问题，大多数电力设备还是依靠巡检人员人工巡检，效率较低且容易出现数据造假或缺失风险
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高电力设备巡检效率且避免数据造假或缺失的电力设备故障识别方法
、
装置
、
设备
、
介质和产品
。
[0005]第一方面，本申请提供了一种电力设备故障识别方法
。
该方法包括：
[0006]接收来自声纹采集终端发送的电力设备的初始声纹数据；
[0007]对初始声纹数据进行特征变换，获得时频域特征数据，并基于初始声纹数据对应时间段内电力设备的工作状态，获得时频域特征数据对应的故障标签，故障标签包括电力设备正常和电力设备故障；
[0008]利用训练样本对预设的平台故障识别模型进行参数调优，获得调优后的模型参数，并将调优后的模型参数下发至声纹采集终端，以使声纹采集终端在接收调优后的模型参数之后，根据调优后的模型参数，确定声纹采集终端内置的终端故障识别模型，并通过终端故障识别模型对终端本地实时采集的电力设备待识别声纹信息进行故障识别，其中，训练样本包括时频域特征数据和故障标签的对应记录
。
[0009]在其中一个实施例中，对初始声纹数据进行特征变换，获得时频域特征数据，包括：
[0010]对初始声纹数据进行归一化，得到归一化数据；
[0011]基于预设的超参数对归一化数据进行小波变换，得到不同小波子带上的时频谱；
[0012]针对每一个小波子带上的时频谱，提取小波子带上的时频谱的倒谱系数，获得时频域特征数据
。
[0013]在其中一个实施例中，接收来自声纹采集终端发送的电力设备的初始声纹数据之后，还包括：
[0014]对初始声纹数据进行预处理以更新初始声纹数据；
[0015]其中，预处理包括预加重
、
分帧
、
空白音剔除和有效帧平滑中的至少一种
。
[0016]在其中一个实施例中，接收来自不同声纹采集终端发送的不同电力设备在不同时段内的初始声纹数据；
[0017]获取不同初始声纹数据对应的时频域特征数据和故障标签之间的多条对应记录，并将多条对应记录进行存储；
[0018]响应于用户的需求指令，从多条对应记录中选取至少一条对应记录构建训练样本集，并通过训练样本集对预设的平台故障识别模型进行参数调优
。
[0019]第二方面，本申请还提供了一种电力设备故障识别方法，应用于声纹采集终端，该方法包括：
[0020]获取电力设备的初始声纹数据，并将初始声纹数据发送至声纹分析平台；
[0021]接收声纹分析平台发送的模型参数，并根据模型参数，确定声纹采集终端内置的终端故障识别模型，其中，模型参数是声纹分析平台对初始声纹数据进行特征变换，获得时频域特征数据，并基于初始声纹数据对应时间段内电力设备的工作状态，获得时频域特征数据对应的故障标签后，利用时频域特征数据和故障标签的对应记录对预设的平台故障识别模型进行参数调优，获得的调优后的参数；
[0022]通过终端故障识别模型对终端本地实时采集的电力设备待识别声纹信息进行故障识别
。
[0023]第三方面，本申请还提供了一种电力设备故障识别装置
。
该装置包括：
[0024]接收数据模块，用于接收来自声纹采集终端发送的电力设备的初始声纹数据；
[0025]提取标注模块，用于对初始声纹数据进行特征变换，获得时频域特征数据，并基于初始声纹数据对应时间段内电力设备的工作状态，获得时频域特征数据对应的故障标签，故障标签包括电力设备正常和电力设备故障；
[0026]调优参数模块，用于利用训练样本对预设的平台故障识别模型进行参数调优，获得调优后的模型参数，并将调优后的模型参数下发至声纹采集终端，以使声纹采集终端在接收调优后的模型参数之后，根据调优后的模型参数，确定声纹采集终端内置的终端故障识别模型，并通过终端故障识别模型对终端本地实时采集的电力设备待识别声纹信息进行故障识别，其中，训练样本包括时频域特征数据和故障标签的对应记录
。
[0027]第四方面，本申请还提供了一种电力设备故障识别装置
。
该装置包括：
[0028]获取数据模块，用于获取电力设备的初始声纹数据，并将初始声纹数据发送至声纹分析平台；
[0029]接收参数模块，用于接收声纹分析平台发送的模型参数，并根据模型参数，确定声纹采集终端内置的终端故障识别模型，其中，模型参数是声纹分析平台对初始声纹数据进行特征变换，获得时频域特征数据，并基于初始声纹数据对应时间段内电力设备的工作状态，获得时频域特征数据对应的故障标签后，利用时频域特征数据和故障标签的对应记录对预设的平台故障识别模型进行参数调优，获得的调优后的参数；
[0030]故障识别模块，用于通过终端故障识别模型对终端本地实时采集的电力设备待识别声纹信息进行故障识别
。
[0031]第五方面，本申请还提供了一种计算机设备
。
该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现本申请第一方面或第二方
面提供的电力设备故障识别方法
。
[0032]第六方面，本申请还提供了一种计算机可读存储介质
。
该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请第一方面或第二方面提供的电力设备故障识别方法
。
[0033]第七方面，本申请还提供了一种计算机程序产品
。
该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本申请第一方面或第二方面提供的电力设备故障识别方法
。
[0034]上述电力设备故障识别方法...

【技术保护点】

【技术特征摘要】
1.
一种电力设备故障识别方法，其特征在于，应用于声纹分析云平台，所述方法包括：接收来自声纹采集终端发送的电力设备的初始声纹数据；对所述初始声纹数据进行特征变换，获得时频域特征数据，并基于所述初始声纹数据对应时间段内所述电力设备的工作状态，获得所述时频域特征数据对应的故障标签，所述故障标签包括电力设备正常和电力设备故障；利用训练样本对预设的平台故障识别模型进行参数调优，获得调优后的模型参数，并将所述调优后的模型参数下发至所述声纹采集终端，以使所述声纹采集终端在接收所述调优后的模型参数之后，根据所述调优后的模型参数，确定所述声纹采集终端内置的终端故障识别模型，并通过所述终端故障识别模型对终端本地实时采集的电力设备待识别声纹信息进行故障识别，其中，所述训练样本包括所述时频域特征数据和所述故障标签的对应记录
。2.
根据权利要求1所述的方法，其特征在于，所述对所述初始声纹数据进行特征变换，获得时频域特征数据，包括：对所述初始声纹数据进行归一化，得到归一化数据；基于预设的超参数对所述归一化数据进行小波变换，得到不同小波子带上的时频谱；针对每一个小波子带上的时频谱，提取所述小波子带上的时频谱的倒谱系数，获得所述时频域特征数据
。3.
根据权利要求2所述的方法，其特征在于，所述接收来自声纹采集终端发送的电力设备的初始声纹数据之后，还包括：对所述初始声纹数据进行预处理以更新初始声纹数据；其中，所述预处理包括预加重
、
分帧
、
空白音剔除和有效帧平滑中的至少一种
。4.
根据权利要求1所述的方法，其特征在于，所述方法还包括：接收来自不同声纹采集终端发送的不同电力设备在不同时段内的初始声纹数据；获取不同所述初始声纹数据对应的时频域特征数据和故障标签之间的多条对应记录，并将所述多条对应记录进行存储；响应于用户的需求指令，从所述多条对应记录中选取至少一条对应记录构建训练样本集，并通过所述训练样本集对预设的平台故障识别模型进行参数调优
。5.
一种电力设备故障识别方法，其特征在于，应用于声纹采集终端，所述方法包括：获取电力设备的初始声纹数据，并将所述初始声纹数据发送至声纹分析平台；接收所述声纹分析平台发送的模型参数，并根据所述模型参数，确定所述声纹采集终端内置的终端故障识别模型，其中，所述模型参数是所述声纹分析平台对所述初始声纹数据进行特征变换，获得时频域特征数据，并基于所述初始声纹数据对应时间段内所述电力设备的工作状态，获得所述...

【专利技术属性】
技术研发人员：李婧，谢莹华，赵振杰，王若愚，李植鹏，孙庆超，杨文锋，舒舟，王海华，宋佳刚，江万里，李嘉靓，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：