一種基于電網防災減災系統的變壓器運行輔助監測系統及其監測方法
【技術領域】
[0001] 本發明涉及電網防災減災領域，特別是一種基于電網防災減災系統的變壓器運行 輔助監測系統及其監測方法。
【背景技術】
[0002] 電網防災減災系統通過搭建三維可視化仿真平臺，三維地理信息系統上構建電網 三維模型，定義三維地理坐標。在模型中把氣象局數據分布到電網設備、裝置的各個坐標 上，可視化臺風、颮線相關的風雨場景，實現風偏、荷載等的預警分析技術。
[0003] 但是現有防災減災系統以氣象局數據估計地理坐標點的自然環境情況，精度不 夠。電氣設備的位置以模型圖畫入，坐標點會有誤差。而氣象數據的滯后性，無法實時判斷 風速、有沒有下雨、溫濕度等現場實際情況。并且現有防災減災系統聲音信息的數據較大， 受偏遠地區網絡傳輸帶寬較差的限制，無法在短時間內傳送聲音信號。
【發明內容】
[0004] 有鑒于此，本發明的目的是提出一種基于電網防災減災系統的變壓器運行輔助監 測系統及其監測方法，降低數據量，提高識別精度。
[0005] 本發明的裝置采用以下方案實現：一種基于電網防災減災系統的變壓器運行輔助 監測系統，具體包括相互連接的現場數據收集模塊、數據分析傳輸模塊以及防災減災后臺 模塊，所述的現場數據收集模塊包括災害預警信息監測單元以及與其相連的微氣象監測單 元、變壓器聲音收集單元、水浸監測單元；所述的數據分析傳輸模塊包括聲音信號過濾單 元、異常判斷單元以及信號傳輸單元，所述聲音信號過濾單元包括頻域能量檢測器；所述的 防災減災后臺模塊包括信號增強單元。
[0006] 本發明的方法采用以下方案實現：一種基于上文所述的基于電網防災減災系統的 變壓器運行輔助監測系統的監測方法，具體包括以下步驟：
[0007] 步驟S1 :所述現場數據收集模塊中的災害預警信息監測單元接收到防災減災后 臺模塊發來的預警信號后，啟動所述微氣象監測單元監測包括環境溫度、風速、濕度在內的 微氣候條件，啟動所述變壓器聲音收集單元采集變壓器聲音，啟動所述水浸監測單元采集 水浸信息；
[0008] 步驟S2 :所述數據分析傳輸模塊中的聲音信號過濾單元接收步驟S1中變壓器聲 音收集單元采集的變壓器聲音，并通過頻域能量檢測方法對所述變壓器聲音進行過濾，判 斷是否存在有用信號，若存在有用信號，則啟動所述頻域能量檢測器對變壓器聲音或水浸 信息進行檢測，并進入步驟S3 ;若不存在有用信號，則返回步驟S1 ;
[0009] 步驟S3 :若所述頻域能量檢測器檢測到變壓器聲音或者水浸信息異常時，啟動異 常判斷單元，所述的異常判斷單元依次進行MFCC特征識別、采用GMM模型建立變壓器聲 識別概率模型以及變壓器聲異常判斷，進一步對異常信息進行確定與處理，并進入步驟S4 ; 若所述頻域能量檢測器檢測到變壓器聲音以及水浸信息均正常時，返回步驟si;
[0010] 步驟S4 :當所述異常判斷單元確定變壓器運行聲異常時，向所述信息傳輸單元發 送異常信息，所述信息傳輸單元將現場數據收集模塊采集的異常聲音信號傳輸給所述防災 減災后臺模塊的信號增強單元，所述信號增強單元對異常聲音信號做信號增強處理，并得 出變壓器異常判斷結論。
[0011] 進一步的，步驟S2中頻域能量檢測方法具體為：將待監測信號Y(n)通過傅里葉 變換將時域信號轉為頻域信號，再將頻域信號取平方后累加獲得聲音信號的頻域能量值， 最后將頻域能量值與噪聲功率相除的值與判決門限值λ進行比較，進而判斷是否存在有 用信號。具體為：當信號不存在的時候，通過已知的虛警概率PFA，可以確定出檢測門限 λ。因為在Η。的情況下，Τ符合高斯分布，
其中，
> 所以在Ν和PFA給定的情況下，其檢測門限為
其中信噪比SNR為
>可以從上面的分析看出，當確定了 PFA后， 噪聲方差又已知的情況下，就可以計算出檢測門限λ，從而就可以經過比較判斷待監測信 號可能存在故障聲音信號。
[0012] 進一步的，步驟S3中所述MFCC特征識別具體包括以下步驟；
[0013] 步驟S301 :將頻率過濾后的聲音信號功率譜通過一組20個頻帶的三角濾波器，這 20個頻帶在Mel頻率上是均勻分布的，其中Mel頻率和一般頻率f的關系式為：mel (f)= 2595*logl0(l+f/700)；
[0014] 步驟S302:聲音信號劃分成一系列連續的幀，加漢寧窗分幀，每幀包含N = 512個 樣本，相鄰幀有256個樣本重疊；設音頻數據時域信號為x(n)，第i幀音頻信號Xl (η)可以 表示成：Xi(n) = x(i*N+n)w(n), 0 < η < Ν-1 ;其中漢寧窗為：
[0016] 對每幀信號X (η)做快速傅立葉變換（FFT)后，取模的平方得到離散功率譜P (k); Pi (k)表示第i個頻帶的起始位置的離散功率譜，第i個頻帶的起始位置剛好是第i-2個頻 帶的終止位置；得到每個三角形濾波器的輸出：
[0019] 其中WiGO是第1個濾波器，其中h(l)表示：h⑴=2/(freq(l+2)_freq⑴），1 1，2，· · ·，L ;
[0020] 步驟S303:將上述濾波器輸出通過對數運算，再做離散余弦變化，求出每幀 的R個Mel頻率倒譜參數，其中R取12,得到12維特征矢量，離散余弦轉化公式為：
其中，t = 1,2,…，n;k = 0，l，"*，R;l<R< L ;n為聲音數據文件的幀數，L為三角頻帶的數量。
[0021] 進一步的，步驟S3中所述采用GMM模型建立變壓器聲識別概率模型具體包括以下 步驟：
[0022] 步驟S311 :假設每類變壓器聲是隨機特征矢量，由Μ個D維的高斯分量組成高斯 混合模型，對于第V種聲音，用（i>k= {μ k，表示模型的第k個高斯分量的參數，11<表 示第k個高斯分量出現的概率，Μ個高斯分量加權和可以表示為
；聲 音的類別用隨機變量X來表示，在每個時刻t的狀態值為隨機變量X的采樣值.則對于第 k個分量，定義xt= MFCC(t, k)，聲音概率特征分布可表示為：
其中μ ,和Σ k分別表示期望和協方 差矩陣，T表示聲音信號總長；
[0024] 步驟S312 :使用高斯分布密度表示初始聲音模型后，通過EM算法重估高斯混合模 型的參數，Pi(x| Φ?)為高斯分布，t，μ^ρ Σ i是新估計的參數值，Φ h代表舊的參數值， P (i I Xi，ΦΗ)表示X屬于第i個分布的概率，在每個時刻1的狀態值為隨機變量X的采樣值， 第k個狀態定義Xl= MFCC(1，k);則
[0027] 由貝葉斯公式可得變壓器異常聲概率 其中，Μ為高斯分 量加權和；
[0028] 步驟S313 ::通過已知的N個采樣值和步驟S311至S312中的方程，并用樣本值和 舊的參數值計算得到新的參數值，找出最大后驗概率的聲音模型。
[0029] 進一步的，步驟S3中所述變壓器聲異常判斷具體為：通過現場環境的溫度c、濕度 h、風速s情況，制定異常判斷概率p。，其中制定過程如下：
[0030] 設環境因子
其中c'、h'、s'為當月平均溫度、濕度、風速；
，其中x = 〇. 8為聲音識別概率因子，Pn為變壓器故障率；
[0032] 當變壓器異常聲概率p(i|Xl，ΦΗ) <p。時，提示變壓器運行聲異常，并向信息傳輸 單元發送異常信息。
[0033] 進一步的，步驟S4中所述信號增強單元對異常聲音信號做信號增強處理具體包 括以下步驟：
[0034] 步驟S41 :對含噪信號功率譜|F(1，k) |2進行一階遞歸平滑，得到平滑后的功率譜 Y(l，k) :Y(l，k) = SY(l-l，k) + (l-s) |F(l，k) I2;其中 1 為幀號，k 為子頻帶號，。為常量平 滑參數，取σ = 〇. 7 ;
[0035] 步驟S42 :通過前向-后向相結合的雙向搜索算法尋找Y(l，k)的最小值：
[0036] Y_(l，k) =max{Yf(l，k)，Yb(l，k)};其中 Yf(l，k)為前向搜索出的最小值，Yb(l，k) 為后向搜索出的最小值；
[0037] 步驟S43 :計算有效彳目號的存在概率p (1，k) :p (1，k) = σ ρ (1-1，k) + (1-〇 J H(l，k);其中〇1=0.2為常量平滑參數，H(l，k)是有效信號存在性判別準則，具體為：如 果￥(1，1〇/￥_(1，1〇>傘（1〇貝11!1(1，1〇=1，表示該幀存在有效信號，否貝11!1(1，1〇=0，表 示該幀不存在有效信號；Φ (k)是依賴于頻率的判別閾值，當k小于1kHz或界于1到3kHz 時，Φ (k)值為2,當k界于3kHz至信號采樣頻率的一半時，Φ (k)值為5 ;
[0038] 步驟S44:根據時-頻平滑因子〇 (l，k)進行噪聲功率譜N(l，k)估計：其中 〇 (l，k) = 〇2+(l-o2)p(l，k)，N(l，k) = σ (l，k)N(l-l，k) + (l_〇 (l，k)) |F(l，k) |2,其中 σ 2= 0. 95, 〇 σ *(1, k) ^ 1 ；