吴国鑫 詹花茂 李 敏

(华北电力大学 新能源电力系统国家重点实验室 北京 102206)

0 引言

电力变压器是电力系统中进行电能转换的电气设备，是电网安全稳定运行的关键环节[1−2]。变压器经过多年运行，存在绝缘老化、部件松动等各种故障隐患，发生故障的几率不断增加[3]。对变压器进行故障检测及诊断意义重大。

变压器正常运行时发出的声音具有一定规律性，当出现故障时，其声特征也会随之改变。因此可以利用变压器声特征的变化进行故障诊断[4−5]。由于采集声信号时无需在变压器上耦合信号采集设备，这种检测方法不会破坏变压器结构，抗电气干扰能力强，不影响设备正常运行[6−8]。

国内外基于可听声的故障诊断方法常应于机械故障诊断领域，大多与内燃机[9]、轴承[10−11]、齿轮[12]故障有关。随着语声识别技术的不断发展，近几年利用声纹识别技术进行变压器状态检测及故障诊断成为新的研究热点[13−15]。文献[16–18]模拟火花放电故障声，并从时域、频域和能量方面分析声信号特征。文献[19]基于Gammatone滤波器倒谱系数(Gammatone filter cepstral coefficient,GFCC)与优化随机森林(Random forest,RF)算法，识别变压器铁芯松动、绕组松动故障。文献[20]基于梅尔频率倒谱系数(Mel frequency cestrum coefficient,MFCC)特征向量和矢量量化(Vector quantization,VQ)算法对变压器铁芯不同松动情况下的噪声信号进行识别。变压器中占比最大的故障为放电故障和机械故障，同时诊断放电故障和机械故障意味着故障识别类型增加，声混淆的概率增加，再加上机械故障声频带与变压器本体噪声频带重合度高，诊断难度大大提高。……