本发明涉及变电站高压设备检测，尤其涉及一种变电站高压设备异常声音识别检测装置。
背景技术：
1、随着电力需求的不断增长，变电站的安全运行和可靠性要求也越来越高。定期巡视维护作为变电站管理的重要环节，能够及时发现和处理潜在的安全隐患，防止故障的发生，确保电力系统的稳定运行。但变电站运维人员进入变电站各高压场所，如：高压设备区、gis室、高压配电室等场所，经常会听到电气设备异常声响或嗅到刺鼻的臭氧味道，目前的检测仪器，不能区分设备的异常现象来源于电气量故障引起还是非电气量故障，运维人员靠近故障设备检查核实，存在人身安全的风险，只能凭经验判断设备异常现象的性质及故障点，经常导致两方面的后果，一是判断不准确造成设备停电范围的扩大，影响供电可靠性；二是未能有效判断出设备故障性质，导致设备长期带“病”运行，最终导致设备损坏，甚至危及运维人员生命安全。
2、随着电力行业的快速发展，变电站高压设备的运行状态监测与故障诊断技术逐渐成为研究热点。传统的人工巡检方式不仅效率低下，而且存在危及运维人员的人身安全和难以发现潜在的设备隐患。因此，研发一种能够实时监测、准确识别高压设备异常声音的装置，具有重要的现实意义和应用价值。
技术实现思路
1、针对上述问题，本发明提出一种变电站高压设备异常声音识别检测装置，装置综合了声音识别、臭氧识别和局放试验数据识别等多种技术，实现了对高压设备状态的多维度监测，提高了故障识别的准确性和可靠性。
2、本发明采用的技术方案为：
3、一种变电站高压设备异常声音识别检测装置，包括声纹识别单元、臭氧气体检测单元、局放传感单元、数据处理与分析单元和预警单元；声纹识别单元、臭氧气体检测单元、局放传感单元均与数据处理与分析单元数据传输连接；声纹识别单元实时采集设备的运行声音；臭氧气体检测单元检测空气中的臭氧浓度；局放传感单元采集设备的局部放电信号；数据处理与分析单元基于备的运行声音数据、臭氧浓度数据、设备的局部放电信号进行处理和分析，数据处理与分析单元与预警单元控制连接，基于分析结果对设备异常状态进行精确识别和预警。
4、进一步，所述声纹传感单元包括声音采集模块、声音处理模块、特征提取模块和模式识别模块四个部分，声音采集模块与声音处理模块数据传输连接，声音处理模块与特征提取模块数据传输连接，特征提取模块与模式识别模块数据传输连接。
5、进一步，所述臭氧气体检测单元采用臭氧传感器。
6、进一步，所述局放传感单元采用空气式超声波局放传感器。
7、进一步，该变电站高压设备异常声音识别检测装置包括检测仪主机，数据处理与分析单元、预警单元、以及声纹识别单元的声音处理模块、特征提取模块和模式识别模块均安装于检测仪主机内；数据处理与分析单元为带有微处理器的工况机；预警单元为声光报警器；声纹识别单元的声音采集模块、臭氧气体检测单元、以及局放传感单元等相应传感器与检测仪主机通过无线方式进行通讯；检测仪主机内置锂电池对数据处理与分析单元、预警单元、声音处理模块、特征提取模块和模式识别模块进行供电；检测仪主机配备usb主模式接口、2.4g无线通信接口和备用接口。
8、进一步，所述声纹识别单元通过对声音信号进行频谱分析和时域分析的方式如下：
9、时域分析：即声音的波形，通过观察波形中是否有规律的信号，与后续的频谱和时频谱分析综合使用；
10、频谱分析：是将时域信号转换为频域表示，分析其频率成分；通过快速傅里叶变换fft实现这一转换，具体的傅里叶变换公式为：
11、f(ω)＝∫f(t)e-iwtdt
12、式中，f(ω)为傅里叶变换结果；f(t)为原始信号或时间域函数；e-iwt是一个与频率w和时间t相关的复数函数，在傅里叶变换中用作基函数，表示频域信号的基本成分，i是虚数单位；dt表示积分变量的微分，t为积分变量；
13、时频谱分析：使用小波变换以获取信号的时频特性，其公式为：
14、
15、式中，wt(a,τ)表示小波变换的结果；f(t)为原始信号，指代时间域中的信号；ψ小波函数，用于分析信号的局部特征；a为尺度参数，用以控制小波的扩展程度；τ为平移参数，用以控制小波函数在时间轴上的移动；t为积分变量；为正则化因子，用于调整小波变换的幅度；
16、离散傅里叶变换dft：dft是获取信号频域特征的重要工具，其计算公式为：
17、
18、式中，x(k)代表dft后的离散频域信号，在频率索引k对应的复数值；x(n)表示时域中的离散信号，在时间索引n对应的采样值；n为信号的长度，即信号x(n)中样本的总数；n为时域信号的样本索引；k指的是频域中的索引；wn为复数的单位根，用于在dft计算中作为一个基函数；j表示虚数单位；
19、dft的计算复杂度：根据给出的dft计算公式，每计算一个频率点x(k)均需要进行n次复数乘法和n-1次复数加法；计算n各点的x(k)共需要n2次复数乘法和n*(n-1)次复数加法；当x(n)为实数的情况下，计算n点的dft需要2*n2次实数乘法，2*n*(n-1)次实数加法；
20、离散傅里叶变换的分解过程：通过对原始信号的奇偶分解，利用wn的相关性质，将一个n点的dft转化为两个n/2点dft的组合；
21、经傅里叶变换后的波形图再经小波变换过程，最终形成图谱，从而判断设备的运行状态及是否存在异常。
22、进一步，所述声音采集模块采用高灵敏度的麦克风阵列作为声纹传感器，捉到设备运行过程中产生的微弱声音；
23、所述声音处理模块对采集到的声音信号进行预处理，包括：去除环境噪声和背景噪声，提高声音信号的信噪比；滤除高频和低频噪声，保留有用的声音特征；和提升声音信号的清晰度和辨识度；
24、所述特征提取模块从处理后的声音信号中提取出反映设备状态的特征参数，以识别不同类型的噪音；通过分析噪声的频谱特征，可以区分不同噪音来源；
25、所述模式识别模块从处理后的数据中以图谱的形式呈现结果，利用机器学习算法对提取的特征参数进行学习和分类，构建模型以自动学习声音特征与设备状态之间的关系，进而识别设备异常声音。
26、进一步，异常情况下，声音特征会发生变化；所述模式识别模块通过比对正常与异常状态的声纹，及时发现异常。
27、进一步，所述声音处理模块的电路中包括滤波电路，滤波电路包括二阶有源低通滤波器和二阶高通滤波器；
28、二阶低通滤波器，其传递函数为：
29、
30、式中，g(s)为滤波器的传递函数；u0(s)为输出信号的拉普拉斯变换；ui(s)为输入信号的拉普拉斯变换；g0中心频率增益，表示在中心频率下滤波器的增益；ωm为自然角频率，表示系统的固有频率；ξ为阻尼系数，决定系统的响应特性；s为复频率变量，表示信号的频域特性；
31、用频率归一化的方法，则上述二阶低通滤波器的传递函数为：
32、
33、式中，λ为归一化频率参数，通常与系统的特征频率有关；gm为归一化增益，通常在归一化过程中设置为1；
34、二阶高通滤波器的模型包括两节rc滤波电路和同相比例放大电路，其输入阻抗高，输出阻抗低，高于截止频率的信号通过，低于截止频率的信号每高10倍频率衰减100倍；
35、二阶高通滤波器，其带通增益为：
36、
37、式中，aγp为带通增益；rf为反馈电阻；r1为输入电阻；
38、二阶高通滤波器，其传递函数为：
39、
40、式中，aγ(s)表示频率响应的传递函数；s为复频率变量；c为电容值；r为电阻值；
41、二阶高通滤波器，其频率响应为：
42、令则得出频率响应表达式：
43、
44、式中，aγ为频率响应，描述了输入信号频率与输出信号频率之间的关系；f0为截止频率；q为品质因数，表示滤波器的选择性和带宽；f为输入信号频率；j为虚数单位，表示相位差。
45、进一步，所述声音处理模块还包括用以配合二阶有源低通滤波器和二阶高通滤波器的高速模数转换器。
46、本发明的有益效果是：
47、1.多维度监测：
48、该变电站高压设备异常声音识别检测装置综合了声音识别、臭氧识别和局放试验数据识别等多种技术，实现了对高压设备状态的多维度监测，提高了故障识别的准确性和可靠性。
49、2.实时性：
50、该变电站高压设备异常声音识别检测装置能够根据现场需适时检测高压设备运行状态时的声纹、臭氧含量、局放数据并报警，及时发现潜在的安全隐患，为运维人员提供及时的预警信息。
51、3.可视化：
52、该变电站高压设备异常声音识别检测装置通过声学成像技术，将声音信号转化为可视化图像，同时将局放检测数据幅值、频率和相位等参数转化为可视化图像，使运维人员能够直观地了解设备的声音分布情况，便于故障点的定位和排查。
53、4.智能化：
54、该变电站高压设备异常声音识别检测装置采用了机器学习算法，能够自动识别异常声音模式和局放信号，减轻了运维人员的工作负担，提高了工作效率。
55、5.应用前景：
56、该变电站高压设备异常声音识别检测装置为电力行业的运行安全和稳定性提供了新的技术手段。该装置可广泛应用于各类变电站的高压设备监测中，实现对设备异常声音的实时监测和预警。通过及时发现和处理设备故障，可有效降低设备损坏和停电事故的风险，提高电力系统的可靠性和经济性。
57、此外，随着人工智能和大数据技术的不断发展，变电站高压设备异常声音识别检测装置还有望实现更加智能化的监测和分析。例如，通过对历史数据的学习和分析，不断优化声音识别算法和判断逻辑，提高装置的性能和准确性；同时，将本装置与智能巡检机器人、无人机等技术相结合，实现变电站高压设备的全面自动化监测和维护。
1.一种变电站高压设备异常声音识别检测装置，其特征在于：包括声纹识别单元、臭氧气体检测单元、局放传感单元、数据处理与分析单元和预警单元；声纹识别单元、臭氧气体检测单元、局放传感单元均与数据处理与分析单元数据传输连接；声纹识别单元实时采集设备的运行声音；臭氧气体检测单元检测空气中的臭氧浓度；局放传感单元采集设备的局部放电信号；数据处理与分析单元基于备的运行声音数据、臭氧浓度数据、设备的局部放电信号进行处理和分析，数据处理与分析单元与预警单元控制连接，基于分析结果对设备异常状态进行精确识别和预警。
2.根据权利要求1所述的变电站高压设备异常声音识别检测装置，其特征在于：所述声纹传感单元包括声音采集模块、声音处理模块、特征提取模块和模式识别模块四个部分，声音采集模块与声音处理模块数据传输连接，声音处理模块与特征提取模块数据传输连接，特征提取模块与模式识别模块数据传输连接。
3.根据权利要求1所述的变电站高压设备异常声音识别检测装置，其特征在于：所述臭氧气体检测单元采用臭氧传感器。
4.根据权利要求1所述的变电站高压设备异常声音识别检测装置，其特征在于：所述局放传感单元采用空气式超声波局放传感器。
5.根据权利要求1所述的变电站高压设备异常声音识别检测装置，其特征在于：该变电站高压设备异常声音识别检测装置包括检测仪主机，数据处理与分析单元、预警单元、以及声纹识别单元的声音处理模块、特征提取模块和模式识别模块均安装于检测仪主机内；数据处理与分析单元为带有微处理器的工况机；预警单元为声光报警器；声纹识别单元的声音采集模块、臭氧气体检测单元、以及局放传感单元等相应传感器与检测仪主机通过无线方式进行通讯；检测仪主机内置锂电池对数据处理与分析单元、预警单元、声音处理模块、特征提取模块和模式识别模块进行供电；检测仪主机配备usb主模式接口、2.4g无线通信接口和备用接口。
6.根据权利要求1所述的变电站高压设备异常声音识别检测装置，其特征在于：所述声纹识别单元通过对声音信号进行频谱分析和时域分析的方式如下：
7.根据权利要求2所述的变电站高压设备异常声音识别检测装置，其特征在于：所述声音采集模块采用高灵敏度的麦克风阵列作为声纹传感器，捉到设备运行过程中产生的微弱声音；
8.根据权利要求8所述的变电站高压设备异常声音识别检测装置，其特征在于：异常情况下，声音特征会发生变化；所述模式识别模块通过比对正常与异常状态的声纹，及时发现异常。
9.根据权利要求2所述的变电站高压设备异常声音识别检测装置，其特征在于：所述声音处理模块的电路中包括滤波电路，滤波电路包括二阶有源低通滤波器和二阶高通滤波器；
10.根据权利要求2所述的变电站高压设备异常声音识别检测装置，其特征在于：所述声音处理模块还包括用以配合二阶有源低通滤波器和二阶高通滤波器的高速模数转换器。
