[发明专利]基于生成对抗网络的变压器局部放电图谱生成方法在审

专利信息
申请号: 201910414429.8 申请日: 2019-05-17
公开(公告)号: CN110146792A 公开(公告)日: 2019-08-20
发明(设计)人: 黄新波;蒋卫涛;朱永灿;曹雯;田毅;赵隆 申请(专利权)人: 西安工程大学
主分类号: G01R31/12 分类号: G01R31/12
代理公司: 西安弘理专利事务所 61214 代理人: 燕肇琪
地址: 710048 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 局部放电图谱 变压器 生成器 随机噪声 判别器 灰度化处理 参数确定 损失函数 伪样本 输出 对抗 标签 输入样本集 高斯噪声 原始局部 网络 放电 判定 舍弃 图谱
【权利要求书】:

1.基于生成对抗网络的变压器局部放电图谱生成方法,其特征在于,具体按照以下步骤实施:

步骤1、将收集的带有标签的变压器局部放电图谱作为输入样本集;

步骤2、对步骤1收集的带有标签的变压器局部放电图谱进行灰度化处理;

步骤3、设定随机噪声,将高斯噪声作为要输入的随机噪声;设定生成器的损失函数,得到生成器,将步骤2中经灰度化处理后的带有标签的变压器局部放电图谱和随机噪声作为生成器的输入,经过生成器后产生伪样本;

步骤4、设定判别器的损失函数,生成判别器,将步骤3产生的伪样本和原始变压器局部放电图谱作为判别器的输入进行判定,在判定的同时进行参数优化,经过不断优化后得到具体参数,即得到生成器和判别器的具体模型,最终进行参数确定;

步骤5、参数确定后判别器输出1则输出得到的生成对抗网络的变压器局部放电图谱,输出0则舍弃该伪样本。

2.根据权利要求1所述的基于生成对抗网络的变压器局部放电图谱生成方法,其特征在于,步骤1中,所述标签为:泡放电、悬浮电位放电、绝缘表面、夹层放电或尖角放电这5种放电形式。

3.根据权利要求1所述的基于生成对抗网络的变压器局部放电图谱生成方法,其特征在于,步骤2中,所述灰度化处理为采用如公式(1)所示的平均值灰度法:

F(i,j)=(R(i,j)+G(i,j)+B(i,j))/3 (1)

其中:F表示灰度化后的图像矩阵;R、G、B分别表示带有标签的变压器局部放电图谱的分量;i,j分别表示带有标签的变压器局部放电图谱维度。

4.根据权利要求1所述的基于生成对抗网络的变压器局部放电图谱生成方法,其特征在于,步骤3中,所述生成器的损失函数如式(2)所示:

(1-y)log(1-D(G(z))) (2)

其中,y为输入数据类型,z表示输入生成模型中的随机噪声,G(z)为生成模型接受随机噪声后生成的样本,D(G(z))表示生成模型的与真实的样本的相似度,G为生成器参数,D为判别器参数。

5.根据权利要求1所述的基于生成对抗网络的变压器局部放电图谱生成方法,其特征在于,步骤4中,判别器的损失函数如式(3)所示;

-((1-y)log(1-D(G(z)))+ylogD(x)) (3)

其中:x表示真实样本,D(x)表示判别模型判断输入样本为真实样本的概率。

6.根据权利要求1所述的基于生成对抗网络的变压器局部放电图谱生成方法,其特征在于,步骤4中,所述参数优化即为对生成器和判别器进行参数优化,具体如下:

对判别器进行优化,优化公式如式(4)所示;

其中,为判别器最优参数,E代表期望,Pz(z)为G(z)分布;Pdata(x)表示真实数据分布;

对生成器进行优化,优化公式如式(5)所示:

其中,为生成器最优参数;

综上,得到同时优化判别器和生成器的优化方程式(6):

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安工程大学,未经西安工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910414429.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top