打开文本图片集

摘要：电力变压器运行期间会发生机械振动并产生一定声音，利用声振检测技术可根据设备振动幅度和声音变化等分析其运行状态，该技术在故障诊断上发挥着重要作用。人工智能技术的推广应用提高了声纹检测的智能化水平，能够进一步提高检测精度，保证分析结果的准确性。本文主要对基于人工智能和数据驱动算法的电力变压器声纹识别技术手段的具体应用进行了研究，以期为变压器状态分析和运行管理提供可靠依据，提高变电站故障诊断能力和技术水平。

关键词：电力变压器；人工智能；数据驱动；声纹识别；声纹信号

人工智能技术在多领域得到了广泛应用，电力行业发展中，在该技术的支持下，智能电网建设规模也在不断扩大，多种智能传感设备和监测技术应用到了电力系统运行过程中，能够对电力变压器的状态情况进行快速识别，便于维护工作的针对性开展。基于人工智能和数据驱动的声纹识别技术，可以将电力变压器的振动信号转变为声音信号，判断设备状态，及时发现异常，便于后续处理，这对变电站稳定运行有着重要意义。

1.电力变压器运行中的振动信号与声音信号

变电站中的电力变压器运行过程中会发生机械振动，振动信号会向外传递形成声信号，由于变电器设备内部组成元件比较多，运行期间整体结构和内部组成元件都会产生振动，部分学者对变压器产生的振动与声纹之间的关联性进行分析，得到了振动信号与声音数据一样都可以反映设备实际运行情况这一结果，基于相关信号可以了解和掌握运行状态信息，所以通过对声音信号的采集可以监测设备的具体情况，而且根据声音信号的变化能够判断变压器是否存在状态异常的问题。

2.基于人工智能和数据驱动的电力变压器声纹识别应用

2.1现场变压器声纹样本采集

2.1.1声学传感器设计和信号采集

电力变压器运行中的声音信号传播广泛，在实际监测过程中需要进行广泛布点，无需与设备接触就能获得相关设备的声音数据。应结合变电站现场运行条件，对变压器声学传感器进行科学设计，使其可以满足不同类型变压器设备的监测要求，实现对相关数据信息的全面挖掘和深度分析，将该设备的真实状态反映出来。要合理选择声学传感器的放置位置，考虑到环境条件对其感应结果的影响，尽量避开温湿度较高的区域，保证传感器可以正常使用。由于电力变压器处于室外环境中，进行状态监测时也需要对使用的传感器设备进行有效防护，使其能够24小时不间断的长时间工作。对于声学传感器的频率采集范围应进行合理确定，选择精度较高的声音采集设备，并利用驻极体麦克风将收集的声音信号转变为电压信号，从而实现精准采集。

2.1.2建立声纹大数据样本库

建立专门的数据库系统可将多种声音信号整合在一起，便于对样本特征的准确提取，从而获得典型状态参数，便于对变压器工作状态进行准确评估。对于变压器异常时的状态信息，也能够分类检测，并通过相关算法进行自动识别和标注。使用专门的监测设备获取电力变压器正常运行和异常运行时的状态信息，并进行相应标记，从而获得变压器不同状态下的标签数据，在建立大数据样本库时会对其进行分类处理，将其应用到电力变压器状态分析工作时，通过数据驱动算法和神经网络模型，可实现对具体情况的自动标注，或者利用专家算法对复杂情况进行判断，实现对电力变压器运行状态的合理预测。声纹大数据样本库的具体构建如图1所示。

2.2声纹数据的针对性处理

2.2.1声纹数据预处理

保证状态检测信息的数据质量是实现对设备状态和运行情况精准预测和判断的关键，应注重对声纹数据的有效处理，实现质量的科学管控。高质量的数据资源是进行准确决策的基础，由于电力变压器运行条件相对复杂，所以采集到的声纹数据类型较多，现场其他声音会对变压器的声音数据产生影响，而且在信号传输过程也会受到感应设备通信信道的影响，存在较多的无效声音数据和异常信号。对声纹信息进行妥善处理，获得精准有效数据，是准确分析变压器状态的前提，也是一项重要内容，需要做好声纹数据预处理和数据清洗工作，及时清除无效异常数据。

2.2.2处理技术和算法

小波分析主要是对声纹信号的时间和频率进行分析，低频部分的频率分辨率较高，高频部分的时间分辨率较高，在信号传递过程中若存在瞬时变化和反常信号，能够及时发现并分析信号的来源及其组成成分。基于小波变换的降噪与处理，可实现对背景环境中的噪声信号进行消除处理，增强了电力变电器的声纹信号特征；相似度矩阵分类算法能够对降噪预处理后的声纹信号进行分解，实现主要成分提取，从而获得较为准确监测信号。由于变压器声纹信号中的声音来源比较多，基于多事件检测的算法可实现对不同事件特征的准确分析，提高了算法模型的准确率，便于后续设备状态的准确评估。

2.3基于数据驱动的变压器声纹识别应用分析

大数据时代的来临改变了电力行业的发展形势，电力系统运行管理中所用的技术手段更为多样，人工智能技术的合理应用可实现对变电站电力变压器运行状态的全面分析，也能够对各项数据进行深入挖掘，基于数据驱动算法，为变压器运维管理提供可靠依据。电力变压器实际运行过程中，设备负荷程度对声纹信号产生的影响较大，应根据变电站运行实际，对主变压器声纹信号进行采集分析，根据相关数据提取负荷评估模型特征，并进行模型验证，分析负荷与声纹信号的关系，通过验证结果可知声纹信号在评估变压器设备负荷情况方面的作用较为明显，便于状态调整和异常维护。

综上所述，人工智能技术的发展与应用促进了声纹检测技术的进一步提升，可以根据采集到的数据信息综合全面分析电力变压器的运行状态，便于解决相关设备中的一系列问题，实现对数据信息的高效处理并获得准确判断结果，由此可见，基于人工智能和数据驱动的电力变压器声纹识别技术的应用优势较为明显，将其作为判断变压器工作状态和运行情况的可行性较高，但是由于相关研究还不够成熟，应注重深入研究与分析，持续提高技术的智能化水平，实现对变压器状态的精准感知。

参考文献

[1]玄鑫，郭云飞，董宏兴，杨勇.数据驱动的人工智能技术在电力设备状态分析中的研究与应用[J].电子乐园，2021（1）：08.

[2]唐文虎，牛哲文，赵柏宁，季天瑶，李梦诗，吴青华.数据驱动的人工智能技术在电力设备状态分析中的研究与应用[J].高电压技术，2020，46（9）：2985-2999.

[3]向志昊，魏华.基于声纹特征识别的电力变压器运维检测技术研究[J].电子设计工程，2023，31（20）：114-118.

[4]冯跃.基于声纹识别技术的变压器故障诊断实测与分析[J].科技创新与应用，2023，13（06）：73-76.

[5]张可，杨可军，黄文礼，王成龙，季坤，朱太云，丁国成，甄超.基于声纹识别的变压器工况检测方法及验证系统[J].计算技术与自动化，2022，41（01）：1-6.

基金项目：中国南方电网有限责任公司科技项目：电气设备状态声纹成像无损检测关键技术研究（YNKJXM20220064）