[發明專利]基于深度對抗網絡的電力線路監控異常識別方法及系統

在審

• 申請號: 202110059517.8
• 申請日: 2021-01-18
• 公開（公告）號: CN112613494A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 秦源汛;何紅太;周環;桂菲菲;熊鵬
• 申請（專利權）人: 北京國網富達科技發展有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 韓雪梅

1.一種基于深度對抗網絡的電力線路監控異常識別方法，其特征在于，包括：

構建深度對抗網絡；所述深度對抗網絡包括生成器和判別器；所述生成器用于生成虛假圖片；所述判別器用于判別輸入的圖像是否為虛假圖片；

基于訓練樣本集，對所述深度對抗網絡中的生成器和判別器交替訓練，得到訓練好的判別器；所述訓練樣本集包括多個真實樣本和對應的多個虛假樣本；

獲取待識別電力線路監控圖像；

將所述待識別電力線路監控圖像輸入所述訓練好的判別器，識別所述待識別電力線路監控圖像是否為虛假圖片，得到識別結果。

2.根據權利要求1所述的基于深度對抗網絡的電力線路監控異常識別方法，其特征在于，所述深度對抗網絡還包括：第一解碼器網絡和第二解碼器網絡；所述真實樣本通過所述第一解碼器網絡生成所述真實樣本對應的第一潛空間變量；所述第一潛空間變量經過所述生成器，生成所述真實樣本對應的虛假圖片；所述虛假圖片通過所述第二解碼器網絡生成第二潛空間變量。

3.根據權利要求2所述的基于深度對抗網絡的電力線路監控異常識別方法，其特征在于，所述基于訓練樣本集，對所述深度對抗網絡中的生成器和判別器交替訓練，得到訓練好的判別器，具體包括：

根據所述訓練樣本集，基于生成器生成每個真實樣本的生成樣本，得到多個訓練樣本對；所述生成樣本為所述真實樣本對應的虛假圖片，每個訓練樣本對包括一個真實樣本及對應的生成樣本；

固定所述生成器，基于所有訓練樣本對對所述判別器進行一次訓練，并基于第一損失函數更新所述判別器的參數，完成一次判別器迭代；

當完成k次判別器迭代后，基于學習率更新一次所述生成器的參數，完成一次生成器初始迭代；

當完成n次生成器初始迭代后，基于更新后的生成器生成每個真實樣本的生成樣本，完成一次多個訓練樣本對的更新；

當完成d次多個訓練樣本對的更新后，通過所有訓練樣本對對所述生成器進行一次訓練，基于第二損失函數更新所述生成器的參數，完成一次生成器的更新迭代；并通過所有訓練樣本對對第二解碼器網絡進行一次訓練，結合第三損失函數更新所述第二解碼器網絡的參數，完成一次所述第二解碼器網絡的更新；

鎖定一次更新后的所述第二解碼器網絡，基于所有訓練樣本對對所述生成器進行一次訓練，并基于第三損失函數更新所述生成器的參數，完成一次生成器的最終迭代；返回“固定所述生成器，基于所有訓練樣本對對所述判別器進行一次訓練，并基于第一損失函數更新所述判別器的參數，完成一次判別器迭代”步驟；

當判別器迭代的累計迭代次數達到最大迭代次數時，將最后一次判別器迭代更新參數后的判別器確定為訓練好的判別器。

4.根據權利要求3所述的基于深度對抗網絡的電力線路監控異常識別方法，其特征在于，所述第一損失函數為判別器輸出的生成樣本的識別結果與對應的虛假樣本之間的歐幾里得距離；所述第二損失函數為真實樣本與所述生成器生成的生成樣本之間的曼哈頓距離；所述第三損失函數為第一潛空間變量與第二潛空間變量之間的歐幾里得距離。

5.根據權利要求1所述的基于深度對抗網絡的電力線路監控異常識別方法，其特征在于，所述判別器包括一個編碼器和與所述編碼器連接的全連接神經元網絡層。

6.一種基于深度對抗網絡的電力線路監控異常識別系統，其特征在于，包括：

深度對抗網絡構建模塊，用于構建深度對抗網絡；所述深度對抗網絡包括生成器和判別器；所述生成器用于生成虛假圖片；所述判別器用于判別輸入的圖像是否為虛假圖片；

訓練模塊，用于基于訓練樣本集，對所述深度對抗網絡中的生成器和判別器交替訓練，得到訓練好的判別器；所述訓練樣本集包括多個真實樣本和對應的多個虛假樣本；

待識別電力線路監控圖像獲取模塊，用于獲取待識別電力線路監控圖像；

識別模塊，用于將所述待識別電力線路監控圖像輸入所述訓練好的判別器，識別所述待識別電力線路監控圖像是否為虛假圖片，得到識別結果。