【技术实现步骤摘要】
本专利技术涉及电缆附件检测，尤其涉及一种电缆附件故障确定方法、装置、电子设备及存储介质。
技术介绍
1、电缆附件是电力系统中不可或缺的重要组成部分，其主要功能是连接和保护电缆，确保电力传输的可靠性和安全性。然而，在长期运行过程中，电缆附件可能会因环境影响、机械损伤、老化等原因发生故障。这些故障如果不能及时检测和处理，可能会导致电力系统的严重事故。因此，电缆附件故障检测成为保障电力系统稳定运行的重要手段。
2、目前，现有的电缆附件故障检测方法主要通过检测电缆附件的电气参数(如电压、电流、绝缘电阻等)来判断故障，虽然能有效检测某些类型的故障，但在实际应用中受限于外界电磁干扰，检测结果容易受到影响，准确率不高。
技术实现思路
1、本申请提出了一种电缆附件故障确定方法、装置、电子设备及存储介质，提高提高电缆附件的故障检测准确率。
2、第一方面，提供了一种电缆附件故障确定方法，包括：
3、采集电缆附件在运行过程中的声音信号；
4、基于所述声音信号构建声音特征矩阵；
5、采用预训练的分类模型对所述声音特征矩阵进行分类，得到故障分类结果；
6、根据所述故障分类结果确定所述电缆附件的故障类型，并生成故障预警信息。
7、第二方面，提供了一种电缆附件故障确定装置，包括：
8、采集模块，用于采集电缆附件在运行过程中的声音信号；
9、构建模块，用于基于所述声音信号构建声音特征矩阵；
10
11、确定模块，用于根据所述故障分类结果确定所述电缆附件的故障类型，并生成故障预警信息。
12、可选地，在本申请的一些实施例中，所述构建模块包括：
13、提取子模块，用于采用梅尔频率倒谱系数对所述声音信号进行特征提取，得到多帧特征向量；
14、计算子模块，用于基于散布熵计算每帧所述特征向量的散布熵值；
15、构建子模块，用于基于各所述特征向量和各所述散布熵值构建声音特征矩阵。
16、可选地，在本申请的一些实施例中，所述电缆附件故障确定装置还包括降维处理模块，所述降维处理模块具体用于：
17、对各所述特征向量进行降维处理。
18、可选地，在本申请的一些实施例中，所述降维处理模块包括：
19、降维处理子模块，用于基于主成分分析方法对所述声音特征矩阵进行降维处理。
20、可选地，在本申请的一些实施例中，所述电缆附件故障确定模块还包括预处理模块，所述预处理模块具体用于：
21、对所述声音信号进行预处理操作，所述预处理操作包括滤波和去噪。
22、可选地，在本申请的一些实施例中，所述电缆附件故障确定装置还包括训练模块，所述训练模块具体用于：
23、获取待训练的分类模型对应的训练数据，所述训练数据为历史声音信号数据；
24、将所述训练数据按照预设比例划分为训练集和测试集；
25、基于所述训练集对所述待训练的分类模型进行迭代训练并采用所述测试集验证所述迭代训练后的分类模型，得到所述预训练的分类模型。
26、可选地，在本申请的一些实施例中，所述训练模块包括：
27、确定子模块，用于基于蝙蝠优化算法确定所述待训练的分类模型的模型参数；
28、训练子模块，用于基于所述训练集和所述初始模型参数对所述待训练的分类模型进行迭代训练并优化所述模型参数，并采用所述测试集验证所述迭代训练后的分类模型，得到所述预训练的分类模型。
29、第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述电缆附件故障确定方法的步骤。
30、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述电缆附件故障确定方法的步骤。
31、本申请提供一种电缆附件故障确定方法、装置、电子设备及存储介质，通过采集电缆附件在运行过程中的声音信号；基于所述声音信号构建声音特征矩阵；采用预训练的分类模型对所述声音特征矩阵进行分类，得到故障分类结果；根据所述故障分类结果确定所述电缆附件的故障类型，并生成故障预警信息。在本申请提供的电缆附件故障确定方案中，通过对电缆附件在运行过程中的声音信号进行分析，从而确定电缆附件的故障类型，并生成故障预警信息，能够对运行过程中的电缆附件进行实时监测和故障诊断，并快速识别故障，提供故障预警，保障电力系统安全运行，具有高度灵敏度和非接触式检测的优势，避免了对电缆附件的物理接触和潜在损害，且抗干扰能力强，对电磁干扰不敏感，能够在复杂电力环境中保持稳定性能，从而提高故障检测的准确性。
本文档来自技高网...【技术保护点】
1.一种电缆附件故障确定方法，其特征在于，包括：
2.根据权利要求1所述的电缆附件故障确定方法，其特征在于，所述基于所述声音信号构建声音特征矩阵，包括：
3.根据权利要求2所述的电缆附件故障确定方法，其特征在于，所述基于散布熵计算每帧所述特征向量的散布熵值之前，还包括：
4.根据权利要求3所述的电缆附件故障确定方法，其特征在于，所述对各所述特征向量进行降维处理，包括：
5.根据权利要求1至4任一项所述的电缆附件故障确定方法，其特征在于，所述基于所述声音信号构建声音特征矩阵之前，还包括：
6.根据权利要求1至4任一项所述的电缆附件故障确定方法，其特征在于，所述采用预训练的分类模型对所述声音特征矩阵进行分类，得到故障分类结果之前，还包括：
7.根据权利要求6所述的电缆附件故障确定方法，其特征在于，所述基于所述训练集对所述待训练的分类模型进行迭代训练并采用所述测试集验证所述迭代训练后的分类模型，得到所述预训练的分类模型，包括：
8.一种电缆附件故障确定装置，其特征在于，包括：
9.一种电子设
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述电缆附件故障确定方法的步骤。
...【技术特征摘要】
1.一种电缆附件故障确定方法，其特征在于，包括：
2.根据权利要求1所述的电缆附件故障确定方法，其特征在于，所述基于所述声音信号构建声音特征矩阵，包括：
3.根据权利要求2所述的电缆附件故障确定方法，其特征在于，所述基于散布熵计算每帧所述特征向量的散布熵值之前，还包括：
4.根据权利要求3所述的电缆附件故障确定方法，其特征在于，所述对各所述特征向量进行降维处理，包括：
5.根据权利要求1至4任一项所述的电缆附件故障确定方法，其特征在于，所述基于所述声音信号构建声音特征矩阵之前，还包括：
6.根据权利要求1至4任一项所述的电缆附件故障确定方法，其特征在于，所述采用预训练的分类模型对所述声音特征矩阵进行分类，得到故...
【专利技术属性】
技术研发人员：黄博，聂永杰，王科，赵海龙，徐学帅，陈道远，李洪伟，周海成，苏煜，苏伟基，马留二，王栋昌，耿维，严孔浩，顾延胜，王剑东，杨伟冬，汤瑞，冯红涛，
申请(专利权)人：云南电网有限责任公司普洱供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。