关键词：
地埋电缆
电缆故障检测
故障定位
声音降噪
深度学习
摘要：
在城市高速发展过程中,土地紧缺问题日益加剧,地埋电缆以其占地面积小的优点逐步取代架空电缆成为电缆敷设的主要方式。在地埋电缆投入运行过程中,定期的电缆安全维护能够有效降低故障发生率,但是在电缆敷设、运行以及维护过程中由于操作失误或外力破坏造成电缆故障的情况仍然存在,如果无法及时地找到电缆故障点并进行处理,会给人民的生产生活带来不便和经济损失。因此,本文深入研究了在非运行状态下的电缆故障检测方法,分析了声磁同步法中放电声音信号的处理过程,针对采集到的放电声音中存在大量环境噪声的现象采用了一种基于深度学习的声音降噪算法,并且设计了电缆故障定位系统。首先,研究了电缆故障定位技术的背景以及国内外研究现状,阐述了机器学习在声音降噪领域的发展状况,分析了电缆故障产生的原因以及电力电缆故障检测的整个过程。为了能够准确的进行电缆故障定位,采用高压脉冲发生器向故障电缆施加高压直流脉冲信号,电缆故障点被击穿会产生放电声音信号和磁场信号,根据采集和处理得到的放电声音大小判断测量点与实际故障点的距离。其次,采集到的放电声音信号中混合了大量的环境噪声,这会对放电声音大小的准确判断造成影响,需要对采集到的信号进行降噪处理,因此综合探讨了传统声音降噪算法在实际应用中的优缺点,在对数谱最小均方误差法(Log-Spectral Amplitude Minimum Mean Square Error,LSA-MMSE)的基础上提出了基于深度学习的声音降噪算法,整个降噪算法包括网络训练和声音降噪两部分。在网络训练部分,采用信号的对数功率谱特征值作为网络的输入,根据信号的实际特点搭建网络结构,确定网络所采用的学习算法和传递函数,并使用大量的样本集对网络进行训练。在声音降噪部分,把一段带噪放电声音信号的特征值输入到训练好的网络中得到估计的干净声音信号特征值,然后通过波形重构的方法得到干净放电声音的时域信号。最后,针对放电声音信号和磁信号的特点,设计了电缆故障定位系统,主要包括系统硬件设计、系统软件环境搭建、系统驱动程序开发以及应用程序设计。电缆故障定位系统使用压电传感器和电磁感应线圈采集放电声音信号和磁场信号,采集的信号经过放大、滤波以及A/D转换后通过高速SPI接口传输到嵌入式处理器中,处理器对数据进行分析和降噪处理,经过降噪处理的声音信号经过D/A转换后输出到耳机,声音信号变换趋势、磁场信号强度等有助于判断故障点的信息通过LCD显示,经过现场验证该系统各部分的功能能够正常运行,可以有效的对电缆故障点进行定位。
欢迎来到三峡大学图书馆！
