[发明专利]一种电力变压器套管故障诊断方法及装置

权利要求书

1.一种电力变压器套管故障诊断方法，其特征在于，包括：

读取多张套管红外样本图像；

对所述套管红外样本图像进行预处理，得到训练数据集与测试数据集；

采用所述训练数据集对CWGAN-GP中的判别器进行预训练，所述训练数据集包括故障样本的类别标签；

对判别器与生成器进行交替训练，生成人工故障样本集；

采用所述人工故障样本集对所述训练数据集进行扩充，得到增强后的训练数据集；

基于所述增强后的训练数据集对CNN分类器进行训练；

利用训练好的CNN分类器对所述测试数据集进行诊断测试，根据测试结果对所述训练好的CNN分类器的参数进行调整；

采用调整后的CNN分类器对电力变压器套管进行故障诊断，生成故障类型。

2.如权利要求1所述的方法，其特征在于，所述对所述套管红外样本图像进行预处理，具体包括：

调整套管红外样本图像的大小为32cm×32cm，得到符合要求的套管红外样本数据集；

采用分层抽样方法对所述套管红外样本数据集进行划分。

3.如权利要求1所述的方法，其特征在于，所述训练数据集与所述测试数据集中的样本类别分布一致。

4.如权利要求1所述的方法，其特征在于，将故障样本的类别标签作为条件生成对抗网络(CGAN)的附加条件变量。

5.如权利要求1所述的方法，其特征在于，所述采用调整后的CNN分类器对电力变压器套管进行故障诊断，具体包括：

向输入层输入一个32cm×32cm大小的套管红外样本图像；

对所述套管红外样本图像进行卷积处理，得到二维特征图；

对所述二维特征图进行转化处理，得到一维特征向量；

对所述一维特征向量进行分类。

6.如权利要求1所述的方法，其特征在于，所述CNN分类器的网络结构为：首先将一维或多维数组从输入层输入，然后通过第一卷积层进行特征提取、第一采样层进行抽样处理，第二卷积层进行的操作与第一卷积层一致，第二采样层进行的操作与第一采样层一致，最后由全连接层将第二采样层的输出结果展开成一维向量并经过激活函数传递至输出层输出。

7.如权利要求1所述的方法，其特征在于，所述生成器通过将噪声向量与类别条件进行拼接组合，形成隐含表示；在所述判别器中，实际故障样本或人工样本均与类别条件共同输入以进行判别。

8.如权利要求1所述的方法，其特征在于，在CGAN的基础上，选用Wasserstein距离来度量实际分布与生成分布之间的差异，构成CWGAN模型。

9.如权利要求1所述的方法，其特征在于，所述采用所述训练数据集对CWGAN-GP中的判别器进行预训练，具体包括：

在损失函数中添加梯度惩罚项以修正判别器网络的损失函数，使其满足1-Lipschitz条件限制。

10.一种电力变压器套管故障诊断装置，其特征在于，包括：

数据读取模块，用于读取多张套管红外样本图像；

预处理模块，用于对所述套管红外样本图像进行预处理，得到训练数据集与测试数据集；

判别器预训练模块，用于采用所述训练数据集对CWGAN-GP中的判别器进行预训练，所述训练数据集包括故障样本的类别标签；

交替训练模块，用于对判别器与生成器进行交替训练，生成人工故障样本集；

数据增强模块，用于采用所述人工故障样本集对所述训练数据集进行扩充，得到增强后的训练数据集；

分类器训练模块，用于基于所述增强后的训练数据集对CNN分类器进行训练；

模型诊断测试模块，用于利用训练好的CNN分类器对所述测试数据集进行诊断测试，根据测试结果对所述训练好的CNN分类器的参数进行调整；

故障诊断模块，用于采用调整后的CNN分类器对电力变压器套管进行故障诊断，生成故障类型。