粒子群优化算法在电力变压器声纹识别中的应用
季坤1
张晨晨2
丁国成2
刘锋3
田宇3
李坚林3
1.国网安徽省电力有限公司,安徽合肥 230022;中国科学技术大学信息科学技术学院,安徽合肥 2300262.国网安徽省电力有限公司电力科学研究院,安徽 合肥 2306013.国网安徽省电力有限公司,安徽合肥 230022
摘要：针对非接触式电力变压器在监测及运行状态识别过程中存在的问题,提出了一种基于粒子群优化的电力变压器声纹识别技术.通过利用加权优化的线性预测倒谱系数和差分组合的梅尔频率倒谱系数作为变压器声纹识别的特征向量,构建了应用于变压器声纹识别的粒子群优化神经网络模型.实验结果表明,特征向量为线性倒谱系数时,所提模型识别效率要比BP神经网络的识别效率高33%;采用梅尔倒谱系数作为特征量识别准确率比线性预测倒谱系数大约提高了5.3%,平均识别时间缩短了约25%.
关键词：声纹识别粒子群算法加权优化线性预测梅尔频率神经网络缩放因子交叉因子
分类号：TM744(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61033001)国网安徽省电力有限公司科技项目(521200180058)
论文发表日期：2023-11-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 643-648 )
英文信息