基于声纹压缩和代价敏感的变压器状态检测评估方法

声纹检测技术可以助力巡检人员对变压器状态进行检测和评估。文中提出一种基于声纹压缩和代价敏感的变压器状态检测和评估方法。该方法首先提取变压器音频的声纹特征,然后在频率维度上对声纹特征进行筛选和压缩,最后使用卷积神经网络评估变压器状态,并引入代价敏感损失函数以提高对难检出样本的关注度。以某35 kV变压器为研究对象,通过收集现场音频、模拟实验和样本扩充得到变压器音频数据集。测试结果表明,文中所提方法将声纹维度从1 025维降低到80维,计算量和显存分别降低到1 025维的8.1%和7.7%。同时,所提方法的声纹识别准确率高达83.5%,并将最难检出的短路电流异常状态的召回率从48.2%提升至63.6%。

基于声纹压缩的变压器状态检测技术研究

为提高变压器运维的智能化水平,提出一种基于声纹压缩的变压器状态检测新方法。该方法利用声纹特征提取技术从变压器运行声音中提取关键特征,应用声纹压缩算法实现高效编码,并基于压缩后的特征训练状态识别模型。实验结果表明,该方法在故障检测率、虚警率、准确率等指标上均优于传统方法,可有效提升变压器状态检测的效率和可靠性。