基于對齊自編碼器的變壓器聲音異常檢測研究

劉云輝, 王昕

(上海交通大學 電子信息與電氣工程學院 教學發展與學生創新中心,上海 200240)

0 引 言

變壓器作為電網中不可或缺的設備,其安全穩定運行是電網可靠供電的重要保障[1]。在變壓器運行維護過程中,因為聲信號檢測具有無電氣接觸、可實時在線檢測等優點,受到了廣泛關注[2]。聲信號可用于變壓器的異常檢測,是進行故障識別和故障定位的基礎,因而具有重要意義。

聲音的異常檢測方式包括基于統計量的檢測、基于分類的檢測和基于生成的檢測[3]。基于統計量的檢測比較正常序列和異常序列統計信息,實現簡單,但檢測效果受統計量區分度的影響較大;基于分類的檢測一般是訓練識別正常樣本的分類器,通過劃分正常樣本邊界來實現異常樣本的檢測;基于生成的檢測通過學習正常樣本來重新生成近似的樣本,再利用模型無法很好擬合異常樣本,從而可以檢測出異常樣本。對變壓器聲音異常檢測而言,因為變壓器發生故障概率極低,采集的聲音是以正常信號為主,而異常聲音所占的比例極小且人工標注的難度大,所以半監督學習和無監督學習是目前異常識別的主要的研究方向[4]。

作為無監督學習的一種,自編碼器因為對數據有極好的擬合能力,常用于降維、特征提取和異常檢測[5]。文獻[6]借鑒了自編碼器的結構,利用長短時記憶(long short-term memory, LSTM)網絡代替了自編碼器的編碼器和解碼器部分,但是LSTM網絡計算量大,無法用于實時檢測。……