Im Rahmen der Forschungen im Bereich der automatisierten KI-basierten Teilentladungsanalyse wird untersucht, inwiefern Generative Adversarial Networks (GAN) eingesetzt werden können um die Robustheit und Genauigkeit von TE-Analyse und Monitoring Systemen zu erhöhen. Hierbei wird das GAN verwendet, um künstliche TEs zu erzeugen, die das Training von Analysesystemen verbessern.

Bei einer Kl basierten TE-Analyse, ist es entscheidet, dem Neuronalen Netzwerk so viele Informationen über die TE wie möglich zur Verfügung zu stellen, die dann vom Netzwerk analysiert werden können. Aus diesem Grund wird anstatt der oft üblichen Methode, nur die scheinbare Ladung und den Phasenbezug zu messen, die gesamte hochaufgelöste TE-Stromimpulsform gemessen und verarbeitet. Hierbei entstehen enorme Datenmengen, die nur mit großem Aufwand übertragen, gespeichert oder verarbeitet werden können. Daher wurde zunächst untersucht, wie Kompressionsalgorithmen eingesetzt werden können, um die Datenmenge zu reduzieren. Hierbei wurden drei klassische Verfahren und eine neues KI-basiertes Verfahren eingesetzt und bewertet.