一种基于声纹的电力设备智能健康监测方法与流程

本发明涉及电力技术领域，尤其涉及一种基于声纹的电力设备智能健康监测方法。

背景技术：

随着电网投资规模的扩大、新能源发电行业的快速发展、城网农网的大力改造，电力设备的正常运行是保证整个供电系统正常运行，保证良好供电的必要前提。但是电力设备一般都是在带电状态，不能采用常规方式对其进行检测，现有技术大多通过采集设备温度数据，进行间接判断，但是这种受环境影响较大，判断的准确性不高，参考意义不大。

电力设备在带电运行过程中，会产生可以表征设备本身状态的特有的声音及振动，并且这个声音是该设备独有的，该声音还可以通过电声学仪器所测量和分析，因此我们称该声音携带的表征电力设备运行状态的特性为声纹及振动。利用这一特性，将被检测设备的检测声纹信息进行异常检测可以预判设备的工作状况，实现在设备发生故障前提前预知和排除，避免因电力设备的突然故障导致的异常电网断电而引发的损失。

如中国专利文献：cn201811612080.0一种用于机电设备的故障检测方法、装置及系统，公开了一种用于机电设备的故障检测方法，由于机电设备在正常运行状态的声音和故障时的声音一般不同，只需在机电设备周围区域放置声音采集设备实现对机电设备的声音的采集后，通过对采集的声音进行声纹特征提取以及利用声纹库对提取的声纹特征进行校验，从而来确定机电设备是否故障。无须在机电设备上安装可接触式传感器，且机电设备自身的物理特征也不会对声音采集设备造成干扰，对机电设备进行故障检测的局限性小，且提高了机电设备故障检测的精度，避免了机电设备所在区域发生事故。但是其对故障的诊断都是基于声纹库内的已有数据进行校验，当采集的声纹数据出现异常产生时等就会产生故障误报，当故障误报时无法进行修正，同时随着设备运行的老化和环境变化等产生的声纹数据异常时就会产生故障诊断误报，监测效果不理想，无法对设备进行有效健康监控。

又如cn201910885692.5一种基于声纹信号的旋转机械设备故障识别方法，公开了一种基于声纹信号的旋转机械设备故障识别方法，包括以下步骤：建立屏谱数据库；通过音频采集组件对旋转机械设备的声纹信号进行采集；通过音频转换组件将声纹信号对应的电信号转换成数字信号；通过将数字信号的频谱值与屏谱数据库进行对比，判别旋转机械设备是否存在故障；通过小波包分析判别旋转机械设备是否存在故障；将上述两种方式分析出的旋转机械设备的状态进行对比，若一致，则旋转机械设备的处于正常状态或故障状态，若不一致，则重新对旋转机械设备的状态进行分析并对比，直至对比一致。采用两种方式检测分析此种方式虽能一定程度上降低故障诊断的误报，但是其仅仅是对已有的数据库进行校验，随着设备运行的老化和环境变化等产生的声纹数据异常时就会产生故障诊断误报，监测效果不理想，同时布设两种检测方式加大检测成本。

再如cn201910570185.2基于声纹识别的电力设备在线监测方法及系统，公开了一种基于声纹识别的电力设备在线监测方法和系统，采集预先设置的至少一个第一拾音器中的数据流和预先设置的至少一个第二拾音器中的数据流。确定存在所建立的第一拾音器包括数据流和对应数据流节点与所述至少一个第二拾音器包括数据流和对应数据流节点以及数据服务器原始数据连接关系是都匹配；输出匹配结果。与现有技术相比，本方提供的基于声纹识别的电力设备在线监测方法和系统，通过监测设备运行时的声音信号，对变压器运行状态进行在线监测.并且与变电站监控系统相配合，从多方面掌握设备实际运行情况，优化变电站系统的管理，对提高设备的检修效率、可靠性，延长设备使用寿命都有重要的现实意义。但是其检测和分析较为复杂不适用于对电力设备现场的多种设备进行整体健康监测。

因而现有的基于声纹的电力设备健康监测技术中要么采集节点部署困难，数据服务器工作不稳定，要么检测分析复杂不适用多种设备的同时健康监测，要么故障诊断误报率高精度低，同时对于故障诊断的声纹数据监测阈值不可调，使得电力设备现场的多种设备无法有效地统一进行健康监测。

技术实现要素：

因此，针对上述的问题，本发明提出一种对电力设备现场的多种设备统一进行健康监测、采集节点部署方便、数据服务器工作稳定、故障诊断速度快精度高、可调节故障诊断阈值的基于声纹的电力设备智能健康监测方法。

为解决此技术问题，本发明采取以下方案：一种基于声纹的电力设备智能健康监测方法，包括以下步骤：

s1、在电力设备现场布设一个声纹信号收集器并在各台电力设备的上均匀部署多个无线传感器对电力设备现场工作的各台设备的声纹信号进行采集，各个无线传感器按设定的采集频率采集声纹数据并通过无线蓝牙将声纹数据传送至声纹信号收集器；

s2、声纹信号收集器由蓝牙无线通信模块、数据组包转发模块、4g通信模块、电源模块构成，其中蓝牙无线通信模块与各个采集声纹信号的无线传感器通信连接，蓝牙无线通信模块通过无线连接发送声纹信号采集命令给各个采集声纹信号的无线传感器并接收采集声纹信号的无线传感器采集的声纹信号采集数据；数据组包转发模块将各个采集声纹信号的无线传感器接收到的声纹信号采集数据进行打包成数据包并且数据组包转发模块采用sha算法生成完整性摘要，数据组包转发模块再将数据包和完整性摘要通过4g通信模块发送至云端声纹数据存储器；

s3、云端声纹数据存储器由ip通信模块、数据存储模块、数据处理模块构成，其中ip通信模块通过互联网接收声纹信号收集器发送的数据包和完整性摘要声纹数据；数据处理模块利用声纹数据的完整性摘要和sha算法进行数据包完整性校验并把通过完整性校验的数据包传送给数据存储模块；数据存储模块以文件格式将通过完整性校验的数据包存储到磁盘中；

s4、采用设备健康智能管理器周期性地对磁盘中存储的声纹数据进行特征提取、故障诊断和阈值矫正，设备健康智能管理器由数据读取模块、特征提取模块、故障诊断模块、故障预警模块、阈值矫正模块构成，其中数据读取模块定期从磁盘上存储的声纹数据文件中读取时域声纹数据；特征提取模块提取声纹数据计算出时域平均能量值和频域平均能量值，声纹数据的时域平均能量值计算方法是把时域声纹数据中的每个数据值分别先进行平方再进行累加求和最后再求均值算出声纹数据的时域平均能量值，声纹数据的频域平均能量值计算方法是先把时域声纹数据通过傅里叶变换获得频域声纹数据，然后把频域声纹数据中的每个数据值分别先进行平方再进行累加求和最后再求均值算出声纹数据的频域平均能量值；故障诊断模块把计算获得的时域平均能量值和频域平均能量值与特征阈值比较进行故障诊断，当时域平均能量值和频域平均能量值都大于当前特征阈值时，诊断为设备处于故障状态；故障预警模块将故障诊断模块检测出的故障状态信息及相应的时域平均能量值和频域平均能量值以及该设备的特征阈值发送给现场电力工程师；现场电力工程师对收到的故障预警进行故障确认和处理，当现场电力工程师发现故障误报时，可以向设备健康智能管理器发送的阈值矫正命令和建议矫正值，设备健康智能管理器的阈值矫正模块接收现场电力工程师发送该设备的阈值矫正命令和建议矫正值并设置建议矫正值为该设备新的特征阈值。

进一步的，步骤s1中无线传感器为无线mems振动传感器，无线mems振动传感器采用锂亚电池供电，无线mems振动传感器集成有蓝牙无线接口进行高安全性的无线数据传输；无线mems振动传感器外壳采用高强度工程塑料。

更进一步的，步骤s1中对单台大型电力设备进行现场工作声纹信号采集时在该台大型电力设备上以阵列方式部署多个无线传感器采集声纹数据。

通过采用前述技术方案，本发明的有益效果是：通过采用声纹信号收集器对多个无线传感器采集声纹信号数据进行收集转发到云端声纹数据存储器，节省了声纹数据采集的部署成本，采用云端声纹数据存储器接收声纹信号收集器发送的声纹数据并进行校验存储,避免设备工作现场进行数据存储由于设备工作现场环境恶劣如温度、湿度、维护等很难满足数据存储服务器的工作要求，避免数据存储服务器无法稳定工作的状况，通过云端声纹数据存储器进行存储，云端声纹数据存储器往往配置在工作环境符合要求的机房，云端声纹数据存储器的服务器工作稳定安全，采用设备健康智能管理器周期性的对云端声纹数据存储器存储在磁盘中的声纹数据进行特征提取、故障诊断和阈值矫正，通过设备健康智能管理器在声纹数据处理后与阈值对比诊断设备是否故障的预诊断，当诊断出设备故障时，故障预警模块将故障诊断模块检测出的故障状态信息及相应的时域平均能量值和频域平均能量值以及该设备的特征阈值发送给现场电力工程师；现场电力工程师对收到的故障预警进行故障确认和处理，当现场电力工程师发现故障误报时，可以向设备健康智能管理器发送的阈值矫正命令和建议矫正值，设备健康智能管理器的阈值矫正模块接收现场电力工程师发送该设备的阈值矫正命令和建议矫正值并设置建议矫正值为该设备新的特征阈值，从而克服了传统静态特征阈值、误报率高的弱点，整个智能健康监测方法采集节点部署方便、数据服务器工作稳定、故障诊断速度快精度高、同时可自动调节故障诊断阈值，提高设备健康监测诊断可靠性，可对电力设备现场的多种设备统一进行健康监测，可广泛推广应用。

具体实施方式

现结合具体实施方式对本发明进一步说明。

优选的本发明的一种基于声纹的电力设备智能健康监测方法，包括以下步骤：

s1、在电力设备现场布设一个声纹信号收集器并在各台电力设备的上均匀部署多个无线传感器对电力设备现场工作的各台设备的声纹信号进行采集，各个无线传感器按设定的采集频率采集声纹数据并通过无线蓝牙将声纹数据传送至声纹信号收集器，其中无线传感器为无线mems振动传感器，无线mems振动传感器采用锂亚电池供电，无线mems振动传感器集成有蓝牙无线接口进行高安全性的无线数据传输；无线mems振动传感器外壳采用高强度工程塑料，在电力设备现场对单台大型电力设备进行现场工作声纹信号采集时在该台大型电力设备上以阵列方式部署多个无线传感器采集声纹数据；

s2、声纹信号收集器由蓝牙无线通信模块、数据组包转发模块、4g通信模块、电源模块构成，其中蓝牙无线通信模块与各个采集声纹信号的无线传感器通信连接，蓝牙无线通信模块通过无线连接发送声纹信号采集命令给各个采集声纹信号的无线传感器并接收采集声纹信号的无线传感器采集的声纹信号采集数据；数据组包转发模块将各个采集声纹信号的无线传感器接收到的声纹信号采集数据进行打包成数据包并且数据组包转发模块采用sha算法生成完整性摘要，数据组包转发模块再将数据包和完整性摘要通过4g通信模块发送至云端声纹数据存储器；

s3、云端声纹数据存储器由ip通信模块、数据存储模块、数据处理模块构成，其中ip通信模块通过互联网接收声纹信号收集器发送的数据包和完整性摘要声纹数据；数据处理模块利用声纹数据的完整性摘要和sha算法进行数据包完整性校验并把通过完整性校验的数据包传送给数据存储模块；数据存储模块以文件格式将通过完整性校验的数据包存储到磁盘中；

s4、采用设备健康智能管理器周期性地对磁盘中存储的声纹数据进行特征提取、故障诊断和阈值矫正，设备健康智能管理器由数据读取模块、特征提取模块、故障诊断模块、故障预警模块、阈值矫正模块构成，其中数据读取模块定期从磁盘上存储的声纹数据文件中读取时域声纹数据；特征提取模块提取声纹数据计算出时域平均能量值和频域平均能量值，声纹数据的时域平均能量值计算方法是把时域声纹数据中的每个数据值分别先进行平方再进行累加求和最后再求均值算出声纹数据的时域平均能量值，声纹数据的频域平均能量值计算方法是先把时域声纹数据通过傅里叶变换获得频域声纹数据，然后把频域声纹数据中的每个数据值分别先进行平方再进行累加求和最后再求均值算出声纹数据的频域平均能量值；故障诊断模块把计算获得的时域平均能量值和频域平均能量值与特征阈值比较进行故障诊断，当时域平均能量值和频域平均能量值都大于当前特征阈值时，诊断为设备处于故障状态；故障预警模块将故障诊断模块检测出的故障状态信息及相应的时域平均能量值和频域平均能量值以及该设备的特征阈值发送给现场电力工程师；现场电力工程师对收到的故障预警进行故障确认和处理，当现场电力工程师发现故障误报时，可以向设备健康智能管理器发送的阈值矫正命令和建议矫正值，设备健康智能管理器的阈值矫正模块接收现场电力工程师发送该设备的阈值矫正命令和建议矫正值并设置建议矫正值为该设备新的特征阈值。

本发明中电力设备现场对于小型或中型的设备可以视情况看是否需要布设阵列式的多个无线传感器共同采集设备的声纹数据，时域声纹数据的采集是根据设定的周期时间进行采样声纹数据,即设定间隔时间段内进行等时长采集获得时域声纹数据。

本发明通过采用声纹信号收集器对多个无线传感器采集声纹信号数据进行收集转发到云端声纹数据存储器，节省了声纹数据采集的部署成本，采用云端声纹数据存储器接收声纹信号收集器发送的声纹数据并进行校验存储,避免设备工作现场进行数据存储由于设备工作现场环境恶劣如温度、湿度、维护等很难满足数据存储服务器的工作要求，避免数据存储服务器无法稳定工作的状况，通过云端声纹数据存储器进行存储，云端声纹数据存储器往往配置在工作环境符合要求的机房，云端声纹数据存储器的服务器工作稳定安全，采用设备健康智能管理器周期性的对云端声纹数据存储器存储在磁盘中的声纹数据进行特征提取、故障诊断和阈值矫正，通过设备健康智能管理器在声纹数据处理后与阈值对比诊断设备是否故障的预诊断，当诊断出设备故障时，故障预警模块将故障诊断模块检测出的故障状态信息及相应的时域平均能量值和频域平均能量值以及该设备的特征阈值发送给现场电力工程师；现场电力工程师对收到的故障预警进行故障确认和处理，当现场电力工程师发现故障误报时，可以向设备健康智能管理器发送的阈值矫正命令和建议矫正值，设备健康智能管理器的阈值矫正模块接收现场电力工程师发送该设备的阈值矫正命令和建议矫正值并设置建议矫正值为该设备新的特征阈值，从而克服了传统静态特征阈值、误报率高的弱点，整个智能健康监测方法采集节点部署方便、数据服务器工作稳定、故障诊断速度快精度高、同时可自动调节故障诊断阈值，提高设备健康监测诊断可靠性，可对电力设备现场的多种设备统一进行健康监测，可广泛推广应用。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除