基本信息:
- 专利标题： 一种基于深度学习的电抗器机械缺陷预警方法及系统
- 申请号：CN202210459165.X 申请日：2022-04-27
- 公开(公告)号：CN115979598A 公开(公告)日：2023-04-18
- 发明人： 高飞 , 高树国 , 贾鹏飞 , 殷禹 , 毕建刚 , 关健昕 , 杨宁 , 张博文 , 韩帅 , 孟令明 , 李丽华 , 杨洋 , 孙仿 , 陈没 , 廖思卓 , 朱家运
- 申请人： 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网河北省电力有限公司电力科学研究院
- 申请人地址： 北京市西城区西长安街86号; ;
- 专利权人： 国家电网有限公司,中国电力科学研究院有限公司,国网河北省电力有限公司电力科学研究院
- 当前专利权人： 国家电网有限公司,中国电力科学研究院有限公司,国网河北省电力有限公司电力科学研究院
- 当前专利权人地址： 北京市西城区西长安街86号; ;
- 代理机构： 北京工信联合知识产权代理有限公司
- 代理人： 姜丽辉
- 主分类号： G01M13/00
- IPC分类号： G01M13/00 ; G01H17/00 ; G06F17/14 ; G10L25/24 ; G10L25/30 ; G10L25/18 ; G10L25/45 ; G06N3/044
摘要：
本发明公开了一种基于深度学习的电抗器机械缺陷预警方法及系统。其中，该方法包括：提取电抗器的原始声音信号和原始振动信号；滤除所述原始声音信号和所述原始振动信号中的干扰信号，确定估计声音源信号和估计振动源信号；计算所述估计声音源信号和所述估计振动源信号的倒谱系数；根据SRU神经网络，对声音信号和振动信号的倒谱系数进行深度学习，并对电抗器机械缺陷进行预警。从而经过干扰信号滤波和时频谱降维后，通过深度学习算法，建立数据驱动的电抗器机械缺陷预警模型，准确掌握电抗器的运行状态，提高电抗器安全运行水平。