(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111570644.0 (22)申请日 2021.12.21 (71)申请人 国网新疆电力有限公司乌鲁 木齐供 电公司 地址 830011 新疆维吾尔自治区乌鲁 木齐 市新市区北京南路3 5号 申请人 上海交通大 学　国家电网有限公司 (72)发明人 陈林　陈臻　胡赵宇　刘彪　 钱念书　李喆　胡健民　 艾则孜江.加帕尔 　汪兆奇　刘鹏　 吴艳　梅马超　尚文明　 (74)专利代理 机构 上海恒慧知识产权代理事务 所(特殊普通 合伙) 31317 代理人 张宁展(51)Int.Cl. G06K 9/00(2022.01) G06N 20/00(2019.01) G10L 15/22(2006.01) (54)发明名称 一种多算法融合声音识别电力设备故障方 法及系统 (57)摘要 本发明涉及一种多算法融合声音识别电力 设备故障方法及系统， 所述方法包括以下步骤： S1、 多算法融合声音识别模型预训练， 根据多算 法声音识别情况， 赋予多算法不同的权重， 使得 经过加权后的多算法融合声音识别模型能有效 地识别不同情况下的电力设备故障声音样本； S2、 对电力设备声音样本进行处理、 分类， 乘以赋 予的不同权重得到电力设备声音样本最终分类 结果， 根据最终分类结果识别电力设备故障； S3、 工作人员对识别的电力设备故障是否正确进行 反馈， 使用正确的电力设备故障声音样本训练多 算法融合声音识别模型， 更新多算法参数、 调整 多算法权重， 进一步提高多算法融合声音识别模 型识别准确率。 有益效果是覆盖面全、 准确率不 断提高。 权利要求书2页 说明书5页 附图4页 CN 114398923 A 2022.04.26 CN 114398923 A 1.一种多算法融合声 音识别电力设备故障方法， 其特 征在于包括以下步骤： S1、 多算法融合声音识别 模型预训练， 根据多算法声音识别情况， 赋予多算法不同的权 重， 使得经过加权后的多算法融合声音识别模 型能有效地识别不同情况下的电力设备故障 声音样本； S2、 使用步骤S1训练好的多算法融合声音识别模型使用多算法对电力设备声音样本进 行处理、 分类， 乘以步骤S1赋予的不同权重得到电力设备声音样本最 终分类结果， 根据最 终 分类结果识别电力设备故障； S3、 工作人员 对步骤S2识别的电力设备故障是否正确进行反馈， 使用正确的电力设备 故障声音样本训练多算法融合声音识别模型， 更新多算法参数、 调整多算法权重， 进一步提 高多算法融合声 音识别模型识别准确率。 2.根据权利要求1所述的一种 多算法融合声音识别电力设备故障方法， 其特征在于： 所 述多算法融合声音识别模型是指随机森 林算法、 ResNet算法、 Transformer 算法三算法融合 声音识别模型。 3.根据权利要求2所述的一种多算法融合声音识别电力设备故障方法， 其特征在于步 骤S1具体包括以下步骤： S11、 首先， 通过在实验室进行实验或者现场采集的方式， 得到电力设备在不同状态下 的声音； S12、 对步骤S1 1获得声音类型进行 标注； S13、 对步骤S1 1获得声音用MFCC算法进行 预处理， 得到声 音的频谱特 征； S14、 步骤S12获得的标注数据和步骤S13经过预处理的声音一起用于训练初始的随机 森林算法、 ResNet算法、 Transformer算法； S15、 初始的随机森林算法、 ResNet算法、 Transformer算法训练完成后， 根据三种算法 的识别情况， 赋予这三种算法不同的权重， 使得经过加权后的三算法融合声音识别模型能 有效地识别不同情况 下的电力设备故障声 音样本。 4.根据权利要求3所述的一种多算法融合声音识别电力设备故障方法， 其特征在于步 骤S2具体包括以下步骤： S21、 通过声 音传感器会定期采集电力设备声 音； S22、 将声音通过网络传输给服 务器； S23、 服务器将声 音用MFCC算法进行 预处理， 得到声 音的频谱特 征； S24、 将声音的频谱信号输入步骤S1预训练好的三算法融合声音识别 模型中， 随机森林 算法、 ResNet算法、 Transformer 算法对声音样本进行处理、 分类， 乘以步骤S1赋予的不同权 重得到电力设备声 音样本最终分类结果； S25、 对步骤S24得到的最终分类结果进行识别判断， 假如是电力设备故障声音信号， 则 发出预警； S26、 将步骤S24得到的最终分类结果和对应的电力设备声 音存档。 5.根据权利要求4所述的一种多算法融合声音识别电力设备故障方法， 其特征在于步 骤S3具体包括以下步骤： S31、 工作人员对步骤S2 识别的电力设备故障是否正确进行反馈； S32、 对步骤S31反馈的声 音类型进行正确标注；权　利　要　求　书 1/2 页 2 CN 114398923 A 2S33、 步骤S31获得的正确标注数据和对应的经过预处理的声音一起用于训练随机森林 算法、 ResNet算法、 Transformer算法； S34、 更新随机森林算法、 ResNet算法、 Transformer算法的参数、 调整随机森林算法、 ResNet算法、 Transformer算法的权 重， 进一步提高三算法融合声 音识别模型识别准确率。 6.一种多算法融合声音识别电力设备故障系统， 其特征在于： 包括声音传感器和服务 器； 所述服务器包括声音预处理程序模块和多算法融合声音识别程序模块， 所述多算法融 合声音识别程序模块上运行有多算法融合声音识别模型； 用于执行权利要求 1至权利要求5 任一权利要求所述的一种多算法融合声 音识别电力设备故障方法。 7.根据权利要求6所述的一种 多算法融合声音识别电力设备故障系统， 其特征在于： 声 音传感器部署在电力设备附近， 用于采集电力设备的声 音， 通过无线网络连接服 务器。 8.根据权利要求7所述的一种 多算法融合声音识别电力设备故障系统， 其特征在于： 所 述声音传感器包括树莓派和麦克风模块， 通过树莓派外挂麦克风模块实现声音的采集功 能， 通过树莓派实现与服 务器的网络通信。 9.根据权利要求6所述的一种 多算法融合声音识别电力设备故障系统， 其特征在于： 还 包括客户端； 所述服务器还包括前端用户界面程序模块， 所述前端用户界面程序模块为网 页页面； 所述 客户端通过浏览器和前端用户界面 程序模块交 互实现信息查看和系统操作。权　利　要　求　书 2/2 页 3 CN 114398923 A 3