CN112946432B - 一种电缆局部放电测试信号的生成方法及其装置 - Google Patents

Abstract

本发明公开了一种电缆局部放电测试信号的生成方法，包括：分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；对多种局部放电信号和多种无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；根据选取的局部放电和噪声类型，采用对应类型的局部放电信号生成模型和噪声信号生成模型，产生初始局部放电信号和初始噪声信号；将产生的初始局部放电信号和初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号。本发明借助机器学习的方法模拟产生局部放电信号和噪声，并将两者混合以获得接近实际测量场景中的局部放电信号，能够提供数量巨大的数据，满足测试需求。

Description

一种电缆局部放电测试信号的生成方法及其装置

技术领域

本发明涉及电缆局放信号生成技术领域，尤其涉及一种电缆局部放电测试信号的生成方法及其装置。

背景技术

开发电缆局放信号检测及诊断设备时，需要提供大量不同类型的放电信号用于评测信号采集灵敏度、特征分类及局放类型诊断算法有效性等。而现有的技术方案中，一般采取以下几种方案：

(1)现场实测积累真实信号，但可获得数据量有限，受外部环境、测试方式影响较大。

(2)在电缆样品上制作缺陷获得实验室测试信号，成本高，缺陷类型有限，难以获得电力系统引入的干扰信号。

(3)制作模拟放电源采集信号，类型有限，无法模拟局放信号在电缆系统中的传输和衰减工况。

(4)直接使用数字模拟方式产生信号，可能和实际信号存在差别。

综上，在实际的应用中，真实存在局部放电的电缆线路仍保持运行的电缆线路较少，且电缆局放测试易受到外界环境的干扰、信号传输衰减等影响，从现场采集电缆局放信号难度较高，无法满足验证算法、建立数据库的需求。因此，亟需一种能够模拟生成电缆局部放电信号的方法。

发明内容

本发明目的在于，提供一种电缆局部放电测试信号的生成方法及其装置，通过训练神经网络，基于实际采集到的少量局部放电信号与噪声信号生成大量仿真信号，并按照一定的方式混合，得到大量人工合成的局部放电信号，可用于评测电缆局放信号检测及诊断设备的信号采集灵敏度、特征分类及局放类型诊断算法有效性等。

为实现上述目的，本发明实施例提供一种电缆局部放电测试信号的生成方法，包括：

分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；

对多种所述局部放电信号和多种所述无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；

根据选取的局部放电和噪声类型，采用对应类型的所述局部放电信号生成模型和所述噪声信号生成模型，产生初始局部放电信号和初始噪声信号；

将产生的所述初始局部放电信号和所述初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号。

在一具体实施例当中，在所述分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集之前，还包括：

采集实际的多种电缆局部放电信号和多种无局部放电的噪声信号。

在一具体实施例当中，所述获得多种局部放电信号的训练集，具体为：

截取多个实际采集到的电缆局部放电信号的脉冲并标注局部放电的类型，将多个所述脉冲作为多种局部放电信号的训练集。

在一具体实施例当中，所述对多种所述局部放电信号训练，获得对应类型的局部放电信号生成模型，具体为：

初始化局部放电信号生成模型后，所述局部放电信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进局部放电信号判别模型，完成对所述局部放电信号判别模型的训练；

通过所述局部放电信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述局部放电信号判别模型中；

所述局部放电信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

设置迭代次数，所述局部放电信号判别模型将所述判别误差传输给所述局部放电信号生成模型，更新所述局部放电信号生成模型的参数；

重复所述局部放电信号生成模型产生假数据的步骤、以及所述局部放电信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述局部放电信号判别模型无法正确判别，则完成对所述局部放电信号生成模型的训练。

在一具体实施例当中，所述获得多种无局部放电的噪声信号的训练集，具体为：

截取多个所述电缆局部放电信号中无局部放电发生的区域，与实际采集到的无局部放电的噪声信号共同作为多种无局部放电的噪声信号的训练集，并标注噪声类型。

在一具体实施例当中，所述对多种所述噪声信号训练，获得对应类型的噪声信号生成模型，具体为：

初始化噪声信号生成模型后，所述噪声信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进噪声信号判别模型，完成对所述噪声信号判别模型的训练；

通过所述噪声信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述噪声信号判别模型中；

所述噪声信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

设置迭代次数，所述噪声信号判别模型将所述判别误差传输给所述噪声信号生成模型，更新所述噪声信号生成模型的参数；

重复所述噪声信号生成模型产生假数据的步骤、以及所述噪声信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述噪声信号判别模型无法正确判别，则完成对所述噪声信号生成模型的训练。

本发明实施例提供还提供一种电缆局部放电测试信号的生成装置，包括：

训练集获取模块，用于分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；

生成模型训练模块，用于对多种所述局部放电信号和多种所述无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；

所述局部放电信号生成模型，用于根据选取的局部放电类型，产生初始局部放电信号；

所述噪声信号生成模型，用于根据选取的噪声类型，产生初始噪声信号；

合成模块，用于将产生的所述初始局部放电信号和所述初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号。

在一具体实施例当中，所述训练集获取模块包括：

局部放电信号训练集获取单元，用于截取多个实际采集到的电缆局部放电信号的脉冲并标注局部放电的类型，将多个所述脉冲作为多种局部放电信号的训练集；

噪声信号训练集获取单元，用于截取多个所述电缆局部放电信号中无局部放电发生的区域，与实际采集到的无局部放电的噪声信号共同作为多种无局部放电的噪声信号的训练集，并标注噪声类型。

本发明实施例还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的电缆局部放电测试信号的生成方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一个实施例中的电缆局部放电测试信号的生成方法。

本发明实施例的电缆局部放电测试信号的生成方法及其装置、计算机终端设备和计算机可读存储介质，基于采集实际的少量电缆局部放电信号和无局部放电发生的噪声信号，借助机器学习的方法模拟产生局部放电信号和噪声，并将两者混合以获得接近实际测量场景中的局部放电信号，能够提供数量巨大的数据，以满足用于评测电缆局放信号检测及诊断设备的信号采集灵敏度、特征分类及局放类型诊断算法有效性等。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明某一实施例提供的电缆局部放电测试信号的生成方法的流程示意图；

图2是本发明另一实施例提供的电缆局部放电测试信号的生成方法的流程示意图；

图3是本发明某一实施例提供的模型算法训练流程示意图；

图4是本发明某一实施例提供的电缆局部放电测试信号的生成装置的结构示意图；

图5是本发明某一实施例提供的计算机终端设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，文中所使用的步骤编号仅是为了方便描述，不作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，本发明实施例提供一种电缆局部放电测试信号的生成方法，包括以下步骤：

S10、分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；

S20、对多种所述局部放电信号和多种所述无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；

S30、根据选取的局部放电和噪声类型，采用对应类型的所述局部放电信号生成模型和所述噪声信号生成模型，产生初始局部放电信号和初始噪声信号；

S40、将产生的所述初始局部放电信号和所述初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号。

本发明基于采集实际的少量电缆局部放电信号和无局部放电发生的噪声信号，借助机器学习的方法模拟产生局部放电信号和噪声，并将两者混合以获得接近实际测量场景中的局部放电信号，能够提供数量巨大的数据，以满足用于评测电缆局放信号检测及诊断设备的信号采集灵敏度、特征分类及局放类型诊断算法有效性等。

具体的，采用机器学习的方法生成想要的数据，通过获取训练样本并训练一个模型，该模型能够按照定义的目标数据分布去生成数据。本发明拟建立的算法模型由生成模型与判别模型两个模型组成。

在具体的实施例中，生成模型可以定义为一个样本生成器，通过输入样本或噪声，将其包装成一个尽可能接近真实的样本作为输出；判别模型是一个二分类器，判断所输入的样本是真还是假。

生成模型用于制造样本，使得自己制造样本的能力尽可能的强，强到判别模型无法判断是真样本还是假样本。

判别模型用于判别生成的样本或噪声是来自真实样本集还是虚假样本集，通过生成模型与判别模型的对抗最终生成足够多的逼近实际情况的样本或噪声。这里的对抗是指生成模型与判别模型之间的数据交互和参数更新过程，生成模型的参数会不断改变，判别模型的参数会保持不变，生成模型每产生一组数据就会送入判别模型，判别模型会对生成的数据进行判别，如果判别模型能够正确识别就会把识别误差反送入生成模型，生成模型会改变参数重新生成数据，不断重复这几个过程，直到达到迭代次数或者是生成模型产生的数据能够骗过判断模型。

因此，请结合图2，在一具体实施例当中，在步骤S10所述分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集之前，该方法还包括以下步骤：

S50、采集实际的多种电缆局部放电信号和多种无局部放电的噪声信号。

本发明实施例通过真实数据与机器学习相结合的模拟电缆局放信号生成方式，利用少量的真实数据，通过机器学习的方法产生大量与实际数据非常相似的人造数据，满足验证算法、建立数据库的需求。

请继续参阅图2，在一具体实施例当中，所述步骤S10中，获得多种局部放电信号的训练集，具体为：

S101、截取多个实际采集到的电缆局部放电信号的脉冲并标注局部放电的类型，将多个所述脉冲作为多种局部放电信号的训练集。

其中，通常情况下,局部放电的类型包括气隙放电、电晕放电和沿面放电。对应的，局部放电信号的训练集包括气隙放电信号的训练集、电晕放电信号的训练集和沿面放电信号的训练集。

对应的，请结合图3，在一具体实施例当中，所述步骤S20中，对多种所述局部放电信号训练，获得对应类型的局部放电信号生成模型，具体为：

S201、初始化局部放电信号生成模型后，所述局部放电信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进局部放电信号判别模型，完成对所述局部放电信号判别模型的训练；

S202、通过所述局部放电信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述局部放电信号判别模型中；

S203、所述局部放电信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

S204、设置迭代次数，所述局部放电信号判别模型将所述判别误差传输给所述局部放电信号生成模型，更新所述局部放电信号生成模型的参数；

S205、重复所述局部放电信号生成模型产生假数据的步骤、以及所述局部放电信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述局部放电信号判别模型无法正确判别，则完成对所述局部放电信号生成模型的训练。

请继续参阅图2，在一具体实施例当中，所述步骤S10中，获得多种无局部放电的噪声信号的训练集，具体为：

S102、截取多个所述电缆局部放电信号中无局部放电发生的区域，与实际采集到的无局部放电的噪声信号共同作为多种无局部放电的噪声信号的训练集，并标注噪声类型。

首先确定多个电缆局部放电信号中无局部放电发生的区域，作为标记区域，然后结合实际采集到的无局部放电的噪声信号，确定噪声信号所在区域和标注出噪声类型，从而作为多种无局部放电的噪声信号的训练集。本实施例通过引入电力系统的干扰信号，使得仿真产生的电缆局部放电测试信号更加贴合实际信号。

对应的，请结合图3，在一具体实施例当中，所述步骤S20中，所述对多种所述噪声信号训练，获得对应类型的噪声信号生成模型，具体为：

S206、初始化噪声信号生成模型后，所述噪声信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进噪声信号判别模型，完成对所述噪声信号判别模型的训练；

S207、通过所述噪声信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述噪声信号判别模型中；

S208、所述噪声信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

S209、设置迭代次数，所述噪声信号判别模型将所述判别误差传输给所述噪声信号生成模型，更新所述噪声信号生成模型的参数；

S210、重复所述噪声信号生成模型产生假数据的步骤、以及所述噪声信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述噪声信号判别模型无法正确判别，则完成对所述噪声信号生成模型的训练。

本发明实施例对定义的多种局部放电信号与噪声信号分别训练，通过多次迭代和判别模型识别，最终完成局部放电信号生成模型和噪声信号生成模型的参数调整和更新，直至生成的数据与真实信号接近至局部放电信号判别模型和噪声信号判别模型无法识别。

请参阅图4，本发明实施例提供还提供一种电缆局部放电测试信号的生成装置，包括：

训练集获取模块11，用于分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；

生成模型训练模块12，用于对多种所述局部放电信号和多种所述无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；

所述局部放电信号生成模型13，用于根据选取的局部放电类型，产生初始局部放电信号；

所述噪声信号生成模型14，用于根据选取的噪声类型，产生初始噪声信号；

合成模块15，用于将产生的所述初始局部放电信号和所述初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号。

在一具体实施例当中，所述训练集获取模块11包括：

局部放电信号训练集获取单元111，用于截取多个实际采集到的电缆局部放电信号的脉冲并标注局部放电的类型，将多个所述脉冲作为多种局部放电信号的训练集；

噪声信号训练集获取单元112，用于截取多个所述电缆局部放电信号中无局部放电发生的区域，与实际采集到的无局部放电的噪声信号共同作为多种无局部放电的噪声信号的训练集，并标注噪声类型。

关于电缆局部放电测试信号的生成装置的具体限定可以参见上文中对于的电缆局部放电测试信号的生成方法限定，在此不再赘述。上述电缆局部放电测试信号的生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

综上，本发明实施例中的电缆局部放电测试信号的生成方法及其装置，首先，采集实际的电缆局部放电信号和无局部放电的噪声信号，然后，截取多个局部放电信号的脉冲并标记局部放电的类型，这多个脉冲作为局部放电信号的训练集，以及截取多个局部放电信号中无局部放电发生的区域，与无局部放电的噪声信号一起作为噪声信号的训练集，并标注噪声类型；接着，对定义的多种局部放电信号与噪声信号分别训练；最后，指定或随机地选取局部放电和噪声类型以及预设的信噪比，利用算法模型中对应类型的局部放电信号生成算法和噪声信号生成算法产生局部放电信号和噪声信号，将二者按照信噪比进行叠加组合，得到大量人工合成的局部放电信号。

本发明克服了传统技术方案中难以采集大量电缆局部放电数据的弊端，基于采集实际的少量电缆局部放电信号和无局部放电发生的噪声信号，借助机器学习的方法人工合成大量的数据，以满足评测电缆局放信号检测及诊断设备的信号采集灵敏度、特征分类及局放类型诊断算法有效性等要求。

请参阅图5，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任意一个实施例中的电缆局部放电测试信号的生成方法。

处理器用于控制该计算机终端设备的整体操作，以完成上述的电缆局部放电测试信号的生成方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的电缆局部放电测试信号的生成方法，并达到如上述方法一致的技术效果。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的电缆局部放电测试信号的生成方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的电缆局部放电测试信号的生成方法，并达到如上述方法一致的技术效果。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种电缆局部放电测试信号的生成方法，其特征在于，包括：

分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；

对多种所述局部放电信号和多种所述无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；

根据选取的局部放电和噪声类型，采用对应类型的所述局部放电信号生成模型和所述噪声信号生成模型，产生初始局部放电信号和初始噪声信号；

将产生的所述初始局部放电信号和所述初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号；

所述获得多种局部放电信号的训练集，具体为：

截取多个实际采集到的电缆局部放电信号的脉冲并标注局部放电的类型，将多个所述脉冲作为多种局部放电信号的训练集；

所述对多种所述局部放电信号训练，获得对应类型的局部放电信号生成模型，具体为：

初始化局部放电信号生成模型后，所述局部放电信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进局部放电信号判别模型，完成对所述局部放电信号判别模型的训练；

通过所述局部放电信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述局部放电信号判别模型中；

所述局部放电信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

设置迭代次数，所述局部放电信号判别模型将所述判别误差传输给所述局部放电信号生成模型，更新所述局部放电信号生成模型的参数；

重复所述局部放电信号生成模型产生假数据的步骤、以及所述局部放电信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述局部放电信号判别模型无法正确判别，则完成对所述局部放电信号生成模型的训练。

2.根据权利要求1所述的电缆局部放电测试信号的生成方法，其特征在于，在所述分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集之前，还包括：

采集实际的多种电缆局部放电信号和多种无局部放电的噪声信号。

3.根据权利要求1所述的电缆局部放电测试信号的生成方法，其特征在于，所述获得多种无局部放电的噪声信号的训练集，具体为：

截取多个所述电缆局部放电信号中无局部放电发生的区域，与实际采集到的无局部放电的噪声信号共同作为多种无局部放电的噪声信号的训练集，并标注噪声类型。

4.根据权利要求1所述的电缆局部放电测试信号的生成方法，其特征在于，所述对多种所述噪声信号训练，获得对应类型的噪声信号生成模型，具体为：

初始化噪声信号生成模型后，所述噪声信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进噪声信号判别模型，完成对所述噪声信号判别模型的训练；

通过所述噪声信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述噪声信号判别模型中；

所述噪声信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

设置迭代次数，所述噪声信号判别模型将所述判别误差传输给所述噪声信号生成模型，更新所述噪声信号生成模型的参数；

重复所述噪声信号生成模型产生假数据的步骤、以及所述噪声信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述噪声信号判别模型无法正确判别，则完成对所述噪声信号生成模型的训练。

5.一种电缆局部放电测试信号的生成装置，其特征在于，包括：

训练集获取模块，用于分别获得多种局部放电信号的训练集和多种无局部放电的噪声信号的训练集；

生成模型训练模块，用于对多种所述局部放电信号和多种所述无局部放电的噪声信号分别训练，获得对应类型的局部放电信号生成模型和噪声信号生成模型；

所述局部放电信号生成模型，用于根据选取的局部放电类型，产生初始局部放电信号；

所述噪声信号生成模型，用于根据选取的噪声类型，产生初始噪声信号；

合成模块，用于将产生的所述初始局部放电信号和所述初始噪声信号按照预设的信噪比进行叠加组合，获得最终的电缆局部放电测试信号；

所述训练集获取模块包括：

局部放电信号训练集获取单元，用于截取多个实际采集到的电缆局部放电信号的脉冲并标注局部放电的类型，将多个所述脉冲作为多种局部放电信号的训练集；

所述生成模型训练模块还用于：

初始化局部放电信号生成模型后，所述局部放电信号生成模型根据输入的一组随机向量，产生一组对应的输出，将这组对应的输出标记为0，真实数据标记为1，两者同时输入进局部放电信号判别模型，完成对所述局部放电信号判别模型的训练；

通过所述局部放电信号生成模型产生一组假数据，将所述假数据标记为1后，输入到训练完成的所述局部放电信号判别模型中；

所述局部放电信号判别模型对所述假数据进行判别，若识别成功则并产生判别误差；

设置迭代次数，所述局部放电信号判别模型将所述判别误差传输给所述局部放电信号生成模型，更新所述局部放电信号生成模型的参数；

重复所述局部放电信号生成模型产生假数据的步骤、以及所述局部放电信号判别模型对所述假数据进行判别的步骤，若达到所述迭代次数或所述局部放电信号判别模型无法正确判别，则完成对所述局部放电信号生成模型的训练。

6.根据权利要求5所述的电缆局部放电测试信号的生成装置，其特征在于，所述训练集获取模块包括：

噪声信号训练集获取单元，用于截取多个所述电缆局部放电信号中无局部放电发生的区域，与实际采集到的无局部放电的噪声信号共同作为多种无局部放电的噪声信号的训练集，并标注噪声类型。

7.一种计算机终端设备，其特征在于，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4任一项所述的电缆局部放电测试信号的生成方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的电缆局部放电测试信号的生成方法。

Images