公开(公告)号：CN116913316A

公开(公告)日：2023-10-20

申请号：CN202310709094.9

申请日：2023-06-15

Applicant: 国网冀北电力有限公司廊坊供电公司 ,  科大讯飞股份有限公司

Inventor： 王建新 ,  赵志山 ,  牛铮 ,  朱军 ,  沈清坤 ,  刘振华 ,  吴寒江 ,  史鑫 ,  张加涛 ,  李冬 ,  李心 ,  宋武超

IPC: G10L25/51 ,  G10L25/30 ,  G06N3/0464

Abstract: 本发明公开了一种基于Mosaic数据增强的电力变压器典型故障声纹诊断方法，涉及电力变压器故障声纹诊断技术领域，包括以下步骤：S1：建立采样分析平台，对发生不同故障的电力变压器采集声纹信号；S2：使用采集到的声纹信号绘制语谱图，生成语谱图集合；S3：用Mosaic数据增强算法对步骤S2生成的语谱图集合进行扩充，扩充后形成故障样本集合，故障样本集合分为两类，故障训练集合与故障测试集合；S4：将故障训练集合输入到卷积神经网络中，对卷积神经网络进行训练，建立故障模型；S5：将故障测试集合输入到训练后的卷积神经网络中进行检验，测试对电力变压器声纹信号的诊断与分类能力。本发明采用上述方法，增加了训练样本数量，提高了诊断的正确率。

公开(公告)号：CN116884432A

公开(公告)日：2023-10-13

申请号：CN202310709104.9

申请日：2023-06-15

Applicant: 国网冀北电力有限公司廊坊供电公司 ,  科大讯飞股份有限公司

Inventor： 王建新 ,  赵志山 ,  牛铮 ,  朱军 ,  沈清坤 ,  刘振华 ,  吴寒江 ,  史鑫 ,  张加涛 ,  李冬 ,  李心 ,  宋武超

IPC: G10L25/51 ,  G10L25/30 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了基于VMD‑JS散度的电力变压器故障声纹诊断方法，包括以下步骤：S1：采集故障声纹信号；S2：对采集到的故障声纹信号进行VMD分解，将分解得到的IMF信号进行JS散度计算，筛选JS散度值小于设定值的IMF信号作为故障信号；S3：利用筛选出的IMF信号制作故障数据集；S4：将故障数据训练集输入到CNN模型中构建CNN‑SVM故障模型；S5：将故障数据测试集输入训练完毕的CNN‑SVM故障模型中。本发明采用上述基于VMD‑JS散度的电力变压器故障声纹诊断方法，可以受到噪声干扰的变压器声纹信号进行降噪处理，有效提取故障特征，同时增强了算法分类器在处理多分类问题时的泛化能力。

公开(公告)号：CN116718881A

公开(公告)日：2023-09-08

申请号：CN202310709105.3

申请日：2023-06-15

Applicant: 国网冀北电力有限公司廊坊供电公司 ,  科大讯飞股份有限公司

Inventor： 王建新 ,  赵志山 ,  牛铮 ,  朱军 ,  沈清坤 ,  刘振华 ,  吴寒江 ,  史鑫 ,  张加涛 ,  李冬 ,  李心 ,  宋武超

IPC: G01R31/12 ,  G06F18/214 ,  G06F18/2135 ,  G06F18/27 ,  G06N3/0442 ,  G01S5/22

Abstract: 本发明公开了一种基于MVDR的LSTM距离估计方法，涉及电力变压器故障诊断技术领域，包括以下步骤：步骤一：建立采集分析平台，对发生不同故障的电力变压器进行信号采集；步骤二：对采集到的信号进行MVDR波束形成处理，生成特征矩阵，并依据生成的特征矩阵构建故障数据集合；步骤三：对构建好的故障数据集合进行划分，取90％作为训练集合，取10％为测试集；步骤四：将构建好的训练集输入到LSTM中构建距离模型；步骤五：距离模型构建完成，输入测试集检验LSTM算法对电力变压器声纹信息的预测精度，本发明采用上述方法，使用自适应波束赋形算法(MVDR)结合长短期记忆人工网络(LSTM)，通过深度学习与波束形成算法的结合，有效提高故障诊断准确率和诊断速度。