文献类型：期刊文章

作　　者：刘云鹏[1] 罗世豪[1] 王博闻[1] 岳浩天[2] 周旭东[1]

LIU Yunpeng;LUO Shihao;WANG Bowen;YUE Haotian;ZHOU Xudong(Key Laboratory of Power Equipments Defence of Hebei Province,North China Electric Power University,Baoding 071003,China;State Grid Shandong-based Liaocheng Power Supply Branch Company,Liaocheng 252000,China)

机构地区：[1]华北电力大学输变电设备安全防御重点实验室,河北保定071003 [2]国网山东省电力公司聊城供电公司,山东聊城252000

出　　处：《华北电力大学学报（自然科学版）》

基　　金：国家电网有限公司科技项目(5200-201955095A-0-0-00).

年　　份：2020

卷　　号：47

期　　号：6

起止页码：52-60

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：铁芯的振动噪声与其紧固状况密切相关,对变压器铁芯松动故障进行声纹特性分析和故障诊断研究是实现电力变压器在线监测的重要内容。提出了一种基于Mel时频谱-卷积神经网络的变压器铁芯松动声纹识别方法。首先提出了基于Mel时频谱的噪声样本处理方法;然后搭建了铁芯夹件松动故障模型,对铁芯在不同松动程度与不同松动模式下的噪声信号进行研究,分析了噪声信号的频域特征;最后构建了Mel时频谱-卷积神经网络变压器铁芯松动声纹识别模型,以Mel时频谱降维处理后的噪声数据,作为深度学习的数据集,实现了铁芯松动故障的准确识别。可为变压器铁芯夹件松动故障诊断以及电网主设备的数据深度挖掘提供参考。

关 键 词：变压器声纹  Mel时频谱  铁芯夹件松动  卷积神经网络 状态监测  

分 类 号：TM41]