[發明專利]基于CGAN網絡增強局部放電信號PRPD圖譜數據的方法

在審

• 申請號: 202110456582.4
• 申請日: 2021-04-27
• 公開（公告）號: CN113283299A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 劉波磊;張洪奎;張康;趙閱群;于漢啟;李啟江;許崇新;王國棟;閆同;毛乃強;李俊宏;李紅新;周明亮;趙文達;李鵬飛
• 申請（專利權）人: 國網山東省電力公司煙臺供電公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 洛陽九創知識產權代理事務所(普通合伙) 41156
• 代理人: 狄干強

本發明提供的基于CGAN網絡增強局部放電信號PRPD圖譜數據的方法，采用opencv對原始圖像進行預處理，消除圖像中冗余的信息，恢復有用的信息并增強其可檢測性，提高信息的可靠性；利用CGAN網絡生成新的數據，新的數據的產生基于原有數據且近似原有的數據，保證新的數據質量，豐富了原有的數據量，解決了數據不足和數據質量較低的問題，達到增強局部放電PRPD圖譜數據的目的。

技術領域

本發明涉及高壓電氣設備絕緣狀態檢測技術領域，具體的說是基于CGAN網絡增強局部放電信號PRPD圖譜數據的方法。

背景技術

特高頻法廣泛應用于局部放電的檢測，基于UHF信號的PRPD圖譜可以進行局部放電的模式識別。模式識別的算法模型主要基于機器學習方法進行設計，這類算法的前提是需要大量的樣本數據對算法模型進行訓練。隨著近些年來深度學習的發展，深度神經網絡在分類任務上取得了革命性的突破，并且它在局部放電的模式識別方向也不斷取得突破。深度神經網絡的分類器在有統一、高品質的大批量的帶有標簽的樣本為訓練數據的前提下能夠達到很高的準確度。但是由于帶標簽的數據難以收集，獲取數據的成本高昂，標注標簽費時耗力，使用不同檢測裝置或在不同采集標準下獲得的數據存在差異等等，因此就出現帶標簽的樣本數據量小、質量較差以及數據類型雜亂等問題。當存在數據不足、數據質量較差時，神經網絡很難穩定訓練并且泛化能力也會變弱。現有技術中，常用數據增強的方法對神經網絡進行穩定訓練。

數據增強技術一直以來都是一種重要的克服數據不足的手段，通過合成或者轉換的方式，從有限的數據中生成新的數據。傳統的圖像領域的數據增強技術是建立在一系列已知的仿射變換——例如旋轉、縮放、位移等，以及一些簡單的圖像處理手段——例如光照色彩變換、對比度變換、添加噪聲等基礎上的。但是這種基于幾何變換和圖像操作的數據增強方法并沒有從根本上解決數據不足、數據質量差的問題。

發明內容

為了解決現有技術中的不足，本發明提供基于CGAN網絡增強局部放電信號PRPD圖譜數據的方法，基于CGAN網絡生成接近原有數據的新數據，保證新數據的質量，豐富了原有的數據量，解決了數據不足和數據質量較低的問題，達到增強PRPD圖譜數據的目的。

為了實現上述目的，本發明采用的具體方案為：基于CGAN網絡增強局部放電PRPD圖譜數據的方法，CGAN網絡(條件對抗生成網絡)包括輸入層、生成網絡G、判別網絡D和輸出層，該方法包括以下步驟：

S1、獲取多種局部放電信號的PRPD(相位分辯的局部放電)圖譜，每種圖譜包括多個原始圖像，對原始圖像添加標簽，生成帶標簽的原始圖像；

S2、對帶標簽的原始圖像進行預處理，得到樣本數據x；

S3、搭建CGAN網絡；

S4、基于樣本數據x訓練并優化CGAN網絡，得到優化網絡模型；

S5、通過優化網絡模型生成數據集，用數據集對PRPD圖譜數據進行增強。

作為上述基于CGAN網絡增強局部放電PRPD圖譜數據的方法的進一步優化：S1的具體方法為：根據局部放電類型對原始圖像添加標簽，生成帶標簽的原始圖像。

作為上述基于CGAN網絡增強局部放電PRPD圖譜數據的方法的進一步優化：所述局部放電類型包括電暈放電、絕緣放電、懸浮放電和自由顆粒放電，所述標簽包括：電暈放電記為-0，絕緣放電記為-1，懸浮放電記為-2，自由顆粒放電記為-3。

作為上述基于CGAN網絡增強局部放電PRPD圖譜數據的方法的進一步優化：S2的具體步驟為：

S2.1、裁剪原始圖像，得到初始圖像；

S2.2、對初始圖像二值化處理，得到二值化圖像；

S2.3、對二值化圖像歸一化處理，得到帶標簽的樣本數據x。

作為上述基于CGAN網絡增強局部放電PRPD圖譜數據的方法的進一步優化：S4的具體步驟為：