一种基于数据增强模型的基于数据增强模型的变压器故障诊断方法及相关设备

本发明公开了一种基于数据增强模型的变压器故障诊断方法及相关设备，通过在考虑数据列不同数据类型的条件下，引入CRS模块通过对生成数据的拒绝采样，实现了对CTGAN的训练过程优化，从而实现了DGA表格数据的高质量生成，并使用KS指标与CNN模型对生成数据的质量进行评估；利用基于全类型气体比值与随机森林算法对DGA数据特征进行扩增与筛选，在原有只选择部分经验特征的背景下，实现了对气体比值特征的大规模丰富和有效筛选。后续使用CNN模型验证了数据维度扩增方法的有效性，实现特征维度扩增的同时，提高了特征表达力；通过上述数据处理操作，解决了现有技术数据生成质量差，变压器故障诊断精度低的问题。