[发明专利]一种基于PDGAN的电缆局放数据增强方法

权利要求书

1.一种基于PDGAN的电缆局放数据增强方法，其特征在于：具体步骤如下：

⑴标准GAN数据增强

GAN由生成器和判别器组成，分别使用G和D表示，生成器的输入为噪声z，为正态分布，判别器的输入为生成器生成的样本或训练数据集中样本，输出为一个0至1之间的标量值；

⑵PDGAN数据增强及改进

PDGAN对输入空间进行分解，将其分解为普通噪声输入z和标签信息y，两者作为输入一起被送入生成器G中；对于判别器D，生成器生成的样本x和标签信息y也一起被送入判别器中，PDGAN对目标函数或激活函数进行改进；

⑶特征提取与模式识别

在特征提取时，对每个局放瞬时波形提取峰值电压、均值电压、平均电压、电压标准差、脉冲宽度、上升时间、下降时间、偏度、峰度、波峰因数、形状因子、主频、脉冲极性特征量，并将这些特征量组成一个多维特征向量，用该特征向量来表示一个瞬时脉冲波形。

2.根据权利要求1所述一种基于PDGAN的电缆局放数据增强方法,其特征在于：

步骤⑴中D的损失函数为：

其中，θ_D为判别器的神经网络参数，对于生成器G，其目标函数为：

其中，θ_G为生成器的神经网络参数。

3.根据权利要求1所述一种基于PDGAN的电缆局放数据增强方法,其特征在于：

步骤⑵中，判别器的目标函数为：

其中，θ_D为判别器的神经网络参数，生成器G的目标函数为：

其中，θ_G为生成器的神经网络参数。

4.根据权利要求1所述一种基于PDGAN的电缆局放数据增强方法,其特征在于：步骤⑵中改进方案之一为：

(1)在生成器G的目标函数中添加正则项，生成器的目标函数变为：

(2)将生成器第13维的激活函数选择为tanh函数，根据tanh函数的性质，其取值范围为[-1,+1]，PDGAN通过学习可将极性值控制在饱和区，使数值尽量接近于-1和+1，形成tanh和ReLU激活函数。

5.根据权利要求1所述一种基于PDGAN的电缆局放数据增强方法,其特征在于：步骤⑵中另一改进方案为：将13维特征按量纲和幅值大小大体分为5组：(1)峰值电压、均值电压、平均电压、电压标准差(2)脉冲宽度、上升时间、下降时间(3)偏度、峰度、波峰因数、形状因子(4)主频(5)脉冲极性；

PDGAN将判别器分解为两部分，第一部分由5个子判别器构成，每个子判别器对不同的特征组进行距离度量的学习；第二个部分由全连接层构成，使得不同的特征组可以特征共享，避免不同特征组彼此独立。

6.根据权利要求4所述一种基于PDGAN的电缆局放数据增强方法,其特征在于：生成器直接采用全连接方式。

7.根据权利要求4或6所述一种基于PDGAN的电缆局放数据增强方法,其特征在于：生成器G接受噪声z和类别信息c作为输入，其中z为4维的正态分布噪声，输出样本x，样本维度为13，生成器的中间隐层为4层全连接层，中间层激活函数均选用ReLU函数，输出层前12维也选择ReLU函数，第13维选择tanh函数，判别器D接受样本x和类别信息c作为输入，输出判别结果，其中第一部分的子判别器均为3层全连接层，输出一维向量，第二部分的为2层全连接层，激活函数均选用ReLU函数。