基于声纹压缩和代价敏感的变压器状态检测评估方法

TM73; 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％...

Full description

Saved in:
Bibliographic Details
Published in电力工程技术 Vol. 43; no. 3; pp. 209 - 216
Main Authors 胡赵宇, 李喆, 陈海威, 陆忻
Format Journal Article
LanguageChinese
Published 上海交通大学电气工程系,上海 200240%中国能源建设集团广西电力设计研究院有限公司,广西南宁 530007 28.05.2024
Subjects
acoustic pattern recognition
声纹压缩
卷积神经网络
声纹识别
代价敏感
模式识别
cost sensitivity
convolutional neural networks
变压器检测
transformer detection
acoustic pattern compression
pattern recognition
Online AccessGet full text

Cover

More Information
Summary:TM73; 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％.
ISSN:2096-3203
DOI:10.12158/j.2096-3203.2024.03.022