适用于局放模式识别的WGAN-GP数据增强方法

摘要：

提出了适用于局放模式识别的带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)数据增强方法.首先,对局放长时信号进行去噪及脉冲提取,得到局放脉冲信号.其次,将Wasserstein距离及梯度惩罚函数引入生成对抗网络(generative adversace network,GAN),提高生成模型的训练稳定性及生成样本的多样性,并以局放脉冲信号作为样本对网络进行训练,实现基于WGAN-GP的局部放电数据增强.使用所提方法对局部放电实验样本进行数据增强,并使用增强后局放样本对常用模式识别算法进行训练,实验结果表明,所提方法相比于传统数据增强方法可更有效地对局放脉冲样本进行数据增强,局放脉冲模式识别准确率提高12.9％.

关键词：局部放电、数据增强、生成式对抗网络、模式识别

所属期刊栏目：16

分类号：TM855(高电压技术)

资助基金：国家电网有限公司总部科技项目TSS2021-13

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：55-60