[发明专利]一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法及系统

权利要求书

1.一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法，其特征在于，包括步骤如下：

步骤1：获取局部放电信号的PRPD图谱并进行预处理；通过深度卷积生成对抗网络对局部放电信号的PRPD图谱进行特征提取，并自动生成多样化的PRPD图谱，得到扩充的数据集；采用扩充的数据集对分类网络进行训练得到第一分类模型；

步骤2：获取局部放电信号的实时波形并进行预处理，采用预处理后的局部放电信号的实时波形对分类网络进行训练得到第二分类模型；

步骤3：将待分类的局部放电信号的PRPD图谱通过步骤1所述的预处理后输入第一分类模型，得到的第一分类结果；将该待分类的局部放电信号的实时波形通过步骤2所述的预处理后输入第二分类模型，得到第二分类结果；对第一分类结果和第二分类结果按照权重计算，得到最终的电力设备局部放电模式判别结果；电力设备局部放电模式判别结果是指电力设备局部放电类型，包括尖端放电、悬浮放电、沿面放电、绝缘放电，绝缘放电包括油中气隙和油隙放电。

2.根据权利要求1所述的一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法，其特征在于，将高频电流传感器安装在电力设备的接地线上，对局部放电信号的实时波形进行采集，同时，通过局放仪生成局部放电信号的PRPD图谱；局部放电信号的PRPD图谱记录一段时间内的放电量q、放电相位和放电次数n的分布情况，局部放电信号的实时波形记录每一次放电的波形信息；

步骤1中，对局部放电信号的PRPD图谱进行预处理，具体包括：

步骤1.1：去噪、归一化处理；对局部放电信号的PRPD图谱进行归一化处理，将并将归一化幅值在0.1以下的数据滤除，得到去噪的局部放电信号的PRPD图谱；

步骤1.2：生成灰度图；将去噪的局部放电信号的PRPD图谱按照数值线性映射到灰度值0-255，并绘制得到灰度图即PRPD数据集。

3.根据权利要求1所述的一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法，其特征在于，深度卷积生成对抗网络包括生成器和判别器；

生成器包括一个全连接层、两层上采样层及三个卷积层，其中，相邻卷积层中间加入ReLU激活函数，输入一个1*512的随机噪声向量z，z经过一个全连接层得到通道数为128、大小为35*68的图片，再经过两层上采样层的两次上采样和三个卷积层的三次卷积后输出，生成通道数为1、大小为140*272的灰度图谱；

判别器包括四个卷积层、一个全连接层，其中，相邻卷积层中间加入LeakyReLU激活函数；判别器的输入图片为140*272大小的单通道灰度图即灰度图谱，输入图片经过四个卷积层的四层卷积后再经过一个全连接层得到电力设备局部放电模式判别结果；

在判别器中使用LeakReLU激活函数，生成器中采用ReLU激活函数，输出层采用Tanh激活函数；

生成器的损失函数loss如式(Ⅰ)所示：

式(Ⅰ)中，λ是用来调整参数范数惩罚与经验损失的相对贡献的超参数；w_i是第一分类模型及第二分类模型的参数；Z为生成器的输入噪声，G(Z)为生成器的输出图片，D(G(z))为判别器对生成图片的判别结果，i为下标，表示w_i为第几个参数，n为深度卷积生成对抗网络的参数的个数。

4.根据权利要求2所述的一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法，其特征在于，步骤1中，将步骤1.2生成的PRPD数据集对深度卷积生成对抗网络进行训练，得到扩充后的PRPD灰度图谱数据集即扩充后的数据集；

步骤2中，对局部放电信号的实时波形进行预处理，具体包括：

先对局部放电信号的实时波形进行去噪、归一化处理；再对去噪、归一化处理后的局部放电信号的实时波形进行截取，获取单次放电的局部放电信号的实时波形，格式为一维txt文本，文本数值表示放电幅值。