基于CNN的平波电抗器声纹模式识别方法

摘要：

为实现对平波电抗器运行状态的准确识别,引入一种基于CNN(卷积神经网络)的深度学习方法,建立了使用Mel时频谱的电抗器绕组声纹模式识别模型.以干式平波电抗器作为实验对象采集声音信号,使用Mel滤波器方法将采集到的声音信号转化为时频谱图,以不同的工况类型作为数据集的标签,基于CNN算法识别不同信号所对应的工况类型.结果表明,CNN可用于干式平波电抗器声纹模式的准确识别,优化后的神经网络对正弦激励、谐波激励和直流偏磁激励下的声纹信号识别准确率高达98.4％.研究结果为实现电网信号的智能化检测提供了潜在的技术方案.

关键词：平波电抗器、运行状态、绕组、Mel时频谱、卷积神经网络

所属期刊栏目：42

分类号：TP391.41;TM478;TP181

资助基金：国网浙江省电力有限公司科技项目5211MR20004U

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：88-94