[發明專利]一種基于半監督生成對抗網絡的故障選線方法

有效

• 申請號: 202111024902.5
• 申請日: 2021-09-02
• 公開（公告）號: CN113721113B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 韋化;蘇先昕;張玄;高維;張樂;李佩杰
• 申請（專利權）人: 廣西大學
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06F18/214;G06N3/0475;G06N3/045;G06N3/094
• 代理公司: 廣西匯佳知識產權代理事務所(普通合伙) 45125
• 代理人: 李秋琦

1.一種基于半監督生成對抗網絡的故障選線方法，其特征在于，包括如下步驟：

S1.樣本的采集以及數據預處理：

采集和存儲從變電站上傳到調度系統的歷史數據，從中提取出故障選線相關的電氣參數并生成樣本；

所述樣本分為有標簽樣本和無標簽樣本，樣本中包含了各線路的電氣參數，所述電氣參數包括三相電流、有功功率、無功功率和功率因數；

采用min-max歸一化對所有樣本的各電氣參數分別進行處理，并將歸一化處理后的數據輸入半監督生成對抗網絡；

S2.基于半監督深層對抗網絡的故障選線模型構建：

半監督生成對抗網絡包括生成器和判別器，所述生成器用于根據輸入的隨機噪聲生成假數據；所述判別器用于區分輸入數據的真假以及輸入數據的類別；

所述生成器通過接收一個隨機噪聲，使用一維反卷積神經網絡處理該隨機噪聲，輸出一個與真實樣本維度相同的假樣本，并將包含有假樣本、有標簽樣本和無標簽樣本的輸入樣本輸送到所述判別器；

所述判別器與所述生成器通過不斷地博弈訓練，最終達到平衡，此時判別器對輸入樣本進行分類預測，使用一維卷積神經網絡對輸入樣本進行特征提取，再通過全連接層對特征進行處理，最終獲得模型對輸入樣本的分類結果，選擇出該輸入樣本代表的故障線路，得到基于半監督深層對抗網絡的故障選線模型；

S3.半監督生成對抗網絡模型的訓練：

特征匹配：以特征匹配作為生成器的損失函數，用于提升模型訓練的穩定性；

歷史均值：在生成器和判別器的損失函數中添加一項對模型參數的約束，在進行參數更新時，考慮過去的樣本提供的信息，用于約束模型參數的波動，從而使模型在原有平衡點的附近尋找新的平衡點；

單側標簽平滑：使用單側標簽平滑技術對樣本集標簽進行處理，以減少對抗樣本對模型的影響，得到改進后的半監督生成對抗網絡的生成器以及判別器的損失函數；

采用基于半監督生成對抗網絡的故障選線模型訓練框架對半監督生成對抗網絡進行訓練；

S4.基于半監督生成對抗網絡的故障選線模型的在線運行：

基于半監督生成對抗網絡的故障選線模型架構包括離線訓練和在線運行；在離線訓練中，半監督生成對抗網絡通過博弈訓練達到平衡點，此時丟棄生成器，僅將判別器的參數遷移到基于半監督生成對抗網絡的故障選線模型；在線運行中，將變電站實時采樣的數據傳輸到調度系統，經過預處理后輸入基于半監督生成對抗網絡的故障選線模型，基于半監督生成對抗網絡的故障選線模型對輸入數據進行分類，從而判別出故障線路作為分類結果；

分類結果以及變電站實時采樣的數據被存儲到樣本集的歷史數據中，以此實現模型參數的不斷更新。