本发明属于变压器铁心及夹件，具体而言，涉及一种变压器铁心及夹件声纹识别方法、介质及系统。
背景技术：
1、目前，变压器作为电网中的重要设备，其运行状态直接影响着电网的安全稳定。因此，针对变压器铁心及夹件的健康状态的在线监测以实现对变压器非健康状态的早期预警和状态评估，是保障电网安全运行的关键技术手段。
2、在现有的变压器状态监测技术中，采用声发射法来监测和分析变压器内部绝缘非健康状态已有较多研究和应用。这种方法通过分析声发射信号的特征参数，可以有效检测出铁心及夹件的健康状态。这类技术通过分析变压器运行噪声中的特定频带信息，可以反映出铁心及夹件的健康状态。但是，由于变压器的电气工作参数不稳定，会不断波动调整，这造成了铁心及夹件的振动响应也在动态变化，这样形成的变压器噪音称为电气噪音。由于电气噪音与机械噪声频谱特征高度重合，很难完全分离，影响对变压器铁心及夹件的健康状态判断的准确度。
技术实现思路
1、有鉴于此，本发明提供一种变压器铁心及夹件声纹识别方法、介质及系统，能够解决现有技术利用声纹对变压器铁心及夹件的健康状态进行分析时，由于难以分离电气噪音，造成健康状态判断的准确度不高的技术问题。
2、本发明是这样实现的：
3、本发明的第一方面提供一种变压器铁心及夹件声纹识别方法，其中，包括以下步骤：
4、s10、实时获取变压器运行过程中的噪声信号、多点振动信号以及电气参数，所述电气参数为变压器输入端的电流、电压以及频率；并对所述噪声信号进行环境噪声清除；
5、s20、对环境噪声清除后的噪声信号进行频谱分析，根据变压器铁心及夹件的振动频率分布删除与变压器铁心及夹件无关的信号，得到第一信号；
6、s30、建立变压器内的磁场分布模型以及铁心及夹件的有限元模型，并基于所述电气参数，计算所述有限元模型的每个单元受到的电磁力；
7、s40、建立非线性振动模型，用于描述铁心及夹件的振动与所述有限元模型的每个单元受到的电磁力的关系；
8、s50、利用所述非线性振动模型，计算电气参数变化与振动信号变化的映射关系，形成电气-振动变化映射，记为第一映射；
9、s60、建立所述第一信号以及多点振动信号的映射关系，记为第二映射；
10、s70、融合所述第一映射以及所述第二映射，建立噪声信号与电气参数变化的映射关系，记为第三映射；
11、s80、根据所述第三映射，从所述第一信号中删除电气参数变化造成的噪音信号变化，得到铁心及夹件的声纹；
12、s90、训练一个神经网络模型作为声纹识别模型，用于根据变压器铁心及夹件的声纹判断铁心及夹件的健康状态；
13、s100、采用步骤s10～s80的步骤获取待测变压器铁心及夹件的声纹，输入到所述声纹识别模型，得到所述待测变压器的铁心及夹件的健康状态。
14、在上述技术方案的基础上，本发明的一种变压器铁心及夹件声纹识别方法还可以做如下改进:
15、其中，所述噪声信号的采集方式为：设置多个噪声传感器，固定在变压器外表面，实时采集噪声信号；所述多点振动信号的采集方式为：在变压器铁心及夹件上设置多个振动传感器，实时采集振动信号。
16、进一步的，所述变压器内的磁场分布模型的公式表示为：
17、
18、
19、
20、其中，xyz表示方向，f表示给定方向上的电磁力、h表示给定方向上磁场强度，b表示给定方向上磁感应强度，f、h、b加上下标后分别表示对应的方向的分量，积分变量s表示积分面积,即变压器铁心或夹件的有限元模型的单元表面积。
21、进一步的，所述非线性振动模型的公式表示为：
22、
23、其中，m表示所述有限元模型的单元的等效质量，c表示阻尼系数，k表示刚度系数，f(t)表示所述有限元模型的单元收到的电磁力。
24、进一步的，所述计算电气参数变化与振动信号变化的映射关系的步骤，具体是：对采集的电气参数以及多点振动信号进行同步校正，提取所述多点振动信号的时频特征，利用主成分分析的方法对所述时频特征进行降维处理，建立自回归模型表示电气参数变化与振动信号变化的动态关系。
25、进一步的，所述融合所述第一映射以及所述第二映射的步骤，具体是：采用所述第一映射以及所述第二映射构建融合模型，采用交叉验证确定所述融合模型的权重系数，重复训练调参，得到噪声信号与电气参数变化的映射关系。
26、进一步的，所述声纹识别模型的训练步骤，具体包括：
27、建立训练数据集、包括变压器铁心及夹件的声纹以及对应变压器的铁心及夹件的已知的健康状态；
28、模型训练、采用所述训练数据集训练一个bp神经网络，得到变压器铁心及夹件的声纹识别基础模型。
29、进一步的，所述健康状态包括正常、机械松动、绝缘损坏三种。
30、本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种变压器铁心及夹件声纹识别方法。
31、本发明的第三方面提供一种变压器铁心及夹件的声纹识别系统，其中，包含上述的计算机可读存储介质。
32、与现有技术相比较，本发明提供的一种变压器铁心及夹件声纹识别方法、介质及系统的有益效果是：
33、1)构建铁心及夹件三维动力学模型，计算不同电气条件下的理论振动响应。
34、2)搭建深度神经网络，学习电气激励与振动噪音的映射关系。
35、3)将电气噪音从实际噪音中提取消除，得到的模型能够准确的识别变压器铁心及夹件的声纹。
36、综上所述，本发明的技术方案，解决了现有技术利用声纹对变压器铁心及夹件的健康状态进行分析时，由于难以分离电气噪音，造成健康状态判断的准确度不高的技术问题。
1.一种变压器铁心及夹件声纹识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述噪声信号的采集方式为：设置多个噪声传感器，固定在变压器外表面，实时采集噪声信号；所述多点振动信号的采集方式为：在变压器铁心及夹件上设置多个振动传感器，实时采集振动信号。
3.根据权利要求2所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述变压器内的磁场分布模型的公式表示为：
4.根据权利要求3所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述非线性振动模型的公式表示为：
5.根据权利要求4所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述计算电气参数变化与振动信号变化的映射关系的步骤，具体是：对采集的电气参数以及多点振动信号进行同步校正，提取所述多点振动信号的时频特征，利用主成分分析的方法对所述时频特征进行降维处理，建立自回归模型表示电气参数变化与振动信号变化的动态关系。
6.根据权利要求5所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述融合所述第一映射以及所述第二映射的步骤，具体是：采用所述第一映射以及所述第二映射构建融合模型，采用交叉验证确定所述融合模型的权重系数，重复训练调参，得到噪声信号与电气参数变化的映射关系。
7.根据权利要求6所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述声纹识别模型的训练步骤，具体包括：
8.根据权利要求7所述的一种变压器铁心及夹件声纹识别方法，其特征在于，所述健康状态包括正常、机械松动、绝缘损坏三种。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行权利要求1-8任一项所述的一种变压器铁心及夹件声纹识别方法。
10.一种变压器铁心及夹件的声纹识别系统，其特征在于，包含权利要求9所述的计算机可读存储介质。
