Page 119 - 《应用声学》2021年第4期
P. 119
第 40 卷 第 4 期 吴国鑫等： 声纹的变压器放电与机械故障诊断研究 603
可听声频率范围在20 Hz∼20 kHz，由采样定理
0 引言 可知采样频率必须在 40 kHz 以上，这意味着仅 1 s
的声信号数据点数就超过4 × 10 。为了充分挖掘声
4
电力变压器是电力系统中进行电能转换的电
信号中表征故障特点的信息，降低故障识别过程中
气设备，是电网安全稳定运行的关键环节 [1−2] 。变
的计算量，首先要对声信号进行特征提取。通过实
压器经过多年运行，存在绝缘老化、部件松动等各
验室模拟不同类型机械故障和放电故障并分析其
种故障隐患，发生故障的几率不断增加 [3] 。对变压
可听声信号发现：放电声的频率成分主要在15 kHz
器进行故障检测及诊断意义重大。
以下，机械故障声频率集中在1 kHz 以内，有少量高
变压器正常运行时发出的声音具有一定规律
频分量存在；变压器正常运行声音频率主要集中在
性，当出现故障时，其声特征也会随之改变。因此可
1 kHz以下，频率成分主要是100 Hz 及其倍频分量。
以利用变压器声特征的变化进行故障诊断 [4−5] 。由
根据机械故障与放电故障声的频域特征，选择声能
于采集声信号时无需在变压器上耦合信号采集设
量分布作为声特征，采用 BP 神经网作为分类器识
备，这种检测方法不会破坏变压器结构，抗电气干扰
别故障声。由于机械故障声和变压器本体噪声低频
能力强，不影响设备正常运行 [6−8] 。
部分有重合，传统的小波包提取声能量分布特征效
国内外基于可听声的故障诊断方法常应于机
果不佳，为此，提出将声音低频部分二次小波包分解
械故障诊断领域，大多与内燃机 [9] 、轴承 [10−11] 、齿
的改进算法，该改进算法可减小频带范围、提高算
轮 [12] 故障有关。随着语声识别技术的不断发展，近
法识别率。改进后的算法占用内存小、识别速度快
几年利用声纹识别技术进行变压器状态检测及故
但泛化性可能不够好。作为补充，提出基于梅尔对
障诊断成为新的研究热点 [13−15] 。文献[16–18]模拟 数频谱 -卷积神经网络的识别方法，可提高泛化性。
火花放电故障声，并从时域、频域和能量方面分析声 两种方法互为验证，可提高系统的可靠性。
信号特征。文献[19]基于Gammatone滤波器倒谱系
1.1 混合声采集与分离
数 (Gammatone filter cepstral coefficient, GFCC)
利用可听声传感器采集声信号，发生故障时
与优化随机森林(Random forest, RF)算法，识别变
压器铁芯松动、绕组松动故障。文献 [20] 基于梅尔 采集到的声音是变压器本体噪声和故障声的线性
叠加，需要先将这两种声分离。文中采用快速独立
频率倒谱系数 (Mel frequency cestrum coefficient,
分量分析算法 (Fast independent component anal-
MFCC)特征向量和矢量量化(Vector quantization,
ysis, FastICA)处理采集到的混合声，分离出故障声
VQ) 算法对变压器铁芯不同松动情况下的噪声信
信号。
号进行识别。变压器中占比最大的故障为放电故障
FastICA 算法是由芬兰赫尔辛基大学的 Hy-
和机械故障，同时诊断放电故障和机械故障意味着
varin等提出来的一种快速寻优迭代算法 [21] 。使用
故障识别类型增加，声混淆的概率增加，再加上机械
固定点迭代理论寻找一个最优方向 w，使得该方向
故障声频带与变压器本体噪声频带重合度高，诊断
的非高斯性最大。假设数据已经过归一化和白化，
难度大大提高。为此，从变压器放电和机械故障的
x 和 A 分别用 x 和 A 表示。一次 FastICA 算法的
′
′
特征分析与识别出发，本文提出基于可听声的变压
基本形式为 [22] ：
器故障诊断方法。
(1) 初始化向量w 0 ，∥w 0 ∥ = 1, i = 0。
(2) 代入迭代公式计算w i+1 ：
1 基于可听声的故障诊断方法
T
T
′
w i+1 = E{xG (w x)} − E{G (w x)}w i , (1)
′′
i
i
基于可听声的故障诊断方法可分为 3 个部分：
w i+1 = w i+1 / ∥w i+1 ∥ , (2)
混合声采集与分离、声信号特征提取和故障类型识
别。故障发生时，故障声和变压器运行声会混在一 其中，w 是解混矩阵 W 的一行；x 是观测信号；G(·)
起，尤其是机械故障和变压器声频带有严重重叠， 是二阶连续可导的非线性函数，G(·) 的取值一般为
1
仅通过去除噪声不能满足故障声识别的需要，需要 G(u) = log cosh(a 1 u)，其中 a 1 是常数，取值范围
a 1
先采用盲源分离算法将故障声与变压器本体噪声 通常为 1 6 a 1 6 2，G (·) 是 G(·) 的一阶导数，G (·)
′′
′
分离。 是 G(·) 的二阶导数；E{·} 是代表平均值的记号，并
