【技術實現步驟摘要】
【】本專利技術涉及電力系統故障分析，尤其涉及一種基于聲發射的變壓器故障檢測方法及相關設備。
技術介紹
0、
技術介紹
1、變壓器作為電力傳輸和轉換的關鍵設備，其可靠運行對電力系統的穩定性和效率至關重要。變壓器故障不僅可能導致供電中斷，還可能引發重大安全事故。因此，需要采用有效的方法來及時識別和診斷變壓器的潛在故障，以便采取相應的維護措施。傳統的變壓器故障診斷技術主要包括油樣分析、振動分析和紅外線成像等，這些方法往往具備一定的局限性。油樣分析雖然能夠提供豐富的信息，但需要停電進行油樣采集，限制了其實時監測的應用；振動分析依賴于安裝在設備上的傳感器，但由于變壓器結構復雜，一些關鍵部位無法進行有效監測；紅外線成像則主要適用于外部故障的檢測，難以發現內部隱患。
技術實現思路
0、
技術實現思路
1、有鑒于此，本專利技術提供一種基于聲發射的變壓器故障檢測方法及相關設備。
2、本專利技術第一實施例的具體技術方案為：一種基于聲發射的變壓器故障檢測方法，所述方法包括：構建變壓器的三維模型；利用所述三維模型對變壓器不同工況下的運行狀態進行連續化仿真，獲得不同運行狀態下變壓器的聲信號數據；所述運行狀況包括正常運行狀態和不同故障類型對應的故障狀態；提取所述聲信號數據的聲音特征，并將所述聲音特征作為輸入變量，將聲音特征對應的運行狀況作為目標變量輸出對預設的機器學習模型進行訓練，并獲取所述預設的機器學習模型的訓練準確率，直至所述訓練準確率大于預設閾值時，完成所述預設的
3、優選的，所述構建變壓器的三維模型，包括：根據變壓器的結構尺寸及物理特性，在有限元軟件中設置物理場參數及材料性質建立所述變壓器的三維模型。
4、優選的，所述提取所述聲信號數據的聲音特征包括：將所述聲信號數據進行分幀和加窗，獲得多個短時間幀；將每個短時間幀進行傅里葉變換獲得所述短時間幀的頻譜信息；根據梅爾尺度構建濾波器組，將頻譜信號通過梅爾濾波器組進行濾波處理；對通過梅爾濾波器組處理后的頻譜信號計算每個濾波器輸出的對數能量；將對數能量進行離散余弦變換，得到倒譜系數；提取預設數值的倒譜系數構成所述聲音特征。
5、優選的，所述對預設的機器學習模型進行訓練的訓練方法包括：評估聲音特征與變壓器故障狀態之間的相關性，選擇相關性最高的聲音特征對所述預設的機器學習模型進行訓練；使用距離相關方法評估聲音特征與目標變量輸出之間的關系。
6、優選的，對預設的機器學習模型進行訓練過程中，使用種群交叉變異算法對所述預設的機器學習模型進行訓練。
7、優選的，所述種群交叉變異算法還包括：針對交叉變異過程中的環境變化帶來的多動態決策變量構建決策空間，通過分析聲音特征的歷史數據，識別出決策變量在不同時間點上表現的相關性；通過相關性選擇優化算法，在新的環境中選擇決策變量。
8、優選的，所述種群交叉變異算法還包括：使用錦標賽選擇方法從當前種群中選擇適應度最高的個體進行繁殖；對選擇的個體進行交叉和變異操作，以生成新的個體；所述交叉為單點交叉，所述變異為高斯變異。
9、本專利技術第二實施例的具體技術方案為：一種基于聲發射的變壓器故障檢測系統，所述系統包括：模型構建模塊、聲信號獲取模塊、訓練模塊、待識別信號獲取模塊和故障分析模塊；所述模型構建模塊用于構建變壓器的三維模型；所述聲信號獲取模塊用于利用所述三維模型對變壓器不同工況下的運行狀態進行連續化仿真，獲得不同運行狀態下變壓器的聲信號數據；所述運行狀況包括正常運行狀態和不同故障類型對應的故障狀態；所述訓練模塊用于提取所述聲信號數據的聲音特征，并將所述聲音特征作為輸入變量，將聲音特征對應的運行狀況作為目標變量輸出對預設的機器學習模型進行訓練，并獲取所述預設的機器學習模型的訓練準確率，直至所述訓練準確率大于預設閾值時，完成所述預設的機器學習模型的訓練，獲得訓練后的機器學習模型；所述待識別信號獲取模塊用于獲取發生故障的變壓器的待識別聲信號數據；所述故障分析模塊用于將所述待識別聲信號數據輸入至所述訓練后的機器學習模型，獲得所述待識別聲信號所對應的故障狀態。
10、本專利技術第三實施例的具體技術方案為：一種基于聲發射的變壓器故障檢測設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如本申請第一實施例中所述方法的步驟。
11、本專利技術第四實施例的具體技術方案為：一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行如本申請第一實施例中所述方法的步驟。
12、實施本專利技術實施例，將具有如下有益效果：
13、本專利技術通過利用聲信號以及對應的故障類型對機器學習模型進行訓練，訓練后的機器學習模型能夠從設備運行過程中獲取的聲信號中自動提取特征，并基于這些特征準確判斷出設備存在的故障類型，從而有效提高了故障檢測的精度和效率，減少了設備停機時間和維護成本，實現了機械設備的智能化管理和維護。
本文檔來自技高網...【技術保護點】
1.一種基于聲發射的變壓器故障檢測方法，其特征在于，所述方法包括：
2.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述構建變壓器的三維模型，包括：根據變壓器的結構尺寸及物理特性，在有限元軟件中設置物理場參數及材料性質建立所述變壓器的三維模型。
3.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述提取所述聲信號數據的聲音特征包括：
4.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述對預設的機器學習模型進行訓練的訓練方法包括：
5.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，對預設的機器學習模型進行訓練過程中，使用種群交叉變異算法對所述預設的機器學習模型進行訓練。
6.如權利要求5所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述種群交叉變異算法還包括：
7.如權利要求5所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述種群交叉變異算法還包括：
8.一種基于聲發射的變壓器故障檢測系統，其特征在于，所述系統包括：模型構建
9.一種基于聲發射的變壓器故障檢測設備，包括存儲器和處理器，其特征在于，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如權利要求1-7中所述方法的步驟。
10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時，使得所述處理器執行如權利要求1-7中所述方法的步驟。
...【技術特征摘要】
1.一種基于聲發射的變壓器故障檢測方法，其特征在于，所述方法包括：
2.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述構建變壓器的三維模型，包括：根據變壓器的結構尺寸及物理特性，在有限元軟件中設置物理場參數及材料性質建立所述變壓器的三維模型。
3.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述提取所述聲信號數據的聲音特征包括：
4.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，所述對預設的機器學習模型進行訓練的訓練方法包括：
5.如權利要求1所述的基于聲發射的變壓器故障檢測方法，其特征在于，對預設的機器學習模型進行訓練過程中，使用種群交叉變異算法對所述預設的機器學習模型進行訓練。
6....
【專利技術屬性】
技術研發人員：彭慶軍，王山，鄒德旭，初德勝，王浩州，周仿榮，楊澤文，洪志湖，鄒閱培，
申請(專利權)人：云南電網有限責任公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。