[發明專利]基于生成對抗網絡對局部放電數據進行樣本擴展的方法

在審

• 申請號: 202010064775.0
• 申請日: 2020-01-20
• 公開（公告）號: CN111275108A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 劉廣輝;崔國棟;張文斌;王建軍;宋輝;張釗棋;盛戈皞;王磊;張冬冬;李長紅;韓浩;王洋
• 申請（專利權）人: 國網山東省電力公司棗莊供電公司;上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 上海東信專利商標事務所(普通合伙) 31228
• 代理人: 楊丹莉;李丹

1.一種基于生成對抗網絡對局部放電數據進行樣本擴展的方法，其特征在于，包括：

(1)采集局部放電數據；

(2)對所述局部放電數據進行預處理，以得到真實樣本數據；

(3)構建生成對抗網絡并采用生成對抗網絡對局部放電數據進行樣本擴展，所述生成對抗網絡包括生成器、判別器和生成樣本存儲器；其中樣本擴展步驟包括：

(3a)將隨機噪聲輸入生成器，以使生成器輸出生成樣本數據，將生成樣本數據存儲在生成樣本存儲器中；

(3b)將所述真實樣本數據和生成樣本存儲器中的數據輸入所述判別器；

(3c)所述判別器基于真實樣本數據與生成樣本數據的之間的距離，輸出樣本數據是真實樣本數據還是生成樣本數據的判斷結果；

(3d)將帶有判斷結果標簽的樣本數據輸入給所述判別器和生成樣本存儲器；

循環反復進行上述步驟(3b)-(3d)，直至所述生成器的損失函數的值與判別器的損失函數的值二者之和小于等于一預設的閾值；

(4)采用生成樣本存儲器中的生成樣本數據對真實樣本數據進行擴展。

2.如權利要求1所述的方法，其特征在于，所述局部放電數據至少包括PRPS圖譜數據或時域波形圖像數據。

3.如權利要求2所述的方法，其特征在于，在步驟(2)中，當所述局部放電數據至少包括時域波形圖像數據時，所述預處理包括灰度化處理和二值化處理。

4.如權利要求2所述的方法，其特征在于，在步驟(2)中，當所述局部放電數據至少包括PRPS圖譜數據時，所述預處理包括歸一化處理。

5.如權利要求1所述的方法，其特征在于，在步驟(3c)中，基于下述公式判斷樣本數據是真實樣本數據還是生成樣本數據：

其中，W(P_r，P_g)表示Wasserstein距離，Π(P_r,P_g)表示P_r，P_g組合起來可能的聯合分布的集合，其中P_r表示真實樣本數據，P_g表示生成樣本數據，γ屬于上述集合中的某一種聯合分布；其中樣本對(x,y)來自于集合Π(P_r,P_g)，即屬于某一種聯合分布γ，其中x表示采樣得到的一個真實樣本數據，y表示采樣得到的一個生成樣本數據，||x-y||表示樣本對(x,y)的wasserstein距離；E表示將所有樣本對的距離求期望值，inf表示對期望值取下界。

當Wasserstein距離小于等于一預設的距離閾值時，則判斷該樣本數據為真實樣本數據。

6.如權利要求1所述的方法，其特征在于，在步驟(3)中，所述生成器的損失函數d_loss為：

式中m表示輸入的真實樣本數據和生成樣本數據的總數量，f_1ω代表參數為ω的用于生成器的神經網絡對應的映射，z⁽ⁱ⁾表示第i個生成樣本數據的輸入，g_θ表示對噪音輸入生成新的樣本數據。

7.如權利要求6所述的方法，其特征在于，在步驟(3)中，所述判別器的損失函數g_loss為：

式中m表示輸入的真實樣本數據和生成樣本數據的總數量，f_2ω代表參數為ω的用于判別器的神經網絡對應的映射，x⁽ⁱ⁾表示第i個采樣的真實樣本數據。

8.一種對局部放電缺陷進行診斷的方法，其特征在于，包括步驟：

采用如權利要求1-7中任意一項所述的方法對局部放電數據進行樣本擴展；

采用擴展后的局部放電數據對局部放電缺陷進行診斷。

9.一種基于生成對抗網絡對局部放電數據進行樣本擴展的系統，其特征在于，其實施如權利要求1-8中任意一項所述的方法。