典型文献
适用于局放模式识别的WGAN-GP数据增强方法
文献摘要：
提出了适用于局放模式识别的带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)数据增强方法.首先,对局放长时信号进行去噪及脉冲提取,得到局放脉冲信号.其次,将Wasserstein距离及梯度惩罚函数引入生成对抗网络(generative adversace network,GAN),提高生成模型的训练稳定性及生成样本的多样性,并以局放脉冲信号作为样本对网络进行训练,实现基于WGAN-GP的局部放电数据增强.使用所提方法对局部放电实验样本进行数据增强,并使用增强后局放样本对常用模式识别算法进行训练,实验结果表明,所提方法相比于传统数据增强方法可更有效地对局放脉冲样本进行数据增强,局放脉冲模式识别准确率提高12.9％.
文献关键词：
局部放电;数据增强;生成式对抗网络;模式识别
中图分类号：
作者姓名：
路士杰;董驰;顾朝敏;郑宝良;刘兆宸;谢庆;谢军
作者机构：
国网河北能源技术服务有限公司,石家庄050400;国网河北省电力有限公司电力科学研究院,石家庄050021;科畅电气有限公司,河北 保定072558;新能源电力系统国家重点实验室(华北电力大学),河北 保定071003
文献出处：
引用格式：
[1]路士杰;董驰;顾朝敏;郑宝良;刘兆宸;谢庆;谢军-.适用于局放模式识别的WGAN-GP数据增强方法)[J].南方电网技术,2022(07):55-60
A类：
adversace
B类：
局放,模式识别,WGAN,GP,数据增强,增强方法,梯度惩罚,Wasserstein,生成对抗网络,generative,adversarial,network,gradient,penalty,对局,放长,去噪,脉冲提取,脉冲信号,惩罚函数,生成模型,局部放电,放样,识别算法,冲模,识别准确率,生成式对抗网络
AB值：
0.322245
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
