数据不足条件下基于改进自动编码器的变压器故障数据增强方法

• 作者: 葛磊蛟 廖文龙 王煜森 宋丽可
• 来源期刊: 电工技术学报
• 关键词: 数据不足 变压器 故障诊断 改进自动编码器
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 电工理论与新技术
• 页码范围: 84-94
• 页数: 11页
• 分类号: TM721
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.L90083

摘要

变压器发生故障的情况较少,使得基于机器学习的变压器故障诊断方法存在数据不足的问题.为此,提出一种基于改进自动编码器(IAE)的变压器故障数据增强方法.首先,针对传统自动编码器生成的数据有限和缺乏多样性的问题,提出改进的变压器故障数据生成策略.其次,考虑到传统卷积神经网络的池化操作会丢失大量特征信息,构建改进的卷积神经网络(ICNN)作为故障诊断的分类器.最后,通过实际数据验证了所提方法的有效性和适应性.仿真结果表明,相对于随机过采样算法、合成少数类过采样技术及自动编码器等传统的数据增强方法,IAE能同时兼顾数据的分布和多样性特征,生成的变压器故障数据对分类器的性能提升效果最好.和传统分类器相比,ICNN在数据增强前、后都具有更高的故障诊断精度.