[发明专利]一种基于半监督生成对抗网络的故障选线方法

权利要求书

1.一种基于半监督生成对抗网络的故障选线方法，其特征在于，包括如下步骤：

S1.样本的采集以及数据预处理：

采集和存储从变电站上传到调度系统的历史数据，从中提取出故障选线相关的电气参数并生成样本；

所述样本分为有标签样本和无标签样本，样本中包含了各线路的电气参数，所述电气参数包括三相电流、有功功率、无功功率和功率因数；

采用min-max归一化对所有样本的各电气参数分别进行处理，并将归一化处理后的数据输入半监督生成对抗网络；

S2.基于半监督深层对抗网络的故障选线模型构建：

半监督生成对抗网络包括生成器和判别器，所述生成器用于根据输入的随机噪声生成假数据；所述判别器用于区分输入数据的真假以及输入数据的类别；

所述生成器通过接收一个随机噪声，使用一维反卷积神经网络处理该随机噪声，输出一个与真实样本维度相同的假样本，并将包含有假样本、有标签样本和无标签样本的输入样本输送到所述判别器；

所述判别器与所述生成器通过不断地博弈训练，最终达到平衡，此时判别器对输入样本进行分类预测，使用一维卷积神经网络对输入样本进行特征提取，再通过全连接层对特征进行处理，最终获得模型对输入样本的分类结果，选择出该输入样本代表的故障线路，得到基于半监督深层对抗网络的故障选线模型；

S3.半监督生成对抗网络模型的训练：

特征匹配：以特征匹配作为生成器的损失函数，用于提升模型训练的稳定性；

历史均值：在生成器和判别器的损失函数中添加一项对模型参数的约束，在进行参数更新时，考虑过去的样本提供的信息，用于约束模型参数的波动，从而使模型在原有平衡点的附近寻找新的平衡点；

单侧标签平滑：使用单侧标签平滑技术对样本集标签进行处理，以减少对抗样本对模型的影响，得到改进后的半监督生成对抗网络的生成器以及判别器的损失函数；

采用基于半监督生成对抗网络的故障选线模型训练框架对半监督生成对抗网络进行训练；

S4.基于半监督生成对抗网络的故障选线模型的在线运行：

基于半监督生成对抗网络的故障选线模型架构包括离线训练和在线运行；在离线训练中，半监督生成对抗网络通过博弈训练达到平衡点，此时丢弃生成器，仅将判别器的参数迁移到基于半监督生成对抗网络的故障选线模型；在线运行中，将变电站实时采样的数据传输到调度系统，经过预处理后输入基于半监督生成对抗网络的故障选线模型，基于半监督生成对抗网络的故障选线模型对输入数据进行分类，从而判别出故障线路作为分类结果；

分类结果以及变电站实时采样的数据被存储到样本集的历史数据中，以此实现模型参数的不断更新。