一种基于WGAN-GP和Inception-Resnet-v2变压器局部放电模式识别方法

本发明涉及故障识别，更具体的说是涉及一种基于wgan-gp和inception-resnet-v2变压器局部放电模式识别方法。

背景技术：

1、目前，电力变压器是电力系统的核心枢纽设备，承担着电压变化和电能转换的职责，其运行可靠性直接影响到局部甚至整个电力系统的安全稳定运行。由于生产技术限制或者运输、安装及运行维护过程中的操作不当等原因，在绝缘中造成毛刺、气隙、金属微粒、接触不良等缺陷，而在缺陷部位易出现电荷聚集，造成变压器内部电场分布不平均，进而导致局部放电现象。局部放电会进一步损伤绝缘性能，加快绝缘老化，继而又会加重局部放电，形成恶性循环，直至变压器绝缘性能完全丧失。不同类型的局部放电会对变压器的绝缘性能造成不同程度的破坏，因此及时准确地识别放电类型对发现变压器内部绝缘状况、制定检修及维护计划具有重要的指导意义。

技术实现思路

1、有鉴于此，本发明提供了一种基于wgan-gp和inception-resnet-v2变压器局部放电模式识别方法，能够克服传统的统计参数分析方法在特征提取和特征选择上的主观性与局限性，以及样本匮乏导致分类器泛化能力不足和识别准确率较低的问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于wgan-gp和inception-resnet-v2变压器局部放电模式的识别方法，包括以下步骤：

4、获取训练数据，所述训练数据包括多种局部放电类型的prpd谱；

5、根据所述prpd谱构建初始样本，并划分为训练集和测试集；

6、利用训练集训练wgan-gp模型，并通过训练好的所述wgan-gp模型生成扩充样本；

7、采用所述扩充样本训练inception-resnet-v2模型，并通过训练好的所述inception-resnet-v2模型测试集进行识别。

8、优选的，所述训练数据包括电晕放电、沿面放电、悬浮放电、气隙放电中一种或多种局部放电类型的prpd谱。

9、优选的，所述wgan-gp包括生成器和判别器；

10、所述生成器用于接收随机噪声，并根据所述随机噪声生成预测样本；

11、所述判别器用于对所述预测样本的类别进行判断，通过迭代训练使所述生成器生成的所述初始扩充样本满足与真实数据的接近条件；

12、经过迭代训练后的所述生成器用于生成所述扩充样本。

13、优选的，在进行迭代训练时，所述判别器根据所述预测样本计算与真实样本之间的wasserstein距离，作为判断样本真假的度量条件，并引入梯度惩罚项计算梯度，更新所述生成器的参数。

14、优选的，所述inception-resent-v2模型包括stem模块和多个inception模块；

15、所述stem模块用于对输入的prpd样本图像进行预处理，提取浅层特征；

16、多个所述inception模块具有不同的卷积核，用于对所述浅层特征依次进行特征提取，并将各自提取的特征进行拼接。

17、优选的，所述inception-resent-v2模型还包括平均池化层、dropout层和softmax层；经过所述拼接后的特征依次通过平均池化层和dropout层进行特征压缩，并通过softmax生成概率分布，确认缺陷类型。

18、优选的，通过所述wgan-gp模型生成所述扩充样本时，根据各个局部放电类型的样本数量进行选择性扩充，使所述扩充样本中各个类型的样本均衡。

19、一种的局部放电缺陷模拟装置，应用于前面所述的识别方法，包括：局部放电组件、变压器、保护电阻、耦合电容、检测单元和局放检测仪；

20、所述变压器经过所述保护电阻连接至所述局部放电组件的输入端；所述局部放电组件的输出端连接至所述检测单元的一个输入端；

21、所述耦合电容的一端连接所述局部放电组件的输入端，另一端连接至所述检测单元的另一个输入端；

22、所述检测单元的输出端连接所述局放检测仪。

23、优选的，所述局部放电组件包括：壳体、铺设在壳体底部的第一电极、所述第一电极上的环氧树脂、和悬浮于所述环氧树脂上方的第二电极；所述第二电极连接所述保护电阻，所述第一电极连接所述检测单元；

24、所述第二电极的端部包括尖型和圆形两种形态；

25、根据所述第二电极的不同形态和所述环氧树脂模拟电晕放电、沿面放电、悬浮放电或气隙放电。

26、优选的，所述第二电极为锥形且所述环氧树脂平放至所述第一电极表面上时，用于模拟电晕放电。

27、所述第二电极为锥形，所述环氧树脂直立悬浮所述第一电极上方，在所述环氧树脂上设置一锥形电极与所述第二电极对立，用于模拟悬浮放电。

28、所述第二电极为球型且所述环氧树脂平放至所述第一电极表面上时，用于模拟沿面放电。

29、所述第二电极为球形，设置多个环氧树脂进行堆叠并开堆叠体的侧面开设气隙后平放至所述第一电极表面上，用于模拟气隙放电。

30、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于wgan-gp和inception-resnet-v2变压器局部放电模式识别方法，解决了样本匮乏、不均衡导致分类器泛化能力不足和识别准确率较低的问题，wgan-gp网络能够生成高度仿真的样本；其次inception-resnet-v2网络模型能够在不显著增加计算成本的情况下，捕获更多层次的特征。同时，resnet的残差连接帮助深层网络的优化，使得模型能够更深入地进行特征提取，因此能保持很好的识别准确率和更优的泛化能力。

技术特征：

1.一种基于wgan-gp和inception-resnet-v2变压器局部放电模式的识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于wgan-gp和inception-resnet-v2变压器局部放电模式识别方法，其特征在于，所述训练数据包括电晕放电、沿面放电、悬浮放电、气隙放电中一种或多种局部放电类型的prpd谱。

3.根据权利要求1所述的一种基于wgan-gp和inception-resnet-v2变压器局部放电模式识别方法，其特征在于，所述wgan-gp包括生成器和判别器；

4.根据权利要求3所述的一种基于wgan-gp和inception-resent-v2变压器局部放电模式识别方法，其特征在于，在进行迭代训练时，所述判别器根据所述预测样本计算与真实样本之间的wasserstein距离，作为判断样本真假的度量条件，并引入梯度惩罚项计算梯度，更新所述生成器的参数。

5.根据权利要求1所述的一种基于wgan-gp和inception-resent-v2变压器局部放电模式识别方法，其特征在于，所述inception-resent-v2模型包括stem模块和多个inception模块；

6.根据权利要求5所述的一种基于wgan-gp和inception-resent-v2变压器局部放电模式识别方法，其特征在于，所述inception-resent-v2模型还包括平均池化层、dropout层和softmax层；

7.根据权利要求1所述的一种基于wgan-gp和inception-resent-v2变压器局部放电模式识别方法，其特征在于，通过所述wgan-gp模型生成所述扩充样本时，根据各个局部放电类型的样本数量进行选择性扩充，使所述扩充样本中各个类型的样本均衡。

8.一种局部放电缺陷模拟装置，其特征在于，应用于权利要求1-7任一种所述的识别方法，包括：局部放电组件、变压器、保护电阻、耦合电容、检测单元和局放检测仪；

9.根据权利要求8所述的一种局部放电缺陷模拟装置，其特征在于，所述局部放电组件包括：壳体、铺设在壳体底部的第一电极、所述第一电极上的环氧树脂、和悬浮于所述环氧树脂上方的第二电极；所述第二电极通过所述保护电阻连接高压电源，所述第一电极连接所述检测单元；

10.根据权利要求9所述的一种局部放电缺陷模拟装置，其特征在于，

技术总结本发明公开了一种基于WGAN‑GP和Inception‑Resnet‑v2变压器局部放电模式的识别方法，包括以下步骤：获取训练数据，所述训练数据包括多种局部放电类型的PRPD谱；根据所述PRPD谱构建初始样本，并划分为训练集和测试集；利用训练集训练WGAN‑GP模型，并通过训练好的所述WGAN‑GP模型生成扩充样本；采用所述扩充样本训练Inception‑Resnet‑v2模型，并通过训练好的所述Inception‑Resnet‑v2模型测试集进行识别；本发明能够克服传统的统计参数分析方法在特征提取和特征选择上的主观性与局限性，以及样本匮乏导致分类器泛化能力不足和识别准确率较低的问题。技术研发人员：金海,高龙龙,张宏亮,潘继东,张潮铭受保护的技术使用者：兰州理工大学技术研发日：技术公布日：2024/11/18