[发明专利]基于优化SA-CACGAN的电缆局放数据库样本扩充方法

权利要求书

1.一种基于优化SA-CACGAN的电缆局放数据库样本扩充方法，其特征在于，包括：

步骤1：获取电缆局放历史数据并处理；

步骤2：根据电缆局放历史数据生成训练集并预处理；

步骤3：构建CACGAN网络模型，由生成器、判别器和辅助分类器组成；

步骤4：利用带SA的生成器网络生成对抗样本集；

步骤5：优化并计算CACGAN网络模型损失值；

步骤6：训练CACGAN网络模型；

步骤7：判断生成器和判别器是否达到纳什均衡条件；若达到纳什均衡，完成模型训练；若未达到纳什均衡，则返回执行步骤(4)，直到生成器和判别器达到纳什均衡；

步骤8：对局放样本识别库进行扩充。

2.根据权利要求1所述的基于优化SA-CACGAN的电缆局放数据库样本扩充方法，其特征在于，所述步骤1中处理，包括缺失值填充，数据降噪，归一化；数据的缺失值填充，采用数据的中位数进行数据缺失值的填充；数据降噪，采用高斯滤波对其进行降噪，表达式为：

其中，μ、σ(σ0)为常数，x为连续型随机变量

数据归一化，归一化公式为：

其中，X是数据值，μ是数据集的平均值，σ是标准差。

3.根据权利要求1所述的基于优化SA-CACGAN的电缆局放数据库样本扩充方法，其特征在于，所述步骤2中包含以下步骤：

步骤2.1将原始数据与其对应的局放类别组成样本数据库，即为训练集；

步骤2.2对样本数据库的每个样本进行中心对齐，并设置类别标签处理，

其中，x_k″表示重心对齐处理后的样本数据库中的第k个样本，IFFT(·)表示逆快速傅里叶变换，FFT(·)表示快速傅里叶变换，j表示虚数单位符号，φ(·)表示求相位操作，M_k表示归一化处理后样本数据库中第k个样本的重心，N_k表示归一化处理后样本数据库中第k个样本的中心，L_k表示归一化处理后样本数据库中第k个样本的中心和重心之间的相对距离。

4.根据权利要求3所述的基于优化SA-CACGAN的电缆局放数据库样本扩充方法，其特征在于，所述设置类别标签处理，是将重心对齐处理后的样本数据库中每个局放类别对应的每个样本从1依次开始编号，并用U表示识别数据库集中类别标签的总数。

5.根据权利要求1所述的基于优化SA-CACGAN的电缆局放数据库样本扩充方法，其特征在于，所述步骤3构建CACGAN网络模型，具体如下：

步骤3.1搭建一个由三个隐藏层串联组成的生成器，并将隐藏层的节点数目分别设置为32、64、128；

步骤3.2搭建一个由三个隐藏层串联组成的判别器，并将隐藏层的节点数目分别设置为128、64、32；

步骤3.3搭建一个由第一卷积层、第二卷积层、第三卷积层和全连接层组成的辅助分类器，并将第一至第三卷积层的特征映射数目分别设置为32、64、128，卷积核尺寸均设置为1×9，卷积核滑动步长大小均设置为1，池化下采样核尺寸均设置为1×3，下采样核滑动步长均设置为2，全连接层的节点数目设置为128。