本技术涉及电网，特别是涉及一种故障检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术：
1、高压直流输电是电力系统中关键的组成部分，而换流阀设备作为高压直流输电的核心设备，在整流和逆变过程中会产生大量热量，对换流阀设备本身构成潜在危害。因此，为了确保换流阀设备的安全、稳定和可靠运行，需要提供高效的阀冷系统来散热。
2、通常的，对阀冷系统的故障检测主要依赖运维人员和厂家专业人员的经验，使得人工工作量大。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够降低人工工作量的故障检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本技术提供了一种故障检测方法。所述方法包括：
3、获取阀冷系统工作过程中的第一声纹信号、以及所述第一声纹信号在梅尔频域的频域信号；
4、将所述频域信号输入故障检测模型，基于故障检测结果确定所述阀冷系统是否发生故障；所述故障检测模型是基于所述阀冷系统在未发生故障时的声纹信号对应的频域信号、以及所述阀冷系统在不同影响因素下发生故障时的声纹信号对应的频域信号训练得到；
5、若所述阀冷系统发生故障，确定影响所述阀冷系统发生故障的目标影响因素，并获得所述阀冷系统中的各阀冷设备对应的第二声纹信号；
6、基于影响因素、阀冷设备以及故障分析模型之间的映射关系、以及所述目标影响因素，对各阀冷设备对应的所述第二声纹信号进行分析，获得针对各阀冷设备的故障分析结果；
7、当故障分析结果表征阀冷设备发生故障时，输出针对发生故障的所述阀冷设备的故障提示信息。
8、在其中一个实施例中，获取所述第一声纹信号在梅尔频域的频域信号，包括：
9、对所述第一声纹信号进行预处理，获得预处理后的所述第一声纹信号；
10、对预处理后的所述第一声纹信号进行快速傅里叶变换，获得所述第一声纹信号在频域中的幅度谱；
11、通过梅尔滤波器组对所述幅度谱进行变换，并通过对数对变换后的所述幅值谱进行处理，获得所述第一声纹信号在所述梅尔频域的频域信号。
12、在其中一个实施例中，所述对所述第一声纹信号进行预处理，获得预处理后的所述第一声纹信号，包括：
13、对所述第一声纹信号进行采样处理、量化处理以及增强处理，获得处理后的所述第一声纹信号；
14、对处理后的所述第一声纹信号进行分帧处理和加窗处理，获得预处理后的所述第一声纹信号。
15、在其中一个实施例中，所述对所述第一声纹信号进行采样处理、量化处理以及增强处理，获得处理后的所述第一声纹信号，包括：
16、对采样处理和量化处理后的第一声纹信号中的、位于中高频范围内的目标信号，进行增强处理，获得处理后的所述第一声纹信号。
17、在其中一个实施例中，所述故障检测模型的获得方式，包括：
18、构建卷积神经网络模型，基于所述阀冷系统在未发生故障时的声纹信号对应的频域信号、以及所述阀冷系统在不同影响因素下发生故障时的声纹信号对应的频域信号，利用多个处理单元对所述卷积神经网络模型进行并行训练，并通过自适应矩估计优化器调整所述卷积神经网络模型的网络参数，在最小化多分类交叉熵损失函数的情况下，获得所述故障检测模型。
19、第二方面，本技术还提供了一种故障检测装置。所述装置包括：
20、获取模块，用于获取阀冷系统工作过程中的第一声纹信号、以及所述第一声纹信号在梅尔频域的频域信号；
21、检测模块，用于将所述频域信号输入故障检测模型，基于故障检测结果确定所述阀冷系统是否发生故障；所述故障检测模型是基于所述阀冷系统在未发生故障时的声纹信号对应的频域信号、以及所述阀冷系统在不同影响因素下发生故障时的声纹信号对应的频域信号训练得到；
22、处理模块，用于若所述阀冷系统发生故障，确定影响所述阀冷系统发生故障的目标影响因素，并获得所述阀冷系统中的各阀冷设备对应的第二声纹信号；
23、分析模块，用于基于影响因素、阀冷设备以及故障分析模型之间的映射关系、以及所述目标影响因素，对各阀冷设备对应的所述第二声纹信号进行分析，获得针对各阀冷设备的故障分析结果；
24、提示模块，用于当故障分析结果表征阀冷设备发生故障时，输出针对发生故障的所述阀冷设备的故障提示信息。
25、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
26、获取阀冷系统工作过程中的第一声纹信号、以及所述第一声纹信号在梅尔频域的频域信号；
27、将所述频域信号输入故障检测模型，基于故障检测结果确定所述阀冷系统是否发生故障；所述故障检测模型是基于所述阀冷系统在未发生故障时的声纹信号对应的频域信号、以及所述阀冷系统在不同影响因素下发生故障时的声纹信号对应的频域信号训练得到；
28、若所述阀冷系统发生故障，确定影响所述阀冷系统发生故障的目标影响因素，并获得所述阀冷系统中的各阀冷设备对应的第二声纹信号；
29、基于影响因素、阀冷设备以及故障分析模型之间的映射关系、以及所述目标影响因素，对各阀冷设备对应的所述第二声纹信号进行分析，获得针对各阀冷设备的故障分析结果；
30、当故障分析结果表征阀冷设备发生故障时，输出针对发生故障的所述阀冷设备的故障提示信息。
31、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
32、获取阀冷系统工作过程中的第一声纹信号、以及所述第一声纹信号在梅尔频域的频域信号；
33、将所述频域信号输入故障检测模型，基于故障检测结果确定所述阀冷系统是否发生故障；所述故障检测模型是基于所述阀冷系统在未发生故障时的声纹信号对应的频域信号、以及所述阀冷系统在不同影响因素下发生故障时的声纹信号对应的频域信号训练得到；
34、若所述阀冷系统发生故障，确定影响所述阀冷系统发生故障的目标影响因素，并获得所述阀冷系统中的各阀冷设备对应的第二声纹信号；
35、基于影响因素、阀冷设备以及故障分析模型之间的映射关系、以及所述目标影响因素，对各阀冷设备对应的所述第二声纹信号进行分析，获得针对各阀冷设备的故障分析结果；
36、当故障分析结果表征阀冷设备发生故障时，输出针对发生故障的所述阀冷设备的故障提示信息。
37、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
38、获取阀冷系统工作过程中的第一声纹信号、以及所述第一声纹信号在梅尔频域的频域信号；
39、将所述频域信号输入故障检测模型，基于故障检测结果确定所述阀冷系统是否发生故障；所述故障检测模型是基于所述阀冷系统在未发生故障时的声纹信号对应的频域信号、以及所述阀冷系统在不同影响因素下发生故障时的声纹信号对应的频域信号训练得到；
40、若所述阀冷系统发生故障，确定影响所述阀冷系统发生故障的目标影响因素，并获得所述阀冷系统中的各阀冷设备对应的第二声纹信号；
41、基于影响因素、阀冷设备以及故障分析模型之间的映射关系、以及所述目标影响因素，对各阀冷设备对应的所述第二声纹信号进行分析，获得针对各阀冷设备的故障分析结果；
42、当故障分析结果表征阀冷设备发生故障时，输出针对发生故障的所述阀冷设备的故障提示信息。
43、上述故障检测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取阀冷系统工作过程中的第一声纹信号、以及第一声纹信号在梅尔频域的频域信号，将频域信号输入故障检测模型，基于故障检测结果确定阀冷系统是否发生故障，从而，本技术通过提前训练好的故障检测模型进行故障检测，与依赖运维人员和厂家专业人员的经验对阀冷系统进行故障检测的方式相比，一方面，可以降低人工工作量，另一方面，可以提高故障检测的准确率；若阀冷系统发生故障，确定影响阀冷系统发生故障的目标影响因素，并获得阀冷系统中的各阀冷设备对应的第二声纹信号，并基于影响因素、阀冷设备以及故障分析模型之间的映射关系、以及目标影响因素，对各阀冷设备对应的所述第二声纹信号进行分析，获得针对各阀冷设备的故障分析结果，进而，当故障分析结果表征阀冷设备发生故障时，输出针对发生故障的阀冷设备的故障提示信息。从而，可以针对性对出现故障的阀冷设备进行故障维修，提高阀冷系统的工作稳定性和可靠性。
1.一种故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，获取所述第一声纹信号在梅尔频域的频域信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一声纹信号进行预处理，获得预处理后的所述第一声纹信号，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述第一声纹信号进行采样处理、量化处理以及增强处理，获得处理后的所述第一声纹信号，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述故障检测模型的获得方式，包括：
6.一种故障检测装置，其特征在于，所述装置包括：
7.一种故障检测系统，其特征在于，所述故障检测系统包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
