基于声纹特征的变电站状态识别方法及装置
本说明书一个或多个实施例提供一种基于声纹特征的变电站状态识别方法、装置、介质和设备，其中的方法包括：获取变电站中设置的各类设备的声音信息，并提取所述声音信息的声纹特征；将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果，其中，所述声音识别模型为，预先以一定帧数的声音训练信息以及声纹训练特征所对应的预测标注为样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练得到。本发明提取声音信息中的声纹特征，建立与变电站状态间的关联关系，并通过声音识别模型预判变电站的潜在故障，为变电站故障预警提供技术支持，为变电站故障检测和识别提供了新的技术手段。
发明专利
CN202011003203.8
2020-09-22
CN112420055A
2021-02-26
G10L17/00(2013.01)
甘肃同兴智能科技发展有限公司
何清素;靳丹;张小敏;张旭;赵雪梅;张建明;闫晓斌;王生宏;卫祥;刘晓光;盖晓平;车志刚;程玉涛;刘志远;王晶;李春亮;张磊;党倩;杨波;刘宁;万鹏
730030 甘肃省兰州市城关区张苏滩575号
北京风雅颂专利代理有限公司
王刚
甘肃;62
1.一种基于声纹特征的变电站状态识别方法，其特征在于，包括： 获取变电站中设置的各类设备的声音信息，并提取所述声音信息的声纹特征； 将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果； 其中，所述声音识别模型为，预先以一定帧数的声音训练信息以及声纹训练特征所对应的预测标注为样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练得到。 2.根据权利要求1所述的方法，其特征在于，所述方法还包括： 建立所述声纹特征与变电站各类设备的运行状态之间的关联关系； 结合所述关联关系和所述预测结果，对所述变电站的故障进行预判。 3.根据权利要求1所述的方法，其特征在于，所述方法还包括： 对一维时序的所述样本进行转化，得到时序频谱数据样本； 通过所述时序频谱数据样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练，得到所述声音识别模型。 4.根据权利要求3所述的方法，其特征在于，所述对一维时序的所述样本进行转化，得到时序频谱数据样本，包括： 生成时序样本集，包括： 将原始的所述声音信息分为若干帧，且相邻帧间设置帧移； 设置时序长度，预设帧数的所述声音信息为一个样本，以样本为单位进行预测标注，以得到时序样本集； 生成MFCC时序频谱特征向量，包括： 利用梅尔倒谱系数MFCC形成所述声音信息的时序频谱特征向量； 对所述时序样本集进行转化，得到时序频谱数据样本。 5.根据权利要求1所述的方法，其特征在于，所述将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果，包括： 在所述声音识别模型的特征融合层引入分类器，以表征变电站的状态概率特征向量。 6.一种基于声纹特征的变电站状态识别装置，其特征在于，包括： 获取模块，用于获取变电站中设置的各类设备的声音信息； 提取模块，用于提取所述声音信息的声纹特征； 识别模块，用于将所述声纹特征输入到预设的声音识别模型，得到输出的预测结果；其中，所述声音识别模型为，预先以一定帧数的声音训练信息以及声纹训练特征所对应的预测标注为样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练得到。 7.根据权利要求6所述的装置，其特征在于，所述装置还包括： 关联模块，用于建立所述声纹特征与变电站各类设备的运行状态之间的关联关系； 预判模块，用于结合所述关联关系和所述预测结果，对所述变电站的故障进行预判。 8.根据权利要求6所述的装置，其特征在于，所述装置还包括： 转化模块，用于对一维时序的所述样本进行转化，得到时序频谱数据样本； 建模模块，用于通过所述时序频谱数据样本，以与所述声音训练信息平行的声音信息所对应的声纹特征为样本标签进行训练，得到所述声音识别模型。 9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任意一项所述的基于声纹特征的变电站状态识别方法。 10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至5任一所述的基于声纹特征的变电站状态识别方法。