基于声信号分析的开关柜局部放电检测算法研究

• 全文链接
• 请求原文

作   者：

唐云辉;  胡曦琳; 

作者机构：

国电南瑞科技股份有限公司; 

关键词：

局部放电;  语谱图;  深度学习网络;  美尔倒谱特征; 

期刊名称：

电子器件

i s s n：

1005-9490

年卷期：

2018 年 03 期

页   码：

644-648

摘   要：

有效检测高压开关柜故障是影响电网安全的因素之一。早期基于超声波检测的方法,存在设备昂贵,有效检测范围小的问题。为此,提出一种基于语谱特征的开关柜局部放电检测算法。算法首先计算放电声信号的语谱图,然后计算其2阶归一化中心矩;并以此为特征,构建自编码深度学习网络,并通过稀疏化处理提高模型的识别能力。在开关柜局部放电检测实验中,所提的语谱特征有助于改善故障检测效率。相比于基于美尔倒谱特征的算法,放电检测识别率提高2.5%。结合深度学习网络算法后,识别率能达到99.8%。