ElectricalAutomation《电气自动化》2023年第45卷第1期测量与检测技术Measurement＆DetectingTechnics基于声信号特征声谱图的变压器状态监测与故障诊断赵东豪1，张继国2，石雷2，齐笑2，王昕1(1．上海交通大学电工与电子技术中心，上海200240;2．国网吉林省电力有限公司四平供电公司，吉林四平136099)摘要:为实现基于声信号的变压器状态监测与故障诊断，提出了一种基于改进的瀑布声谱图－卷积神经网络的变压器声信号识别模型。首先采用基于小波变换和独立分量分析的联合去噪方法对声信号进行去噪处理;其次使用主成分分析改进瀑布声谱图，对声信号进行特征提取;然后设计适用于变压器特征声谱图识别的卷积神经网络结构，优化各层网络参数，实现对变压器声信号的特征识别;最后采集三种运行状态下的变压器声信号进行试验分析，变压器声信号识别模型对正常、过负荷以及局部放电故障三种运行状态的声信号均能达到95%以上的识别成功率。结果表明:提出的改进的瀑布声谱图－卷积神经网络模型能够对变压器声信号实现较好的识别效果，可用于变压器的状态监测和故障诊断。关键词:变压器声信号;状态监测;去噪;瀑布声谱图;卷积神经网络DOI:10．3969/j．issn．1000－3886．2023．01．031［中图分类号］TP274．2［文献标志码］A［文章编号］1000－3886(2023)01－0106－04TransformerConditionMonitoringandFaultDiagnosisBasedonAcousticSignalFeatureSpectrogramZhaoDonghao1，ZhangJiguo2，ShiLei2，QiXiao2，WangXin1(1．CenterofElectrical＆ElectronicTechnology，ShanghaiJiaoTongUniversity，Shanghai200240，China;2．SipingPowerSupplyCompany，StateGridJilinElectricPowerCo．，Ltd．，SipingJilin136099，China)Abstract:Inordertorealizetransformerconditionmonitoringandfaultdiagnosisbasedonacousticsignals，atransformeracousticsignalrecognitionmodelbasedonimprovedwaterfallspectrogram-convolutionalneuralnetworkwasproposed．Accordingtothismodel，firstly，ajointdenoisingmethodbasedonwavelettransformandindependentcomponentanalysiswasusedtodenoisetheacousticsignal;secondly，thewaterfallsoundspectrumwasimprovedbyprincipalcomponentanalysistoextractthecharacteristicsofthesoundsignal;then，theconvolutionneuralnetworkstructuresuitablefortransformercharacteristicacousticspectrumrecognitionwasdesigned，andthen...
