Page 92 - 电力与能源2024年第四期

第 45 卷 第 4 期
电力与能源
486 2024 年 8 月

DOI：10.11973/dlyny202404019

基于机器学习的电力系统语音指令识别算法研究

陆增洁 ，黄雄健 ，汪诗怡 ，许思钦 ，崔若涵 ，姜文斌 ，刘亦颖 ，
1
1
1
1
1
2
1
龚 侃 ，朱欣晨 2
2
（1. 国网上海市电力公司市北供电公司，上海 200072；
2. 上海久隆电力（集团）有限公司，上海 200023）
摘 要：通过提高电力系统中语音指令识别技术的准确度、实时性和鲁棒性，旨在增强电力系统的可靠性和稳
定性。首先分析了电力系统语音信号的预处理方法，包括信号增强、语音帧分割和频谱平滑等技术，在此基础
上设计了一种基于高斯混合模型的语音指令识别算法。试验结果表明，该算法在电力系统语音控制场景下具
有较高的识别准确率和实时性，同时具备良好的鲁棒性，完成能够满足电力系统复杂环境下的语音指令识别
需求。研究还指出了一些改进和完善的方向，以进一步提升算法性能，满足更广泛的实际应用需求。
关键词：电力系统；机器学习；语音指令；语音识别；信号处理
作者简介：陆增洁（1991—），男，硕士，工程师，从事电网企业管理工作。
中图分类号：TM73；TP181 文献标志码：A 文章编号：2095-1256（2024）04-0486-04
Research on Speech Command Recognition Algorithm for Power Systems Based on
Machine Learning

LU Zengjie ，HUANG Xiongjian ，WANG Shiyi ，XU Siqin ，CUI Ruohan ，JIANG Wenbin ，
1
1
1
1
1
1

2
2
LIU Yiying ， GONG Kan ， ZHU Xinchen 2
（1. State Grid Shibei Power Supply Company，SMEPC，Shanghai 200072，China）

2.Shanghai Jiulong Electric Power （Group）Co.，Ltd.，Shanghai 200023，China）

Abstract：Enhancing the accuracy, real-time capability, and robustness of speech command recognition technol⁃
ogy in power systems is crucial for improving system reliability and stability. This research first analyzes prepro⁃
cessing methods for speech signals in power systems, including techniques such as signal enhancement, speech
frame segmentation, and spectrum smoothing. An algorithm based on Gaussian Mixture Models (GMM) for
speech command recognition is designed. Experimental results demonstrate that the algorithm achieves higher rec⁃
ognition accuracy and real-time performance in power system speech control scenarios, while maintaining robust⁃
ness suitable for complex power system environments. The study also identifies areas for further improvement and
enhancement to enhance algorithm performance for broader practical applications.

Key words：power systems，machine learning，speech command，speech recognition，signal processing
随着科技的发展，语音控制技术已经成为现 巡查，提升工作精度。
代电力系统中的重要组成部分，实现了对电力系 现场噪声干扰及缺乏专业巡检人员的现状，
统的便捷控制和管理。本文提出了一种新的电力 使得语音识别任务变得极具挑战性。经过深入研
调度语音识别方法 ，该方法基于深度神经网络， 究，发现一种新型的智能语音识别技术，该技术能
［1］
并 采 用 混 合 的 高 斯 隐 马 尔 科 夫 模 型（GMM- 够有效抑制噪声，并能根据各种复杂的巡检环境
HMM）进行声学训练 ，旨在提高识别的准确性 进行灵活调整。尽管如此，该方法在特殊词汇的
［2］
和效率。借助此项技术，可以开发出一种新的语 语意识别方面还有待改进。
音指令识别系统，从而更有效地进行电力线路的 为了提高电力巡检指令识别后的文本纠错效