0 引言

作为电力系统的重要连接设备，变压器在电力系统中起着电压、电流变换以及电能分配和传输的重要作用^[1-2]。随着电网容量的增大，现场在运变压器的数量快速增长，而新型电力系统的建设对变压器的稳定运行提出了更高的要求。因此，积极开展变压器运行状态监测和带电检测，及时发现故障隐患，对电网的安全、优质、稳定及经济运行具有重要意义^[3-4]。

近年来，随着语音识别技术的发展，变压器声纹识别技术已成为变压器缺陷及故障诊断的研究热点^[5-12]。变压器的声纹信号中包含了反映变压器内部缺陷及故障的特征信息。但变压器运行工况复杂多变，其声纹信号的波长、频率及强度等特征均会出现一定的变化，运维人员仅凭现场经验难以准确识别其声纹特征反映的运行状态^[13-18]。因此，如何根据声纹信号准确评估变压器运行状态，实现其内部缺陷辨识及故障诊断是当前研究重点关注的问题。文献[5]基于压缩感知技术，采用判别字典学习方法实现了干式变压器绕组及铁心松动等缺陷识别，准确率超过90%。文献[7]针对低信噪比环境下的变压器铁心及绕组松动等缺陷识别问题，采用基于快速增量式支持向量的数据描述和门控逻辑单元方法，显著降低了诊断结果的误报率。文献[8]针对绕组短路冲击瞬间的声纹信号，提出基于占比时频谱熵值和频谱成分欧式距离这2种声纹特征的变压器抗短路能力评估方法，可用于辅助识别变压器绕组变形情况。文献[12]通过对变压器声纹信号进行梅尔时频谱降维处理，实现了基于卷积神经网络(convolutional neural network，CNN)的变压器直流偏磁识别，识别准确率达到99.7%。文献[15]提出一种梅尔倒谱系数与长短期记忆递归神经网络相结合的变压器声纹识别方法，可实现变压器内部放电和过载缺陷的精准识别。

综上可知，现有基于声纹特征的变压器缺陷诊断技术在一定程度上可有效识别变压器运行状态，但其在模型构建及现场应用方面仍存在以下问题：(1) 现有研究大多针对变压器某一类缺陷展开，且主要集中在机械缺陷或绝缘缺陷的诊断识别上，如绕组松动变形^[5-11]、直流偏磁^[12-14]或绝缘放电^[15-17]等，所构建的诊断模型的识别结果并未涵盖变压器所有潜在运行状态，一定程度上限制了声纹诊断技术的现场应用；(2) 变压器声纹样本数据多数来源于试验结果^{[5, 9-11]}，并未考虑变电站现场环境噪声及其他输变电设备的干扰、影响等问题，声纹样本的局限性一定程度上将增大诊断结果的误判率；(3) 现有缺陷诊断方法大多仅考虑了变压器存在单一缺陷的情况^{[6, 12, 15]}，并未考虑多种缺陷并发情况下的变压器声纹识别。

针对上述问题，文中以时频域声纹信号为基础，构建了一种基于CNN和声纹特征分析的集成学习模型，用于变压器单一缺陷或并发缺陷诊断。该方法利用CNN挖掘小样本变压器故障数据的深层特征，结合特征分析方法，提高了诊断模型识别变压器缺陷类型的准确率和可靠性。其中，使用时域数据和频域数据组合的多通道模型输入，可提高模型同时提取稳态信号和暂态信号特征的能力。

1 变压器声纹特征分析 1.1 基本声纹特征

变压器的工作原理是电磁感应。当交流电流通过变压器绕组时，铁心内部将会产生变化的磁通。随着磁通的交变，铁心的磁化状态也会发生变化，导致铁心发生磁致伸缩。同时，在交变电流的作用下，变压器绕组线圈会产生电磁力，导致线圈位移，从而引发线圈的振动或变形。因此，可基于变压器在运行过程中产生的振动信号进行声纹信号检测。当变压器运行状态异常时，其声纹信号将发生变化，即变压器声纹信号在一定程度上可反映设备状态信息。但在变压器声纹检测中，受现场运行环境的影响，传感器同样可能接收到外部环境信息，即传感器接收到的声纹信号包括变压器运行状态信息和部分运行环境信息，导致基于声纹特征的变压器故障诊断难度加大。因此，以变压器正常运行状态下的声纹特征作为基准，将监测获取的声纹信号与基准特征值进行比较，定性诊断变压器故障状态，是声学故障诊断的基础和依据^[19-21]。

变压器声纹诊断从声纹信号中提取有用特征，以检测和诊断变压器内部可能存在的缺陷。这些特征可分为时域特征、频域特征和时频域特征。其中，时域波形一般较为复杂，可结合频域特征对变压器运行状态进行描述。频域特征大多通过傅里叶变换或其他频谱分析方法从时域信号中提取得到，其频率以100 Hz基频为主，同时包含部分高倍频分量，主要能量分布在1 000 Hz以内。常用的频域特征值有以下4种：

(1) 基频幅值与基频能量占比，基频一般是工作电流频率的2倍，变压器声纹信号基频为100 Hz。

(2) 主频幅值与主频能量占比，主频为频谱中振幅最高的频率。

(3) 振动熵，表征频谱中频率成分的复杂度。该值越低，能量越集中在频谱中的某些特征频率；该值越高，频谱中的能量越分散。其计算公式如下：

$ H=\left|\sum\limits_{f=100}^{f_{\mathrm{max}}} p_f \log _2 p_f\right| $

(1)

式中：p_f为频率比重，表征频率f处谐波分量的能量占比；f_max为最大频率值，文中取1 200 Hz。

(4) 奇偶次谐波比，其与变压器运行状态存在一定的关联。如当变压器存在直流偏磁问题时，声纹信号中50 Hz的奇次谐波分量将显著增多，因此可利用奇偶次谐波比判断变压器直流偏磁问题的严重程度。

结合变压器典型缺陷，文中对变压器运行状态与声纹特征的关系进行了对比分析。图 1为某变压器正常运行状态下声纹信号的时域和频域波形，其中A为幅值。该变压器正常运行状态下主频为200 Hz，同时可计算得到其振动熵为1.16，奇偶次谐波比为0.005。当变压器运行状态发生变化时，其声纹信号的时域和频域特性将发生变化。对于存在铁心夹件松动缺陷的某变压器，其声纹信号如图 2所示，主频由200 Hz增大至700 Hz，振动熵增大至2.68，各频率的能量分布发生显著变化。图 3为存在直流偏磁问题的变压器的声纹信号，其频域特征分析表明：主频由200 Hz增大为550 Hz，奇偶次谐波比增大至1.13。

频域特征可以较为直观地反映变压器本体的声纹特性，但频域特征是一段时间内声纹信号的整体响应，反映的是变压器的全局特征，对暂态信号的识别能力较差；而时域信号可以拾取到明显的暂态异常，但很难直接用于变压器故障诊断。时频域分析方法结合了时域和频域分析的优势，可采用短时傅里叶变换、小波变换或其他时频分析方法，分析声纹信号在时间和频率上的变化规律。但是，时频谱是二维图像谱，其数据量巨大，难以直接使用。综合考虑诊断准确性、时间及模型大小等因素，文中采用的特征分析法以基频幅值与基频能量占比、主频幅值与主频能量占比、振动熵和奇偶次谐波比这4个特征量为主。该方法基于声纹样本的统计分析确定各类缺陷所对应的特征阈值，并根据特征值与阈值之间的距离得出变压器各缺陷类型的对应概率，从而实现变压器运行状态的评估。

1.2 异常声纹特征

文中所分析的变压器典型异常声纹主要包括短路冲击、局部放电、夹件松动、冷却器异响、重过载、直流偏磁6类缺陷以及雷声、鸟鸣、汽笛声、人声、雨声5种环境噪声。其中，局部放电包括沿面放电、电晕放电、间歇性放电和悬浮放电，冷却器异响包括油泵异响和风扇异响。部分典型缺陷的声纹信号如图 4—图 7所示。

变压器短路冲击声纹信号的频域特征主要表现为100 Hz及其倍频处出现局部的宽频带响应，其与变压器正常运行状态下的频域特征具有一定的相似性，但其在时域特征上会出现一个明显的短时强信号。局部放电声纹信号在时域上与正常运行状态下变压器的声纹信号极为相似，难以通过时域特征进行区别；而在频域上，其频率显著增大，且可以看出其在15 kHz附近有较强的能量。其中，为了更好地显示中高频段的能量分布，图 5中纵坐标采用以10为底的对数表示。夹件松动在频域的低频段表现出100 Hz倍频的分布特征。冷却器异响则是一个具有周期性的强信号，从频谱来看，其表现为在1 200~4 000 Hz的频率范围内出现多个强峰。重过载的特征是基频能量占比较大，其振动熵值将显著增大。存在直流偏磁问题的变压器的声纹信号的频域特征是奇偶次谐波比相对较大。

除此之外，环境噪声对变压器声纹诊断的影响也不可忽略。如电磁干扰的频率以50 Hz或150 Hz为主，人声的频率以800~1 500 Hz为主，鸟鸣的频率以2 000~5 000 Hz为主，上述噪声均会对变压器声纹诊断造成影响。

时频域特征分析法可用于识别变压器典型缺陷的声纹信号，但受缺陷类型、严重程度及环境噪声干扰等因素影响，其准确性难以满足现场对缺陷的诊断精度要求，如过载和短路冲击在某些情况下容易出现误判。因此，须结合人工智能算法进一步挖掘声纹信号的时频域特征，区分变压器的运行状态，从而实现变压器内部缺陷或故障的精确诊断。

2 基于集成学习的变压器声纹识别算法 2.1 CNN

CNN是一种深度学习算法，在图像和语音处理方面应用广泛^[22-25]，其基本原理是通过卷积操作在输入数据中查找局部空间模式。每个卷积层都由一组可学习的滤波器(或称为卷积核)组成，这些滤波器在输入数据上进行滑动以进行卷积操作，从而检测和学习空间模式。

CNN的一个重要特性是平移不变性，这意味着无论模式在哪里出现，模型都可有效检测。这个特性使得CNN非常适合处理图像和音频等具有空间或时间结构的数据。此外，CNN通过逐层堆叠卷积层，可以构建从简单模式到复杂模式学习特征的层次结构。

2.2 多通道输入混合特征

将音频信号转化为频谱图或梅尔频谱图，是采用CNN模型实现音频识别的常用输入特征。如前文所述，变压器声纹信号的时频谱特征丰富，有利于深度网络从中提取有效特征以用于故障检测，但二维时频谱需要很高的分辨率，对内存要求很高。梅尔频谱虽然可以对频率轴进行压缩，在一定程度上减轻这一负担，但是梅尔频谱主要用于人声识别，和变压器这一场景并不完全相符，不利于提取变压器基频和高次倍频的信号特征。

考虑到CNN模型在声纹信号特征提取方面的优势，通常可以直接使用时域信号作为输入，由深度网络提取特征并进行故障类型判断。但在现场变压器声纹信号的采集过程中，为全面掌握变压器运行状态，其声纹信号的采样率非常高，因此须增大卷积核的大小或者增加网络深度，这导致CNN中的待求参数大大增加，降低了模型的识别效率。另一种思路是将频谱作为网络输入，相当于替网络完成部分特征提取工作，大大提高网络的收敛速度，但这也会降低网络识别暂态信号特征的能力。

因此，为了使CNN模型同时具备处理周期稳态特征和识别暂态异常特征的能力，文中提出将时域信号和频域信号组成多通道输入数据，既可以提供时域和频域信息，所需的内存还处于同一量级。

2.3 注意力机制

时域和频域多通道输入数据有利于提升网络的识别精度，但其同样引入了更多的干扰信息，为了避免网络迷失，文中在神经网络模型中引入了注意力机制。

注意力机制是一种用于提升CNN性能的关键技术，该机制可对不同空间位置或特征通道进行加权，使网络能够集中注意力于最重要的信息^[26]。在传统CNN中，每个卷积层的输出都是通过对输入图像的固定窗口进行卷积运算得到的。这种方法对于图像中的所有位置都采取相同的权重，无法区分不同位置的重要性。注意力机制引入可学习的权重，能够在不同空间位置或特征通道上进行自适应的加权处理。采用结合注意力机制的CNN技术，可以使模型针对性地关注异常特征，从而减少不同电压等级变电站变压器运行工况、环境干扰对信号的影响。因此，变压器声纹识别中的注意力机制可在众多的时频域特征中聚焦对当前任务更为关键的信息，降低对其他信息的关注度，提高任务处理的效率和准确性。

2.4 集成学习算法

集成学习是指用多种兼容的学习算法或模型来执行单个任务的技术，其基本理念是：构建多个模型，每个模型能捕获数据中的某种特定模式，并将这些模型的结果合并^[27]。与使用单一算法或模型相比，集成学习往往能获得更佳的预测表现。集成学习的主要方法可归为三大类：堆叠、提升和装袋。其优势主要体现在以下两个方面：一是提高预测的准确性，通过整合多个模型的预测结果，集成学习可以有效地平衡偏差和方差，获得更准确的预测结果；二是提高模型的稳定性，由于集成学习算法涉及到多个子模型，因此，其对于单个模型的变化和噪声具有较强的鲁棒性。

2.5 变压器声纹信号诊断模型

兼顾CNN在音频识别方面的优势及特征分析法直观、可解释性强的特点，考虑变压器声纹信号与型号、工况、环境等因素的关联性，文中基于集成学习的堆叠方法，构建基于集成学习模型的变压器声纹信号诊断模型，如图 8所示。该模型将特征分析法和CNN模型(即基学习器)的预测向量作为输入，传递给由多层感知机模型构建的元学习器进行综合预测。为兼顾模型识别效率及准确性，将特征分析法的结果作为补充。该方法结合了深度学习模型的非线性特性和特征分析的描述性，为声纹信号的识别诊断提供更加准确和稳定的预测结果。

文中基于采样时间为10 s、采样率为48 000 Hz的变压器声纹数据，构建诊断模型的时频域混合输入，具体方法为：(1) 通过傅里叶变化得到频域信号，同时将时域信号进行均值方差归一化、抽稀至与频域信号长度一致，两者并联形成双通道数据；(2) 采用窗口长度为4 s、滑动距离为2 s的时间窗将双通道信号分为4段，并重新并联，最终形成长度为(8, 96 000)的多通道输入数据。

图 8中，由CNN构建的基学习器共包含4个一维卷积层(包含最大池化层和线性整流激活层)，且每个卷积层后面紧跟着一个注意力模块，用于提高特征提取的性能；之后是2个全连接层(包含Dropout层和线性整流激活层)，建立深层特征与故障分类的映射关系。其中，CNN模型的卷积核大小分别为64×11×8、192×5×64、384×3×192和256×3×384。元学习器是多层感知机，其输入是由基学习器和特征分析法得到的预测向量串联而成的特征向量，包含2个隐藏层，每一层由一个全连接层和ReLU激活函数组成，所采用的损失函数为交叉熵。

文中所采用的注意力模块是卷积块注意力模块(convolutional block attention module，CBAM)，由通道注意力模块和空间注意力模块串联组成。其中，通道注意力模块由池化层(包含最大池化层和平均池化层)、多层感知机(由全连接层、ReLU激活函数、连接层组成)、堆叠层、Sigmoid层组成，用于得到通道注意力特征，再将其与输入特征图相乘，获取通道注意力机制作用的特征图，并输入后续的空间注意力机制模块。空间注意力机制模块由沿通道维度的池化层(包含最大池化层和平均池化层)、卷积层、Sigmoid层组成，用于获取空间注意力特征，再将其与输入特征图相乘，给出空间注意力机制作用的特征图。

2.6 变压器缺陷诊断模型应用流程

基于文中所构建的变压器声纹信号诊断模型，变压器缺陷及故障诊断流程如图 9所示。

(1) 样本库构建以及变压器声纹数据预处理。采用在线监测、带电检测、模拟试验等手段采集变压器声纹数据，结合时域及频域特征处理方法，形成声纹信号的多通道输入混合特征，建立变压器声纹样本库。

(2) 基学习器模型训练。将变压器声纹样本库按照7 ∶3划分为训练样本和测试样本，将训练样本数据导入变压器声纹信号诊断模型，设置模型预训练参数。训练过程中，对比模型预测结果与真实结果的误差，当模型达到收敛条件时保存参数，并停止模型训练。

(3) 集成学习模型训练。针对部分缺陷类型评估准确性较差的情况，将基学习器中CNN与特征分析法的预测结果作为元学习器的输入向量，开展集成学习模型训练，形成最优声纹诊断模型。

(4) 变压器缺陷故障诊断。基于测试样本数据，通过特征提取与识别，评估最优声纹诊断模型的准确率，最终输出缺陷诊断结果。

3 算法验证 3.1 声纹样本数据

为验证变压器声纹识别算法的准确性，文中收集整理了19类共6 400条变压器声纹数据样本。其中，涵盖9类不同电压等级变压器和环境噪音的正常样本数据4 800条，涵盖6大类、10小类变压器缺陷的异常样本数据1 600条，样本分布情况如表 1所示。

3.2 单一缺陷诊断效果分析

结合上述样本库，文中依次针对变压器正常与异常声纹样本识别、单一缺陷识别及混合缺陷识别问题分别开展了验证分析，以评估集成学习模型的诊断效果。

针对表 1所示的变压器正常及异常样本分类，文中按照7 ∶3将样本数据划分为测试集和训练集。基于训练样本数据，文中首先针对CNN模型开展验证，在经过20次迭代后，CNN模型的准确率达到92.0%，如图 10所示。进一步分析识别错误的样本数据，发现传统的CNN模型在正常样本中的220 kV主变噪声和异常样本中的重过载缺陷之间易出现误判，显著降低了模型诊断结果的准确性。

为兼顾模型的准确性和识别效率，文中在异常样本识别的基础上，引入集成学习算法，并对样本标签进行细化，样本涵盖了表 1中19类声纹数据。为节省模型识别时间，文中针对CNN模型易出现的220 kV主变噪声及重过载缺陷混淆问题，仅在两者内部引入集成学习算法，即当CNN预测样本标签不是220 kV主变噪声或重过载时，将其结果映射为正常或缺陷；当预测标签为220 kV主变噪声或重过载时，不输出预测结果，而是将预测向量和特征分析法的预测结果一起输入到集成学习模型的元学习器中，实行样本数据的二次诊断，并得到最终的预测结果。

基于训练样本数据，经过15次迭代，集成学习模型的准确率达到98.7%，如图 11所示。集成学习模型准确率显著高于CNN模型，说明在集成学习框架下，采用特征分析方法有效提高了CNN模型在处理220 kV主变噪声和重过载缺陷时的分类准确率。基于测试样本数据，文中进一步验证了集成学习模型的有效性及准确性，以其中的6大类缺陷样本为例，该模型的预测精度如图 12所示。结果表明，集成学习模型对缺陷样本的识别准确率达到99.2%，其中，对变压器局部放电和短路冲击2类样本的识别准确率达到100%，在重过载样本的识别上准确率相对较低。

3.3 混合缺陷诊断效果分析

在单一缺陷样本识别的基础上，文中进一步分析了变压器内部存在多缺陷情况下的模型识别效果。当变压器存在多个并发缺陷时，不同缺陷所对应的声纹信号量级不同，且两者混合之后将破坏其原有特征，影响诊断的准确性。不考虑变压器正常声纹样本，文中构建了由6类缺陷中任意2种相互融合而成的15类混合缺陷样本，并采用CNN进行混合缺陷样本的分类测试，经过20次迭代，CNN的诊断准确率达到97.1%，如图 13所示。

进一步分析识别错误的样本数据，发现所有涉及夹件松动和局部放电缺陷的混合样本都出现了一定程度的混淆现象，其可能原因为两者的频率及能量分布影响了诊断模型的识别效果。针对上述问题，文中建立了4个二分类集成学习模型，当CNN预测样本标签中不含夹件松动和局部放电时，直接输出预测结果；当预测标签中任一项为夹件松动或局部放电时，CNN模型不输出预测结果，而是将预测向量和特征分析的预测结果一起输入到对应的集成学习模型的元学习器中，实行二次诊断识别，并输出最终的识别结果。经验证，在由CNN及4个集成学习模型组成的诊断模型框架下，声纹识别结果的准确率达到99.7%，如图 14所示。相比于仅采用CNN模型，预测精度提高了2.6%，说明了融合CNN算法与特征分析法的集成学习模型在变压器混合缺陷诊断中的有效性和实用性。

3.4 不同诊断模型对比研究

为进一步说明文中方法的有效性，文中以单一缺陷识别为例，对比了以梅尔时频谱为输入的CNN模型的诊断效果，如图 15所示。其中，CNN模型采用ResNet50框架，输入数据的像素为640×480，损失函数采用交叉熵。结果表明，该模型的收敛速度快于集成学习模型，但准确率仅在90%左右，且模型出现了明显的过拟合现象，其可能原因为正常样本数据的环境噪声干扰影响了模型的识别精度。

4 结论

结合变压器声纹样本数据，文中采用时域信号和频域信号组成多通道输入特征，提出了一种基于集成学习的变压器缺陷诊断方法，实现了变压器单一或混合缺陷的诊断识别。主要结论如下：

(1) CNN模型可有效挖掘变压器声纹信号中的时频域特征，但受外界环境以及变压器个体之间差异的影响，在部分样本识别中易出现误判，如存在220 kV主变噪声与重过载缺陷样本混淆的问题。

(2) 融合特征分析法和CNN模型的集成学习模型可显著改善传统CNN模型在部分样本识别上的混淆问题，且仅针对部分样本实行基于集成学习模型的二次诊断，其准确率仍有显著提升。

(3) 单一缺陷及混合缺陷诊断结果表明，基于集成学习模型的变压器缺陷诊断算法的准确性可达99%。