Suzhou Electric Appliance Research Institute
期刊號： CN32-1800/TM| ISSN1007-3175

Article retrieval

文章檢索

首頁 >> 文章檢索 >> 往年索引

基于WGAN-GP-BiGRU的少樣本斷路器故障診斷方法

來源：電工電氣發(fā)布時間：2025-09-26 13:26 瀏覽次數(shù)：32

基于WGAN-GP-BiGRU的少樣本斷路器故障診斷方法

王鵬，史維平，蔡雙樂，楊霄，黑富坤，楊磊
(國網(wǎng)寧夏電力有限公司吳忠供電公司，寧夏 吳忠 751100)
 
    摘 要：針對傳統(tǒng)斷路器故障診斷樣本較少和診斷準確率不高問題，提出了一種基于帶梯度懲罰的 Wasserstein 生成對抗網(wǎng)絡(WGAN-GP)和雙向門控循環(huán)單元(BiGRU)的故障診斷方法。該方法使用 WGAN-GP 對斷路器數(shù)據(jù)進行數(shù)據(jù)擴充，改善了原模型訓練過程不穩(wěn)定的問題，并獲得高質(zhì)量樣本數(shù)據(jù)，再結(jié)合擴充后的數(shù)據(jù)集通過 BiGRU 模型進行故障診斷分類訓練。實驗結(jié)果表明，在相同測試集下，所提出的診斷方法能有效增強模型對少樣本故障的識別能力，提高了故障診斷的準確率。
    關鍵詞： 斷路器故障診斷；生成對抗網(wǎng)絡；雙向門控循環(huán)單元；數(shù)據(jù)增強；梯度懲罰
    中圖分類號：TM561     文獻標識碼：A     文章編號：1007-3175(2025)09-0051-06
 
Fault Diagnosis Method of Circuit Breaker with Few
Samples Based on WGAN-GP-BiGRU
 
WANG Peng, SHI Wei-ping, CAI Shuang-le, YANG Xiao, HEI Fu-kun, YANG Lei
（Wuzhong Power Supply Company, State Grid Ningxia Electric Power Co., Ltd, Wuzhong 751100, China）
 
    Abstract: To address the issues of insufficient fault diagnosis samples and low diagnostic accuracy in traditional circuit breakers, this paper proposes a fault diagnosis method based on Wasserstein generative adversarial network with gradient penalty (WGAN-GP) and bidirectional gated recurrent unit (BiGRU). This method uses WGAN-GP to augment the circuit breaker data, which improves the instability of the original model training process and obtains high-quality sample data. Then, combined with the augmented dataset, the BiGRU model is used for fault diagnosis classification training. The experimental results show that, under the same test set, the proposed diagnostic method can effectively enhance the model’s ability to identify few-shot faults and improve the accuracy of fault diagnosis.
    Key words: circuit breaker fault diagnosis; generative adversarial network; bidirectional gate recurrent unit; data augmentation; gradient penalty
 
參考文獻
[1] 何鑫，段晨，劉闖. 基于改進探路者算法優(yōu)化支持向量機的斷路器故障診斷[J]. 紅水河，2023，42(6) ：90-95.
[2] 李天輝，龐先海，范輝，等. 基于 IEMD 和 GA-WNN 的斷路器分合閘線圈故障診斷方法[J] . 中國電力，2022，55(5) ：111-121.
[3] 蓋曜麟，葛麗娟，郭懿中，等. 基于改進 SVM 算法的高壓斷路器故障診斷[J]. 高壓電器，2022，58(12) ：14-20.
[4] 龍紫筠，曾小蘭，阮紹炯，等. 基于改進遺傳算法優(yōu)化支持向量機的斷路器故障診斷[J] . 電氣開關，2023，61(4) ：66-70.
[5] 賈浩，張蓮，張尚德，等. 基于 LSSA-BP 神經(jīng)網(wǎng)絡的斷路器分合閘電流特征診斷[J] . 湖南電力，2022，42(5) ：36-41.
[6] 包偉川，宿浩，李璐，等. 基于電流-振動信號聯(lián)合分析的高壓斷路器操動機構(gòu)故障診斷方法[J]. 高壓電器，2023，59(8) ：164-172.
[7] 鄭悅，姚瑛，晉萃萃，等. 基于 MSMOTE 與 FA-CNN-LSTM 的斷路器故障診斷[J] . 光電子·激光，2025，36(4) ：421-428.
[8] 鄒德旭，徐赫，權(quán)浩，等. 基于 DGA 和改進 SMOTE 的小樣本變壓器故障診斷方法[J] . 廣東電力，2024，37(7) ：118-126.
[9] 歐陽鑫，李志斌. 基于樣本擴充和特征優(yōu)選的 IGWO 優(yōu)化 SVM 的變壓器故障診斷技術(shù)[J]. 電力系統(tǒng)保護與控制，2023，51(18) ：11-20.
[10] 趙冬梅，謝家康，杜澤航，等. 基于統(tǒng)計信息系數(shù)和 Wasserstein 生成對抗網(wǎng)絡的風火系統(tǒng)暫態(tài)特征選擇與兩階段穩(wěn)定評估[J] . 電力自動化設備，2023，43(4) ：106-113.
[11] 滕偉， 丁顯， 史秉帥， 等. 基于 WGAN-GP 的風電機組傳動鏈故障診斷[J] . 電力系統(tǒng)自動化，2021，45(22) ：167-173.
[12] 董驍翀，孫英云，蒲天驕. 基于條件生成對抗網(wǎng)絡的可再生能源日前場景生成方法[J] . 中國電機工程學報，2020，40(17) ：5527-5536.
[13] 李洋，肖澤青，聶松松，等. 生成對抗網(wǎng)絡及其在新能源數(shù)據(jù)質(zhì)量中的應用研究綜述[J] . 南方電網(wǎng)技術(shù)，2020，14(2) ：25-33.
[14] 徐昊，王永生，許志偉，等. 基于生成對抗網(wǎng)絡多變量風電時間序列異常值處理[J] . 太陽能學報，2022，43(12) ：300-311.
[15] 邵振國，張承圣，陳飛雄，等. 生成對抗網(wǎng)絡及其在電力系統(tǒng)中的應用綜述[J] . 中國電機工程學報，2023，43(3) ：987-1004.
[16] 王成磊，匡熠，濮永現(xiàn)，等. 基于改進生成對抗網(wǎng)絡場景生成的長-短期儲能優(yōu)化配置[J] . 高電壓技術(shù)，2024，50(3) ：1131-1144.
[17] 劉云鵬， 許自強， 和家慧， 等. 基于條件式 Wasserstein 生成對抗網(wǎng)絡的電力變壓器故障樣本增強技術(shù)[J]. 電網(wǎng)技術(shù)，2020，44(4) ：1505-1513.
[18] 黃玲，李林霞，程瑜，等. 基于 SAM-WGAN-GP 的短期風電功率預測[J]. 太陽能學報，2023，44(4) ：180-188.
[19] 臧海祥，郭鏡瑋，黃蔓云，等. 基于改進 Wasserstein 生成式對抗網(wǎng)絡的電力系統(tǒng)不良數(shù)據(jù)辨識[J]. 電力自動化設備，2022，42(9) ：50-56.
[20] 陳新崗，趙龍，馬志鵬，等. 基于 ISSA-CNN-BiGRUAttention 的鋰電池健康狀態(tài)評估[J]. 電子測量技術(shù)，2024，47(8) ：45-52.
[21] 鞏冠華，婁柯，尹杰，等. 基于注意力機制的 CNN-BiGRU 模型預測風力發(fā)電功率[J]. 安徽工程大學學報，2024，39(2) ：47-54.
[22] 李練兵， 高國強, 陳偉光, 等. 考慮特征重組和 BiGRU-Attention-XGBoost 模型的超短期負荷功率預測[J]. 現(xiàn)代電力，2025，42(3) ：571-581.
[23] 龍赤宇. 低壓斷路器分合閘線圈電流監(jiān)測及故障診斷技術(shù)研究[D]. 北京：北京交通大學，2020.
[24] 任西壁. 基于分合閘線圈電流信號的高壓斷路器操作機構(gòu)故障診斷研究[D]. 成都：電子科技大學，2023.
[25] 黃新波，胡瀟文，朱永燦，等. 基于卷積神經(jīng)網(wǎng)絡算法的高壓斷路器故障診斷[J] . 電力自動化設備，2018，38(5) ：136-140.
[26] 韓宇，董波. 一種基于線圈電流的高壓斷路器機械故障診斷方法[J]. 高壓電器，2019，55(9) ：241-246.
[27] 王正龍，張保穩(wěn). 生成對抗網(wǎng)絡研究綜述[J]. 網(wǎng)絡與信息安全學報，2021，7(4) ：68-85.
[28] 梁俊杰，韋艦晶，蔣正鋒. 生成對抗網(wǎng)絡 GAN 綜述[J].計算機科學與探索，2020，14(1) ：1-17.
[29] 張彬，周粵川，張敏，等. 生成對抗網(wǎng)絡改進角度與應用研究綜述[J]. 計算機應用研究，2023，40(3) ：649-658.
[30] 王瑞，張璐婷，逯靜. 基于新型相似日選取和 VMD-NGO-BiGRU 的短期光伏功率預測[J] . 湖南大學學報(自然科學版)，2024，51(2) ：68-80.
[31] 任爽，楊凱，商繼財，等. 基于 CNN-BiGRU-Attention 的短期電力負荷預測[J] . 電氣工程學報，2024，19(1) ：344-350.