[发明专利]一种基于生成式对抗网络的高压断路器故障诊断方法

说明书

本发明公开了一种基于生成式对抗网络的高压断路器故障诊断方法，包括以下步骤：采集实际故障数据并进行数据预处理；构建生成式对抗网络模型；将随机噪声输入生成模型中，训练得到生成数据；将实际故障数据和生成数据输入判别模型进行真伪判别；输入数据训练生成式对抗网络，直到达到设定判别阈值；将实际故障数据和生成数据融合构成故障数据库。上述技术方案通过使用生成式对抗网络生成故障数据，丰富故障数据库，并且同时对生成的故障数据进行鉴别，判断数据是否异常、缺失，从而保证数据库数据的高质量，满足基于机器学习的高压断路器故障识别对高质量数据的要求，大大增加诊断结果的准确性。

技术领域

本发明涉及断路器诊断技术领域，尤其涉及一种基于生成式对抗网络的高压断路器故障诊断方法。

背景技术

有资料显示，断路器是高压电网中的重要设备，主要起控制和保护设备的作用。随着使用时间的增加，断路器某些部件会不断的老化或损坏，如机械机构的磨损、触头的磨损、分合闸二次机构的故障等。这些问题都可能会导致断路器的运行失常，甚至于影响到整个电网的安全运行。因此，对断路器性能进行定期检查，评估其运行状态至关重要。

对高压断路器进行实时的状态监测与故障诊断，可以做到对于断路器运行状态的实时把握，并据此制定合理的检修计划，对保障电网安全运行具有重要意义。根据IEEE对选择断路器监测对象的建议，最为常见的状态量有：断路器动触头行程、断路器触头及环境温度、分合闸状态、分合闸线圈电流、储能电机电流以及断路器机械振动。一般断路器的故障诊断就可以通过对上述参数的采集、特征提取、分类来完成。但在实际工作中，故障数据是极难获取的。断路器模拟故障实验可以获取高质量的数据，但实验成本较高；仿真软件可以获取故障模拟数据，但实际值和仿真值存在明显误差，因此获取准确的用于实现诊断的数据便成为重点。

中国专利文献CN108828441A公开了一种“高压断路器故障诊断方法”。采用了包括：1)采集高压断路器合分闸线圈电流构成数据集；2)针对所涉及的断路器不同状态类型进行编码，按比例随机抽取数据分别作为预训练样本、参数微调样本和测试样本，并进行归一化处理；3)建立DBN分类网络模型，分别使用无标签的预训练数据样本进行网络预训练，以及有标签的样本进行参数微调；4)使用训练完成的DBN进行高压断路器故障诊断。上述技术方案可以获取故障仿真数据，但故障仿真数据与实际故障值之间存在明显误差，对于诊断结果的准确性难以保证。

发明内容

本发明主要解决原有的技术方案获取故障仿真数据与实际故障值之间存在明显误差，缺乏准确数据实现故障诊断的技术问题，提供一种基于生成式对抗网络的高压断路器故障诊断方法，通过使用生成式对抗网络生成故障数据，丰富故障数据库，并且同时对生成的故障数据进行鉴别，判断数据是否异常、缺失，从而保证数据库数据的高质量，满足基于机器学习的高压断路器故障识别对高质量数据的要求，大大增加诊断结果的准确性。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

S1采集实际故障数据并进行数据预处理；

S2构建生成式对抗网络模型；

S3将随机噪声输入生成模型中，训练得到生成数据；

S4将实际故障数据和生成数据输入判别模型进行真伪判别；

S5输入数据训练生成式对抗网络，直到达到设定判别阈值；

S6将实际故障数据和生成数据融合构成故障数据库。

作为优选，所述的步骤S1数据预处理包括通过对将缺失和重复的数据整合删除，将数据集进行归一化处理和特征选取，实现故障数据的分类，以加快样本生成模型的收敛速度，减少数据维度。

作为优选，所述的步骤S2生成式对抗网络模型包括用于生成数据的生成模型和用于判断生成数据真假以及生成数据类别的判别模型，生成模型与判别模型相互博弈学习并且与故障数据库的数据进行相互交换对比。