中压开关设备是在发电、输电、配电与电能转换的过程中进行开合、控制和保护的一种重要设备,一旦发生故障,将影响电网的安全稳定运行,造成经济损失。绝缘故障是中压开关设备常见的故障之一,在发生故障的时候会产生相应的绝缘放电声音,而不同绝缘状态下发出的放电声音是有差异的,其声音能在一定程度上反映开关设备的绝缘状态,同时声音是种相对容易获取的信号,其采集设备简单,不会对开关设备原有性能产生影响,因此本文提出一种利用声音识别对中压开关设备绝缘状态进行监测的方法。基于现有条件下无法从实际运行开关设备中获得大量声音样本,所以本文利用中压开关设备绝缘试验获得相关声音样本,通过对声音样本的分析研究,建立相应判据实现对中压开关设备的状态进行监测。首先介绍了本课题相应的研究背景意义,国内外现状以及本文所研究的声音类型;简要概述本文采集声音数据的过程,详细阐述当前对声音进行预处理的方法以及在声音识别中应用较为广泛的声音特征。其次针对不同绝缘状态下开关设备发出放电声音的样本数量具有较大差异,本文通过两种技术手段实现本文的研究内容:其一是对于无法获得大量样本的声音,本文从时域和频域两个角度出发,对声音信号进行特征提取,挖掘各类型声音在不同特征下的区别,分别形成时域判据和频域判据,最后对各识别判据的识别准确率进行验证。其二是当所研究声音类别和样本数量较多时,本文通过深度神经网络方法,搭建卷积神经网络和循环神经网络模型,提取声音信号的语谱图和梅尔倒谱系数作为训练样本进行训练,获得训练结果。同时通过改变网络模型相关参数,对比不同模型的识别率,最终获得识别效果较好的模型。最后利用Matlab和PyQt5平台根据上述两种技术手段分别搭建声音识别系统,将算法的可视化,使其更加高效简洁易用。并通过一个试验样品进行绝缘试验,模拟开关设备在运行中所发生的绝缘故障,利用所搭建的声音识别系统对其进行监测,获得识别准确率。