电力系统故障数据生成：用WGAN-GP补齐稀缺样本-北京尧图网络

简介面向电力系统故障诊断与机器学习交叉应用的完整数据生成与分类实验资源基于 Simulink 仿真生成含 ACB 三相接地等 11 种故障类型的数据集并借助 Python 与 scikit-learn 完成三类经典监督学习算法决策树、K 最近邻、支持向量机的建模与对比。结果显示支持向量机测试准确率达 91.6%为智能电网可靠性分析提供了可复现的基线方案。压缩包共 7 个文件大小 652KB核心内容涵盖 Simulink 模型.slx、MATLAB 数据采集脚本.m、Jupyter Notebook 分类实验.ipynb、项目说明文档.md/.docx以及故障数据集.csv结构紧凑便于逐模块对照学习。目前已有 4244 人学习下载适合电力系统相关专业学生、科研人员及机器学习初学者参考。通过该资源可完整了解故障数据从仿真生成到特征组织、再到分类器评估的流程并可直接复用脚本与模型开展实验对比或扩展研究。1. 电力系统故障分类数据生成模型为什么先补数据比换模型更划算电力系统故障分类数据生成模型最初打动我的场景是一台配网终端的故障诊断项目。分类模型在实验室测试集上准确率接近九成一上现场数据就掉到七成出头反复调结构、换损失函数进展有限。拆开看根因在数据真实故障录波只有两百多条单相接地占了大半三相短路样本两只手数得过来。分类模型不是不够聪明是没见过足够多“故障长什么样”。所谓故障分类数据生成模型就是拿生成式模型合成更多故障波形样本把稀缺、不均衡的训练集补成形态丰富、类别均衡的数据集再回头喂给分类模型。它解决的不是分类算法怎么设计而是故障样本从哪来适合苦于样本不够的故障诊断、保护告警分析从业者。下面从数据准备、模型选型、训练参数到验证坑位按我落地这套方案的顺序展开。2. 故障数据准备从录波文件到训练样本的四步流水线2.1 先盘盘手上有什么三类常见数据源与标签口径做数据生成第一件事不是写模型是把数据源和标签口径盘清楚。常见的数据源有三类。第一类是保护装置或故障录波器导出的 COMTRADE 录波文件记录故障前后一段时间的电压电流瞬时值采样率通常在 1kHz 到 10kHz这是质量最高、最值得挖的来源。第二类是 SCADA 或 PMU 历史数据量大但采样率低故障暂态细节被磨掉了适合做辅助增强而不是主训练集。第三类是保护动作报告和调度台账里面有故障类型、故障相别、测距结果用来给波形打标签。我一般会把台账和波形先做一次匹配只留那些能确认故障类型和相别的录波按标准故障类别归档单相接地、两相短路、两相接地、三相短路、断线外加一个“转换性故障”兜底。这里最容易翻车的是标签口径不一致同一个波形在台账里写“A 相接地”在运维记录里写“单相故障”在另一份表里写“单相接地故障”。不先做一次标签映射生成模型会学到一套混乱的类别边界后面分类模型也跟着乱。常见做法是建一个映射表把所有来源的标签转成统一的整数编码再检查每个类别至少有多少条录波。2.2 预处理四步重采样、对齐、归一化、滑窗切分标签盘完就进预处理这一步直接决定生成模型能学到什么。我按四步走重采样、对齐、归一化、滑窗切分。下面的代码是一个可跑的预处理骨架输入是导出的 CSV 波形和一份标准标签映射。import numpy as np from scipy import signal def resample_trace(data, src_rate, dst_rate): 把不同装置的采样率统一到目标采样率保证批次内波形长度一致 n int(round(len(data) * dst_rate / src_rate)) return signal.resample(data, n) def load_and_stack(file_list, label_map, cfg): waveforms, labels [], [] for f in file_list: raw np.loadtxt(f, delimiter,) # 列顺序时间,Ua,Ub,Uc,Ia,Ib,Ic if raw.shape[0] cfg[min_points]: continue w raw[:, 1:7] # 取六路电压电流 w resample_trace(w, cfg[src_rate], cfg[dst_rate]) # 按通道 z-score 归一化各条波形独立算 mean/std避免混入整体统计 mu, sd w.mean(axis0, keepdimsTrue), w.std(axis0, keepdimsTrue) w (w - mu) / (sd 1e-8) waveforms.append(w) labels.append(label_map[f.split(/)[-2]]) # 目录名即故障类别 return np.stack(waveforms), np.array(labels) def make_windows(waveforms, labels, win_len, stride): 滑窗切分一条录波切成多个窗口窗口才是最终训练样本 X, y [], [] for w, lab in zip(waveforms, labels): n_win (len(w) - win_len) // stride 1 for i in range(n_win): X.append(w[i*stride : i*stridewin_len]) y.append(lab) return np.array(X), np.array(y)代码逻辑不复杂但有几个细节值得单独说。重采样用 scipy.signal.resample 做的是整段 FFT 域重采样对长波形会引入端点效应所以我一般先在时域上把故障前两三个周波和故障后五六个周波截出来再重采样既能对齐故障时刻也减小端点伪影。归一化必须按每条波形独立做不能拿整个数据集的均值方差去归一化否则生成模型学到的是数据集整体统计量而非单条故障的形态特征生成的样本会“看起来平均、没有故障味”。滑窗切分的窗口长度由工频周期决定。在 50Hz 系统下一个周波 20ms若采样率 10kHz一个周波就是 200 个点。窗口太短会截断故障暂态过程太长会拉高生成模型输入维度、增加训练难度。常见的配置是 win_len 取 400 点两个周波、stride 取 100 点既能保留故障起振和持续时间又有足够重叠让样本数翻几倍。切完窗后还要看一眼各类别窗口数量如果单相接地有几万个窗口而三相短路只有几百个先把稀有类别做轻量增广加噪、抖动窗口起点再进生成模型。注意预处理阶段的归一化系数一定要留档后面生成样本反归一化时还要用同一套别等训完再后悔。3. 生成模型选型WGAN-GP 为什么比扩散模型更适合故障波形3.1 四个候选方案对比VAE、GAN、WGAN-GP、扩散模型选型时我把四类常见生成方案放在一起比过。判断标准不只看生成质量还要看训练稳定性、采样成本和当前手头的数据量级。下面的表是我当时对比的结果。方案生成质量训练稳定性采样成本对故障波形的适配VAE边缘模糊、形态平庸稳定低能补数量补不了细节标准 GAN细节好、容易模式坍缩不稳定低需要大量调参经验WGAN-GP细节好、收敛稳中等低小样本时序最合适的起点扩散模型最好高高多步采样训练样本上万时才划算选型的判断逻辑是这样的。故障录波本身就是小样本几百到几千条是常态。VAE 的生成结果偏向均值回归把故障波形的电压跌落深度、暂态振荡这些尖锐特征磨平了拿这样的样本去扩充训练集分类器学到的边界还是糊的。标准 GAN 的对抗训练容易出现模式坍缩训到后期只会生成最常见的那一类故障形态。扩散模型生成质量最高但训练和采样都要多步迭代在几千条样本的规模上性价比很低还容易过拟合。WGAN-GP 用 Wasserstein 距离代替原始 GAN 的 JS 散度并加了梯度惩罚训练稳定度明显好细节保留也够是这类一维小样本时序生成的主流起点。3.2 条件生成设计让模型按故障类型产出样本目标不是生成一堆不知道什么类型的波形生产环境里下游分类模型是按类别消费样本的所以要用条件生成。常见做法是借鉴 ACGAN 的思路生成器的输入是随机噪声拼上 one-hot 故障标签判别器除了判真伪还多一个输出头做类别判别。这样做的好处是训练完可以直接指定“给我来 500 条三相短路波形”而不是从生成结果里大海捞针。生成器的结构可以简化成三层第一层把噪声和标签拼接后做一个全连接升维中间用一维转置卷积逐步上采样到目标窗口长度最后一层用 tanh 把输出压到 [-1,1]和预处理归一化后的数据对齐。判别器则是反过来一维卷积堆叠提取时序特征接全局平均池化然后分两个头——一个输出真伪 logit一个输出类别 logit。部件结构要点输出生成器输入concat(噪声 z, one-hot 标签)latent_dim 类别数生成器隐藏层FC ConvTranspose1d 逐级上采样中间特征图生成器输出Conv1d tanh窗口长度 x 6 通道判别器主干Conv1d 堆叠全局平均池化特征向量判别器输出双头真伪 logit 类别 logit1 类别数辅助类别损失不是装饰。没有这个头生成器会偷懒专门去生成最容易骗过判别器的那一类波形类别条件形同虚设。加上类别交叉熵后生成器被逼着按标签出形态判别器也在帮它纠正“生成了 A 类却长得像 B 类”的问题。训练时真伪损失和类别损失要一起反传比例失衡会让模型偏向某一个任务后面调参时发现有类别错乱的样本先查这一层。4. 训练故障波形生成器最小可跑代码与六个必调参数4.1 最小可跑训练脚本PyTorch 实现 WGAN-GP理论到位就可以动手。下面是一个能落地的最小训练脚本包含生成器、判别器、梯度惩罚和训练主循环数据加载部分直接复用第二章预处理好的窗口数组。import torch import torch.nn as nn import torch.nn.functional as F class Generator(nn.Module): def __init__(self, latent_dim, n_class, n_ch, win_len): super().__init__() self.fc nn.Linear(latent_dim n_class, 128) self.conv nn.Sequential( nn.ConvTranspose1d(128, 64, 8, stride4, padding2), nn.BatchNorm1d(64), nn.ReLU(), nn.ConvTranspose1d(64, 32, 8, stride4, padding2), nn.BatchNorm1d(32), nn.ReLU(), nn.Conv1d(32, n_ch, 3, padding1), nn.Tanh()) # 输出压到 [-1,1]和 z-score 后的数据对齐 self.win_len win_len def forward(self, z, label): x torch.cat([z, label], dim1) x self.fc(x).view(x.size(0), 128, 1) x self.conv(x) # 转置卷积输出长度和 win_len 经常对不齐插值到目标长度最省事 return F.interpolate(x, sizeself.win_len, modelinear, align_cornersFalse) class Discriminator(nn.Module): def __init__(self, n_ch, n_class): super().__init__() self.conv nn.Sequential( nn.Conv1d(n_ch, 32, 5, stride2, padding2), nn.LeakyReLU(0.2), nn.Conv1d(32, 64, 5, stride2, padding2), nn.LeakyReLU(0.2), nn.Conv1d(64, 128, 5, stride2, padding2), nn.LeakyReLU(0.2)) self.fc_real nn.Linear(128, 1) # 真/假头 self.fc_cls nn.Linear(128, n_class) # 类别头 def forward(self, x): h self.conv(x).mean(dim2) # 全局平均池化 return self.fc_real(h).squeeze(), self.fc_cls(h) def grad_penalty(netD, real, fake, lam10.0): WGAN-GP 梯度惩罚插值样本上的梯度范数向 1 靠拢 alpha torch.rand(real.size(0), 1, 1, devicereal.device) interp alpha * real (1 - alpha) * fake interp.requires_grad_(True) _, d_interp netD(interp) grad torch.autograd.grad(d_interp, interp, grad_outputstorch.ones_like(d_interp), create_graphTrue)[0] norm grad.view(grad.size(0), -1).norm(2, dim1) return lam * ((norm - 1) ** 2).mean()for epoch in range(epochs): for x_real, y_real in train_loader: x_real x_real.to(device) y_real y_real.to(device).long() # one_hot 要求整型标签 z torch.randn(x_real.size(0), latent_dim, devicedevice) y_oh F.one_hot(y_real, n_class).float() # 判别器先更新 n_critic 次 for _ in range(n_critic): fake netG(z, y_oh).detach() # 判别器这边不能让 G 的梯度回流 d_real, c_real netD(x_real) d_fake, _ netD(fake) wd d_real.mean() - d_fake.mean() cls F.cross_entropy(c_real, y_real) d_loss -wd grad_penalty(netD, x_real, fake) cls optD.zero_grad(); d_loss.backward(); optD.step() # 生成器更新 1 次 fake netG(z, y_oh) d_fake, c_fake netD(fake) g_loss -d_fake.mean() F.cross_entropy(c_fake, y_real) optG.zero_grad(); g_loss.backward(); optG.step()这段代码有三个地方最容易改错。第一判别器输入的 fake 必须 detach不能让生成器的梯度通过判别器回传否则两个网络的优化互相污染。第二梯度惩罚的插值计算必须保持计算图create_graphTrue 不能省省了这步梯度惩罚本身就是错的训练会发散。第三真伪损失前面有负号因为 D 的目标是拉大真实样本和生成样本之间的 Wasserstein 距离方向写反了 loss 会一路为正并失去意义。稳定训练时 d_loss 应该在一个小范围内来回波动单边狂跌或狂涨都说明某一方训练步调失衡。提示先用小样本集把训练循环跑通确认损失方向和维度都对再上完整数据能省去大半调试时间。4.2 六个必调参数建议起点与调参信号训练参数直接决定生成样本能不能用我把必调的六个参数整理成一张表。参数建议初始值调参信号学习率2e-4Adam损失剧烈震荡就降到 1e-4梯度惩罚系数 λ10D loss 单边猛跌时检查是否失效n_critic5生成多样性下降时降到 2-3噪声维度 latent_dim100多样性不足可加到 128batch_size64样本总量少时用 32训练轮数300验证指标连续不涨就提前停几个参数的调整逻辑按经验说。Adam 的 betas 建议用 (0.5, 0.9)默认的 (0.9, 0.999) 在 GAN 这类非凸博弈里容易让判别器跑得太快。n_critic 不是越大越好判别器更新太多会把梯度信息榨干生成器一步都学不动先按 5 起步生成样本形态雷同就往 2 到 3 降。batch_size 受样本总量限制类别窗口数量少时硬上大 batch会让每个 batch 里的稀有类别样本被淹没类别损失起不到约束作用。训练轮数不要固定最好每个 epoch 存一次生成样本看到验证指标连续几个 epoch 不涨就停硬训只会把模式坍缩练得更彻底。5. 生成质量排查与避坑三类验证加五个真实踩坑记录5.1 三类验证统计像不像、多样性够不够、下游分类有没有增益生成完样本不能直接进训练集我一般做三层验证顺序不能换。第一层是统计分布验证对比真实样本和生成样本在每个通道上的均值、方差、峰谷分布更关键的是频谱包络。故障波形有 50Hz 工频分量和谐波分量生成模型如果没学到时序依赖频谱会明显走样比如工频分量削弱、出现大量高频噪声。这一步用几十行脚本就能跑发现问题先别往下走。第二层是多样性验证把生成样本两两算距离。常见做法是算两两相关系数或动态时间规整距离如果距离普遍接近零说明模式坍缩了模型只在重复输出同一种形态。这一层容易漏因为单看一条样本可能很漂亮放在一起才发现全是同一副面孔。第三层是下游增益验证也是最贴近生产的一层。固定一个真实测试集不动用纯真实样本训练分类器 A再用真实加生成样本训练分类器 B比较宏平均 F1。B 能提升两三个百分点以上才说明生成数据真正有用没提升甚至下降前面的统计验证做得再漂亮也要回头找原因。三类验证里前两层是必要不充分第三层才是验收标准。做第三层验证有个细节分类器和生成模型要用同一份数据划分测试集保持纯净只在训练集里混入生成样本。如果测试集里也混了生成数据F1 的提升就失去了意义等于自己考自己。这个划分错误我犯过一次数据一混指标虚高两个点查了半小时才发现测试集脏了。先把测试集锁死再谈增益。5.2 五个踩坑记录现象、原因、解决下面五条都是实际踩过、记进排查清单的按现象、原因、解决三段写。训练卡住时逐条对照有些现象表面不同根因是同一个排查不要只盯一条。现象一训练到一百多轮以后生成样本几乎一模一样连故障相别都分不出来。原因是模式坍缩常见诱因是判别器训练步数太多或生成器学习率偏低类别辅助损失占比太小生成器发现骗过判别器比满足类别条件更容易就放弃按标签生成。解决把 n_critic 从 5 降到 2给生成器单独配 2e-4 的学习率同时观察类别交叉熵是否还在下降不降就把类别损失权重从 1.0 提到 2.0强制条件信号回到优化目标里。现象二生成波形表面平滑但放大后有规律的锯齿频谱上是一簇高频毛刺。原因是转置卷积的重叠效应一维时序上表现为棋盘格伪影的变体。解决把 ConvTranspose1d 换成 Upsample 加普通 Conv1d或者把 kernel 调成 3、padding 调成 1改完再对比频谱毛刺带会消失。这个坑在波形数据上比图像更隐蔽肉眼看波形不如看图片直观频谱检查才是照妖镜。现象三生成样本加进训练集测试 F1 反而往下掉掉得还不少。原因是合成分布和真实分布差距太大分类器找到的捷径是“长这样就是假的”而不是去学故障形态。解决回到 5.1 先做频谱和幅值分布对比找到具体差异通道然后控制混合比例生成样本占训练集不超过三成更保守的做法是只补稀有类别常见类别不动让分类器学到的真实边界不被稀释。现象四判别器 loss 一路猛跌生成器 loss 反向飙升生成结果全是碎波形。原因是梯度惩罚失效或优化步调失衡常见触发点是 create_graph 没开、lambda 写成了 1、学习率超过 2e-4。解决先用固定 batch 做单步调试确认 d_loss 里梯度惩罚项的数值不是 0再把学习率压回 1e-4 到 2e-4 区间。现象五生成样本形状和真实波形很像但幅值范围对不上有时候放大几倍、有时候压缩几倍。原因是归一化系数没有统一训练时每条波形用自己的 mean/std 做了 z-score生成后却用了另一套系数还原或者压根没还原。解决预处理时把每条波形的 mean、std、窗口起点一并存成字典生成样本按对应窗口的系数还原反归一化系数必须在生成流程里随样本走不能事后补算。以上五条里第四条和第五条最隐蔽报错不会直接提示只能靠数值和波形判断。我的习惯是训练脚本里固定随机种子每次改参数后先跑五十个 epoch把 D/G loss 曲线和生成样本可视化存档养成先看曲线、再看样本、最后才看指标的排查顺序。6. 进阶给生成样本加物理约束让数据过得了现场这关统计指标和下游增益都过了生成模型真正要面对的一关是现场保护工程师的审阅。他们会看物理合理性故障期间电压要跌落、电流要变化三相之间要满足对称分量关系同一时刻各通道的波形要互相咬合。纯数据驱动的生成模型不懂这些可能生成出统计分布合格、但物理上一看就假的样本。常见做法有两类。第一类是生成后规则过滤根据故障类型设置物理门槛比如单相接地必须出现对应相别的电压跌落和零序分量不满足的生成样本直接丢弃。第二类是给生成器加辅助物理损失比如在生成器损失里加频谱损失约束 50Hz 工频分量存在且幅值关系合理条件成熟时还可以加对称分量损失把正序、负序、零序的关系纳入优化目标。我实际用得最多的是第一类简单直接、可解释跑生成时多花几分钟过滤出来的样本现场工程师能认。一个教训收尾某次生成的样本统计指标全过、分类增益也正向但保护工程师一眼看出“A 相电压跌到三成的同时 B 相电流纹丝不动”完全不符合对称分量关系整批样本被当场否决。那次之后我每次训练完都会拿三个真实的典型故障波形放在生成样本旁边做一次类比审查先看形态再看频谱最后才交到下游。数据生成不是让模型自己说了算加上物理审查这道保险生成的故障样本才能真正落到诊断和告警分析里去。希望帮到你。本文还有配套的精品资源点击获取

电力系统故障数据生成：用WGAN-GP补齐稀缺样本

相关推荐

代码生成视频：AI 内容创作的下一站，从像素预测到指令渲染的变革

AI Coding频繁返工，问题出在哪？抗返工开发流程改造实录

数据资产智能清查：清查指令与核验模板实战指南

更多资讯

GPT-4更新与API降价：创业公司如何应对大模型生态冲击

自动化办公实战：从流程梳理到AI辅助的完整指南

边际电价机制解析：效率损失到底出在哪一步？

80%的AI应用会消失？工程思维才是超能力

OpenHarmony内核开发实战：任务管理与定时器从入门到精通

Django模板系统深入实践：语法、继承、自定义与性能优化

今日更新

智能硬件视频会议集成：从芯片选型到场景落地的全栈实践

FFmpeg音视频处理与5路RTMP推流实战：从原理到118克盒子部署

RK3528+1GB内存如何变身直播节点？硬编解码与六协议实战复盘

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？