[发明专利]样本生成方法、装置、电子设备和存储介质

说明书

本发明公开了一种样本生成方法、装置、电子设备和存储介质，通过采集至少一个光伏组件的样本运行数据；根据标签样本数据对初始模型进行训练，得到初始故障诊断模型；将无标签样本数据输入至初始故障诊断模型进行故障检测，得到无标签样本数据对应的预测结果；根据无标签样本数据对应的预测结果，对无标签样本数据进行筛选处理，得到目标无标签数据；基于目标无标签数据以及标签样本数据，得到样本训练集；通过结合小样本技术，解决光伏电站实际运维中面临的训练集数据质量问题，大幅提升光伏电站的训练集数据质量，通过样本扩充，提高后续诊断模型的准确率。

技术领域

本发明涉及故障诊断技术领域，具体涉及一种样本生成方法、装置、电子设备和存储介质。

背景技术

环境污染、能源短缺和可持续发展等日益严重的问题引起人们的广泛关注。对于世界上大多数国家来说，发电站所消耗的化石燃料是碳排放的主要原因之一。根据对温室气体排放(主要是二氧化碳)的研究，超过40％的碳排放是由发电过程中的化石燃料燃烧产生的。作为一种清洁的可再生能源，太阳能被认为是一个具有广阔市场前景的低碳发展方向，其中光伏发电是利用太阳能的主要途径之一。光伏组件是光伏系统的核心组成部分，而且大多运行在较为恶劣的户外条件。光伏系统在日常运行中面临诸多潜在的常见故障。由于不同故障类型对光伏系统的发电效率、运行安全以及经济效益的影响程度不同，因此，在光伏组件发生故障后快速准确地诊断故障类型对维护光伏系统的可靠性、可持续发电以及减少发电经济损失是至关重要的。

当前光伏电站在日常运行过程中，只是时刻将系统监测的电气数据记录下来，这其中既包括正常样本也包括故障样本。为了节省运维成本，这些样本中只有很小一部分会被相应的技术人员和专家进行标注，剩余绝大多数样本都是无标签的。这会严重影响现有联邦学习方法获得的每一轮的本地模型和最终全局的准确率。因此，一旦实际光伏电站的样本库只采集到少量标签样本(其余大多数为无标签数据)，会导致现有的光伏故障诊断方法无法完全准确地提取不同故障的特征和区分它们，进而使得最终诊断模型的准确率大幅降低。

发明内容

本发明实施例提供一种样本生成方法、装置、电子设备和存储介质，以解决现有光伏故障诊断的样本受限问题。

一方面，本发明实施例提供一种样本生成方法，所述方法包括：

采集至少一个光伏组件的样本运行数据，所述样本运行数据中包括带有标签的标签样本数据和未带有标签的无标签样本数据；

根据所述标签样本数据对初始模型进行训练，得到初始故障诊断模型；

将所述无标签样本数据输入至所述初始故障诊断模型进行故障检测，得到所述无标签样本数据对应的预测结果；

根据所述无标签样本数据对应的预测结果，对所述无标签样本数据进行筛选处理，得到目标无标签数据；

基于所述目标无标签数据以及所述标签样本数据，得到样本训练集。

另一方面，本发明实施例提供一种样本生成装置，所述装置包括：

采集模块，用于采集至少一个光伏组件的样本运行数据，所述样本运行数据中包括带有标签的标签样本数据和未带有标签的无标签样本数据；

训练模块，用于根据所述标签样本数据对初始模型进行训练，得到初始故障诊断模型；

预测模块，用于将所述无标签样本数据输入至所述初始故障诊断模型进行故障检测，得到所述无标签样本数据对应的预测结果；

筛选模块，用于根据所述无标签样本数据对应的预测结果，对所述无标签样本数据进行筛选处理，得到目标无标签数据；

样本模块，用于基于所述目标无标签数据以及所述标签样本数据，得到样本训练集。

另一方面，本发明实施例提供一种电子设备，所述电子设备包括：