基于鸣声组合特征与CNN的电网危害鸟种识别

为了辅助电网涉鸟故障的差异化防治,提出一种基于组合特征和卷积神经网络 （Convolutional Neural Network,CNN）的电网危害鸟种鸣声识别方法 . 根据历史涉鸟故障的鸟 种信息及输电线路周边鸟种调查结果,选择13种高危鸟类、8种微害鸟类和2种无害鸟类建立 鸣声样本集;对鸟种鸣声信号进行分帧、加窗、降噪和剪裁等预处理,提取鸟鸣 Mel 倒谱系数 （Mel-frequency Cepstrum Coefficients,MFCC）、Gammatone 倒 谱 系 数（Gammatone Frequency Cepstrum Coefficients,GFCC）和短时能量（Short-term Energy,STE）特征 . 针对单一特征表达能 力不足的问题,将MFCC及其一阶差分、GFCC及其一阶差分和STE归一化后进行组合,生成新 的鸣声特征集 . 搭建卷积神经网络模型对组合特征进行训练和识别,鸟种鸣声测试集的识别 正确率达91.8%,较单一MFCC和GFCC特征表现更为优异.     

油浸式变压器二维电磁-流体-温度场耦合分析方法研究

介绍了一种基于有限元法的变压器二维电磁-流体-温度场耦合分析方法。通过建立变压器二维模型,采用有限元法求解变压器内磁通密度分布;并计算变压器铁心及绕组损耗。随后,采用多物理场间接耦合方法将损耗作为热源加载条件求解变压器流体-温度场,分析变压器内部油流速度及温度分布。对35 kV油浸式变压器进行二维电磁-流体-温度场分析,将温度仿真结果与经验公式的热点温度计算结果进行对比,验证了方法的有效性和正确性。