基于Mel频谱滤波和CNN的有载分接开关可听声辨识方法

有载分接开关(on-load tap changer,OLTC)作为变压器的核心组件易发生机械故障,为实现其机械状态的不停电检测,文章提出一种基于Mel频谱滤波与卷积神经网络(convolutional neural network,CNN)结合的OLTC机械故障可听声辨识方法.首先搭建110kV OLTC故障模拟平台,物理模拟传动机构卡涩和内部组件松动故障,并进行可听声信号采集;其次在变电站现场声源分析的基础上,采用基于相似矩阵的盲源分离法将OLTC动作可听声音号与变压器本体运行噪声进行分离,提高信噪比;再次,根据OLTC可听声信号的能量分布特性,采用Mel频谱滤波法对原始信号进行降维,有效提升了处理效率;最后引入CNN通过超参数调整和网络结构优化设计构建可听声辨识模型,实现OLTC机械故障的识别.研究结果表明:该方法对OLTC传动机构卡涩和内部组件松动故障具有较好的识别成功率和运算效率,为OLTC机械状态现场不停电监测与故障诊断提供了有效参考.