基于SinGAN与LSTM-FCN的电力变压器单指标在线监测数据扩充与噪声清洗方法

槐克亮; 王胜辉; 于小森; 李梦姣; 李仲炜; 律方成

华北电力大学学报 ›› 2026, Vol. 53 ›› Issue (4) : 123 -132.

槐克亮, 王胜辉, 于小森, 李梦姣, 李仲炜, 律方成

作者信息 +

Author information +

文章历史 +

摘要

针对传统数据清洗方法在清洗电力变压器单指标在线监测数据中的噪声点时表现效果不佳，同时变压器状态异常数据获取困难的问题，提出了一种电力变压器单指标在线监测数据扩充与噪声清洗方法。方法将单图生成对抗网络(single image generative adversarial network, SinGAN)应用于时序数据集扩充，用长短期记忆-全卷积网络(long short-term memory-fully convolutional network, LSTM-FCN)筛选出含噪序列，对含噪序列通过中值滤波器平滑并做差得到残差序列后，利用3σ准则进行噪声点检测，最后用自回归积分滑动平均模型(autoregressive integrated moving average, ARIMA)对原始序列实现数据清洗。将实例分析结果与传统检测方法进行了对比、开展了消融实验，研究表明此方法的噪声点检测综合性能指标F1分数值为0.938 2,相比传统方法至少提高了0.106 2,数据清洗效果较好，且利用数据扩充与筛选步骤可以有效提高检测方法的性能。