CN115908842B 变压器局部放电数据增强与识别方法 （淮南市潘阳光伏发电有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115908842B(45)授权公告日2025.07.04

(21)申请号202211362548.1

(22)申请日2022.11.02

(65)同一申请的已公布的文献号申请公布号CN115908842A

(43)申请公布日2023.04.04

(73)专利权人淮南市潘阳光伏发电有限公司地址232000安徽省淮南市潘集区平圩经

济开发区管委会402室

(72)发明人周云海黄伟靳广伟

(74)专利代理机构西安弘理专利事务所61214专利代理师赵燕秋

GO6V10/82(2022.01)GO6N3/0464(2023.01)

GO6N3/0475(2023.01)GO6N3/08(2023.01)

(56)对比文件

CN110321957A,2019.10.11CN111553424A,2020.08.18审查员吴圆霞

(51)Int.CI.

GO6V10/44(2022.01)

GO6V10/764(2022.01)

GO6V10/774(2022.01)权利要求书2页说明书8页附图4页

(54)发明名称

变压器局部放电数据增强与识别方法

(57)摘要

CN115908842B本发明公开了本发明变压器局部放电数据增强与识别方法，以局放故障类型的PRPD图谱为对象，将真实样本添加标签后输入CGAN模型，训练出的生成器模型具有训练过程稳定而且能够生成特定类型的局部放电图谱样本。利用改进的CGAN模型生成的各种特定放电类型下的局部放电图谱可以扩充原始放电数据集，增加原始数据集的多样性，以更好解决原始放电数据集非平衡和小样本的分布问题等；为提高分类效果，本发明以改进的CNN作为分类器，输入数据扩充平衡的训练样本数据训练改进的CNN,通过不断训练调整网络参数与权重，输出故障分类诊断结果；解决了非平衡小样本数据下变压器局部放电模

CN115908842B

数据预处理

局放图谱采集

图像灰度化、尺寸统一

制定训练集和测试集

数据扩充

对CGAN模型进行训练

利用训练好的模型生成故障样本

对原始数据集进行扩充

放电识别

构建CNN网络模

型并初始化网络

参数

利用扩充后的数据训练CNN

得出诊断结果

CN115908842B权利要求书1/2页

2

1.变压器局部放电数据增强与识别方法，其特征在于，具体按照以下步骤实施：

步骤1、在数据集中提取局部放电故障类型的PRPD图谱，将图谱进行灰度化处理后，裁剪成统一大小，作为原始样本，对原始样本添加标签后；

步骤2、构建改进的CGAN模型，将样本输入改进的CGAN模型生成各种特定放电类型下的局部放电图谱，得到扩充的放电数据集；

所述改进的CGAN模型包括生成器G与判别器D,对生成器G的网络模型中引入空间池化层，则有：

生成器的损失函数LG表示为：

Lg=-E?~p?(2)[log(1-D(G(z)](2)

判别器的损失函数LD表示为：

LD=-ExPu.(x)[logD(x)]+E?~p?(2)[log(1-D(G(z)](3)

式中，E表示分布的期望；

条件生成对抗网络的目标表示为：

min。maxV(D,G)=E~Paa(x)[logD(xlc)]+E?~p?(2){[log(1-D(G(zlc)lc)](5);

步骤3、以改进的卷积神经网络系统作为分类器，输入扩充的放电数据集训练分类器，通过不断训练调整网络参数与权重，得到优化的分类器；

所述改进的卷积神经网络系统包括一个输入层、两个卷积层、两个池化层、两个全连接层系统、T-ReLU激活函数层、输出层，所述卷积层卷积核数目为2×2,第一卷积层由16个3×3卷积核组成，第二卷积层由32个3×3的卷积核组成；

所述T-ReLU激活函数层采用函数表达式为：

其中，α是可调参数；

步骤4、将待识别变压器局部放电图谱输入优化的分类器，输出故障分类诊断结果。

2.根据权利要求1所述变压器局部放电数据增强与识别方法，其特征在于，步骤1中所述将图谱进行灰度化处理过程为：

f(x,y)=(R(x,y)+G(x,y)+B(x,y)/3(1)

式中，R(x,y)