基于人工神經(jīng)網(wǎng)絡(luò)的電力變壓器聲紋識別技術(shù)

摘 要：針對變壓器運(yùn)行狀態(tài)聲紋識別的應(yīng)用需求以及ＢＰ神經(jīng)網(wǎng)絡(luò)識別模型準(zhǔn)確率較低等問題，提出了一種改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的變壓器聲紋識別技術(shù)。該技術(shù)以變壓器聲紋信號中的ＭＦＣＣ系數(shù)作為模型的輸入特征向量，在ＢＯＡ算法中引入動態(tài)權(quán)重因子和變異因子對ＢＰ神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行尋優(yōu)，開展聲紋識別。實(shí)驗(yàn)結(jié)果表明，利用變壓器聲紋信號的３２維ＭＦＣＣ特征系數(shù)可使識別準(zhǔn)確率達(dá)到９０％以上，優(yōu)化后算法的運(yùn)算速度比ＰＳＯＢＰ神經(jīng)網(wǎng)絡(luò)與ＢＯＡ-ＢＰ神經(jīng)網(wǎng)絡(luò)提高了９.２４％和８.６４％，具有更高的運(yùn)算效率和識別準(zhǔn)確率。

關(guān) 鍵 詞：聲紋識別；ＢＰ神經(jīng)網(wǎng)絡(luò)；特征向量；權(quán)重因子；動態(tài)尋優(yōu)；模式識別；變異因子；狀態(tài)檢測

中圖分類號：ＴＭ７４４ 文獻(xiàn)標(biāo)志碼：Ａ 文章編號：１０００－１６４６（２０２４）０４－０３８０－０８

電力變壓器作為電力系統(tǒng)的核心一次設(shè)備，承擔(dān)著電壓變換的重任，因此，由變壓器故障所引發(fā)的系統(tǒng)事故較為嚴(yán)重，對其開展?fàn)顟B(tài)檢測具有重要意義［１－２］。通常情況下，變壓器的狀態(tài)檢測有在線監(jiān)測與離線檢測兩種方式，其中，在線監(jiān)測能在不停電的條件下對變壓器的運(yùn)行狀態(tài)進(jìn)行評估和分析，故其受到了廣泛的關(guān)注。目前常用的在線監(jiān)測方法有超聲波檢測、特高頻檢測與寬帶脈沖檢測等［３－４］。上述檢測方法是對變壓器運(yùn)行過程中產(chǎn)生的聲、光、電信號加以分析，從而實(shí)現(xiàn)對變壓器運(yùn)行狀態(tài)的評估［５］。