一种电力实时数据安全监控系统及方法发明专利

专利名称：一种电力实时数据安全监控系统及方法

专利类型：发明专利

专利申请号：CN202210736914.9

专利申请（专利权）人：国网山东省电力公司济宁市任城区供电公司,国网山东省电力公司济宁供电公司,国家电网有限公司
权利人地址：山东省济宁市任城区环城西路西侧

专利发明（设计）人：范冉,边宁,马晓晖,陶乃绘,楚凯楠,顾群,张慧,谢继信,王延梅

专利摘要：本发明提出了一种电力实时数据安全监控系统及方法，包括终端和服务器；终端包括报警单元、温度信息获取单元、处理单元、声音信息获取单元，服务器包括第二通信单元、运行声音预处理单元、声纹特征提取单元、声音异常识别单元、设备状态判断单元；本发明通过对电力设备的温度信息和运行声音信息进行采集，处理单元对电力设备的温度信息进行初步判断，若温度异常则触发报警单元进行警示，若温度无异常，控制第一通信单元以设定时间间隔发送数据到服务器，服务器对声音信息进行识别，判断设备运行状态；实现了在设备发生故障前提前预知和排除，避免因电力设备的突然故障导致的异常电网断电而引发的损失。

主权利要求：
1.一种电力实时数据安全监控系统，其特征在于，包括：终端和服务器；所述终端包括：声音信息获取单元，用于获取电力设备的运行声音信息并发出；
温度信息获取单元，用于实时采集电力设备的温度信息，并将其采集的电力设备的温度信息发送至处理单元；
处理单元，与声音信息获取单元、温度信息获取单元、存储单元和报警单元连接，用于接收声音信息获取单元发出的电力设备的运行声音信息以及电力设备的温度信息；
所述处理单元判断电力设备的温度信息是否超出温度报警值，若不超出温度报警值，则控制存储单元对所述电力设备的运行声音信息暂存；若超出温度报警值，则控制报警单元发出报警；
第一通信单元，与所述处理单元连接，所述处理单元以设定时间间隔控制第一通信单元将电力设备的运行声音信息发送至服务器；
所述服务器包括：
第二通信单元，用以接收所述第一通信单元发出的电力设备的运行声音信息；
运行声音预处理单元，用于对电力设备的声音信息进行预处理；
声纹特征提取单元，用于对预处理后的声音信息，进行声纹特征提取；
所述声纹特征至少包括FBank特征、分贝、基频、短时能量、短时过零率和相关性系数；
将所述声纹特征建成一个多维度的特征向量，作为声音分析的声纹特征向量；
提取FBank特征的过程包括：
通过傅里叶变换得到声音信号的语谱图，反映波形的变化情况；
傅里叶变换后得到频域信号，计算频带范围内能量谱；
通过Mel滤波器组进行滤波，得到符合人耳听觉习惯的声谱；
对滤波后得到的声谱求取其自然对数，得到FBank特征；
声音异常识别单元，用于将提取的声纹特征输入到训练好的声纹识别模型，输出识别结果；
设备状态判断单元，用于基于识别结果判断目标设备的运行状态，设备运行状态异常时，进行报警提示。
2.如权利要求1所述的一种电力实时数据安全监控系统，其特征在于，所述声音信息获取单元基于多元的麦克风阵列进行声音信息的采集。
3.如权利要求1所述的一种电力实时数据安全监控系统，其特征在于，所述温度信息获取单元采用温度传感器采集温度信息，通过信号线传输至所述处理单元。
4.如权利要求3所述的一种电力实时数据安全监控系统，其特征在于，所述温度传感器安装在所述电力设备温度检测部位。
5.如权利要求1所述的一种电力实时数据安全监控系统，其特征在于，所述报警单元采用声光报警器，当所述电力设备温度异常或者声音异常时及时发出声、光报警信号。
6.如权利要求1所述的一种电力实时数据安全监控系统，其特征在于，所述声纹识别模型基于深度学习网络建立。
7.如权利要求1所述的一种电力实时数据安全监控系统，其特征在于，所述识别结果包括正常音和异常音。
8.一种电力实时数据安全监控方法，其特征在于，包括如下步骤：步骤1、采集电力设备的温度信号以及电力设备的运行声音信息，传输至处理单元；
步骤2、接收声音信息获取单元发出的电力设备的运行声音信息以及电力设备的温度信息；
步骤3、判断电力设备的温度信息是否超出温度报警值，若超出温度报警值，进入步骤
4；若不超出温度报警值，进入步骤5；
步骤4、控制报警单元发出报警；
步骤5、存储单元对电力设备的温度信息以及运行声音信息暂存，处理单元以设定时间间隔控制第一通信单元将电力设备的运行声音信息发送至服务器；
步骤6、服务器接收第一通信单元发出的电力设备的运行声音信息；
对声音信息进行预处理，然后对于预处理后的声音信息进行声纹特征提取；其中，所述声纹特征至少包括FBank特征、分贝、基频、短时能量、短时过零率和相关性系数；
将所述声纹特征建成一个多维度的特征向量，作为声音分析的声纹特征向量；
提取FBank特征的过程包括：
通过傅里叶变换得到声音信号的语谱图，反映波形的变化情况；
傅里叶变换后得到频域信号，计算频带范围内能量谱；
通过Mel滤波器组进行滤波，得到符合人耳听觉习惯的声谱；
对滤波后得到的声谱求取其自然对数，得到FBank特征；
步骤7、将提取的声纹特征输入到训练好的声纹识别模型，输出声音识别结果；
步骤8、基于识别结果判断目标设备的运行状态；若识别结果为正常音，则表明设备运行状态正常；若识别结果异常，则表明设备运行状态异常，则报警警示。 说明书 : 一种电力实时数据安全监控系统及方法技术领域[0001] 本发明属于电力数据监测领域，尤其涉及一种电力实时数据安全监控系统及方法。背景技术[0002] 本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。[0003] 长期以来，过热故障一直是设备运行管理工作中的老、大、难、重问题，在管理中，以其面广、量大、难度大而著称。当温度超过一定范围时，金属材料和绝缘材料的机械强度、绝缘强度均会明显下降，使用寿命减少，严重时甚至导致电气设备发热烧毁，产生事故，严重影响了电力系统的正常工作，造成极大的经济损失。此外，电力工业的生产设备都分别在高温高压、大电流、高速旋转的状态下运行，在线实时温度检测技术难度较大，电力系统中大量设备因无法进行温度在线监测，而不得不降容使用，造成很大的经济、能源浪费。[0004] 电力设备在带电运行过程中，会产生可以表征设备本身状态的特有的声音及振动，并且这个声音是该设备独有的，该声音还可以通过电声学仪器所测量和分析，因此我们称该声音携带的表征电力设备运行状态的特性为声纹及振动。[0005] 进行监测电力设备的温度信息以及声音信息的实时监测，保证电力系统主要设备装置的稳定运行，已迫在眉睫。发明内容[0006] 为克服上述现有技术的不足，本发明提供了一种电力实时数据安全监控系统及方法。[0007] 为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：[0008] 本发明第一方面提供了一种电力实时数据安全监控系统，包括：终端和服务器；所述终端包括：[0009] 声音信息获取单元，用于获取电力设备的运行声音信息并发出；[0010] 温度信息获取单元，用于实时采集电力设备的温度信息，并将其采集的电力设备的温度信息发送至处理单元；[0011] 处理单元，与声音信息获取单元、温度信息获取单元、存储单元和报警单元连接，用于接收声音信息获取单元发出的电力设备的运行声音信息以及电力设备的温度信息；[0012] 所述处理单元判断电力设备的温度信息是否超出温度报警值，若不超出温度报警值，则控制存储单元对所述电力设备的运行声音信息暂存；若超出温度报警值，则控制报警单元发出报警；[0013] 第一通信单元，与所述处理单元连接，所述处理单元以设定时间间隔控制第一通信单元将电力设备的运行声音信息发送至服务器；[0014] 所述服务器包括：[0015] 第二通信单元，用以接收所述第一通信单元发出的电力设备的运行声音信息；[0016] 运行声音预处理单元，用于对电力设备的声音信息进行预处理；[0017] 声纹特征提取单元，用于对预处理后的声音信息，进行声纹特征提取；[0018] 声音异常识别单元，用于将提取的声纹特征输入到训练好的声纹识别模型，输出识别结果。[0019] 设备状态判断单元，用于基于识别结果判断目标设备的运行状态，设备运行状态异常时，进行报警提示。[0020] 本发明第二方面提供了一种电力实时数据安全监控方法，包括如下步骤：[0021] 步骤1、采集所述电力设备的温度信号以及电力设备的运行声音信息，传输至处理单元；[0022] 步骤2、接收声音信息获取单元发出的电力设备的运行声音信息以及电力设备的温度信息；[0023] 步骤3、判断电力设备的温度信息是否超出温度报警值，若超出温度报警值，进入步骤4；若不超出温度报警值，进入步骤5；[0024] 步骤4、控制报警单元发出报警；[0025] 步骤5、存储单元对电力设备的温度信息以及运行声音信息暂存，处理单元以设定时间间隔控制第一通信单元将电力设备的运行声音信息发送至服务器；[0026] 步骤6、服务器接收第一通信单元发出的电力设备的运行声音信息；[0027] 对声音信息进行预处理，然后对于预处理后的声音信息进行声纹特征提取；其中，所述声纹特征至少包括FBank特征、分贝、基频、短时能量、短时过零率和相关性系数；[0028] 步骤7、将提取的声纹特征输入到训练好的声纹识别模型，输出声音识别结果；[0029] 步骤8、基于识别结果判断目标设备的运行状态；若识别结果为正常音，则表明设备运行状态正常；若识别结果异常，则表明设备运行状态异常，则报警警示。[0030] 以上一个或多个技术方案存在以下有益效果：[0031] (1)本发明通过对电力设备的温度信息和运行声音信息进行采集，处理单元对电力设备的温度信息进行初步判断，若温度异常则触发报警单元进行警示，若温度无异常，控制第一通信单元以设定时间间隔发送数据到服务器，服务器对声音信息进行识别，判断设备运行状态；实现了在设备发生故障前提前预知和排除，避免因电力设备的突然故障导致的异常电网断电而引发的损失。[0032] (2)本发明提出了变电站设备声纹信息多元阵列采集技术，通过多元麦克风阵列进行声音信号的采集，解决了变电站声音采集定位精度差和频域跨度大的问题；通过声音识别模型对电力设备的运行声音进行识别，提高了声音采集和识别的准确率。[0033] 本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明[0034] 构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。[0035] 图1为第一个实施例的终端的原理框图。[0036] 图2为第一个实施例的服务器的原理框图[0037] 图3为第二个实施例的监控方法流程图。具体实施方式[0038] 应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。[0039] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。[0040] 在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。[0041] 实施例一[0042] 本实施例公开了一种电力实时数据安全监控系统；[0043] 如图1所示，一种电力实时数据安全监控系统，包括：终端和服务器，[0044] 所述终端包括：[0045] 声音信息获取单元，用于获取电力设备的运行声音信息并发出；[0046] 具体地，基于多元的麦克风阵列进行声音信息的采集，比如二元麦克风阵列、四元麦克风阵列等。为了保证声音信号的“高保真”，采样频率至少满足20～120KHz；[0047] 本实施例中，进行声音信号采集的过程中，环境噪声和人声干扰通常不会掩盖正常的声音，但是会影响清晰度。麦克风阵列通过波束形成抑制主瓣以外的声音干扰，能够实现对于噪声的抑制。麦克风阵列采集指定方向的声音信号，能够减弱甚至滤除其他方向的无关信号。[0048] 温度信息获取单元，用于实时采集电力设备的温度信息，并将其采集的电力设备的温度信息发送至处理单元；[0049] 温度信息获取单元采用温度传感器采集温度信息，通过信号线传输至处理单元，温度传感器安装在电力设备温度检测部位：如高压断路器的表面、电机轴承、变压器绕组等；[0050] 处理单元，与所述声音信息获取单元以及温度信息获取单元连接，用于接收声音信息获取单元发出的电力设备的运行声音信息以及电力设备的温度信息；所述处理单元判断电力设备的温度信息是否超出温度报警值，若不超出温度报警值，则控制存储单元对所述电力设备的运行声音信息暂存；若超出温度报警值，则控制报警单元发出报警，[0051] 所述存储单元和报警单元分别通过信号线连接处理单元，报警单元采用声光报警器，当所述电力设备温度异常或者声音异常时及时发出声、光报警信号。[0052] 第一通信单元，与所述处理单元连接，所述处理单元以设定时间间隔控制第一通信单元将电力设备的运行声音信息和温度信息发送至服务器；[0053] 所述服务器包括：[0054] 第二通信单元，用以接收所述第一通信单元发出的电力设备的运行声音信息和温度信息；[0055] 运行声音预处理单元，用于对电力设备的声音信息进行预处理；[0056] 对所述声音信息进行预处理，具体包括：对采集到的声音信号进行谱减法去噪处理；对去噪后的信号进行加窗、分帧操作；通过傅里叶变换将分帧之后的时域信号转化为频域信号。[0057] 声纹特征提取单元，用于对预处理后的声音信息，进行声纹特征提取；其中，所述声纹特征至少包括FBank特征、分贝、基频、短时能量、短时过零率和相关性系数；[0058] 本实施例将这些声纹特征建成一个多维度的特征向量，作为声音分析的声纹特征向量。[0059] 对于FBank特征的提取过程主要包括：[0060] 采集器传输过来的信号进行分帧之后仍是时域信号，为了提取FBank特征，本实施例使用快速傅里叶变换(FFT)将时域信号转换为频域信号，能够提高计算速度；[0061] 针对有限长离散信号x(n)，n＝0,1,…,N‑1的傅里叶变换定义为：[0062][0063] 通过傅里叶变换可以得到声音信号的语谱图，该图能够反映波形的变化情况；[0064] 傅里叶变换后得到频域信号，即可计算频带范围内能量谱，通过Mel滤波器组进行滤波，以得到符合人耳听觉习惯的声谱。[0065] 取滤波后声谱的自然对数，即对纵轴的放缩，放大低能量处的能量差异。[0066] 声音异常识别单元，用于将提取的声纹特征输入到训练好的声纹识别模型，输出识别结果；[0067] 所述声纹识别模型为基于深度学习网络建立的，例如深度神经网络(DeepNeuralNetworks，DNN)，DFSMN，长短期记忆网络(LongShort‑TermMemory，LSTM)，卷积神经网络((ConvolutionalNeuralNetworks，CNN)等；[0068] 所述识别结果包括：正常音和异常音。[0069] 运行状态判断单元，用于基于识别结果判断目标设备的运行状态；[0070] 若识别结果为正常音，则表明设备运行状态正常；若识别结果异常，则表明设备运行状态异常，则报警警示。[0071] 如果识别出目标设备存在异常，则进行控制报警单元进行报警提示，同时将故障数据存储至数据库。[0072] 实施例二[0073] 如图2所示，本实施例公开了一种电力实时数据安全监控方法；[0074] 步骤1、采集所述电力设备的温度信号以及电力设备的运行声音信息，传输至处理单元；[0075] 步骤2、接收声音信息获取单元发出的电力设备的运行声音信息以及电力设备的温度信息；[0076] 步骤3、判断电力设备的温度信息是否超出温度报警值，若超出温度报警值，进入步骤4；若不超出温度报警值，进入步骤5；[0077] 步骤4、控制报警单元发出报警；[0078] 步骤5、存储单元对电力设备的温度信息以及运行声音信息暂存，处理单元以设定时间间隔控制第一通信单元将电力设备的运行声音信息发送至服务器；[0079] 步骤6、服务器接收第一通信单元发出的电力设备的运行声音信息；[0080] 对声音信息进行预处理，然后对于预处理后的声音信息进行声纹特征提取；其中，所述声纹特征至少包括FBank特征、分贝、基频、短时能量、短时过零率和相关性系数；[0081] 步骤7、将提取的声纹特征输入到训练好的声纹识别模型，输出识别结果；[0082] 步骤8、基于识别结果判断目标设备的运行状态；若识别结果为正常音，则表明设备运行状态正常；若识别结果异常，则表明设备运行状态异常，则报警警示。[0083] 本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。[0084] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

专利地区：山东

专利申请日期：2022-06-27

专利公开日期：2024-11-26

专利公告号：CN115276223B