(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210809876.5 (22)申请日 2022.07.11 (71)申请人 华北电力大 学 地址 102206 北京市昌平区北农路2号 (72)发明人 张旭　张紫琪　郭子兴　 (74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 专利代理师 肖继军 (51)Int.Cl. G06F 16/35(2019.01) G06K 9/62(2022.01) G06F 40/30(2020.01) G06F 40/289(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于生成对抗网络的电网故障鲁棒性 增强方法 (57)摘要 本 发 明 提 出 一 种基 于 生 成 对 抗网 络 (Generative  Adversarial  Net,GAN)的电网故 障诊断模型鲁棒性增强方法， 通过 获取电网故障 告警信息实测数据， 处理实测数据得到不同故障 类型告警信息样本； 利用LeakGAN模型对告警信 息样本集进行扩充， 实现实测告警信息样本集数 据增强； 对增强后的告警信息样 本进行分词及向 量化处理， 得到模型输入特征向量； 构建基于一 维卷积神经网络(1D ‑CNN)的电网故障诊断模型， 通过Softmax分类器得到故障设备及故障类型诊 断结果。 本方法通过深度学习模 型对电网实测告 警信息进行数据扩充及故障诊断， 提高了基于数 据驱动的电网故障诊断模型的鲁棒 性和准确性。 权利要求书2页 说明书7页 附图6页 CN 115203414 A 2022.10.18 CN 115203414 A 1.一种基于生成对抗网络的电网故障诊断模型鲁棒性增强方法， 其特征在于， 所述方 法包括： S1、 采集实测电网告警信息， 抽取故障状态下的告警信 息文本并对文本进行预处理， 得 到初始告警信息样本集； S2、 构建基于LeakGAN的电网故障诊断鲁棒性增强模型， 将初始告警信息样本集作 为输 入， 得到数据增强后的告警信息样本集； S3、 对增强后的告警信息样本集进行切词预处理及 向量化表示， 得到向量化后的增强 告警信息样本集； S4、 构建基于1D ‑CNN的电网故障诊断模型； S5、 将所述初始及增强告警信息样本集输入电网故障诊断模型， 对电网故障类型进行 诊断并得 出诊断结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤S1包括： S11： 电网中监控设备产生的事件顺序记录实时上传至SCADA系统， 从SCADA系统中采集 告警信息样本， 过滤掉运行状态异常时的信息以及正常运行状态下设备运行情况、 状态监 测的一般信息， 从中抽取 出与发生故障相关的告警信息集 合； S12： 对告警信息集 合进行预处理， 针对故障设备及瞬时/永久 两种故障类型进行分类； S13： 对分类后的单个告警信息样本进行预处理， 去除时间列， 将一个故障事件下的告 警信息文本整合 为长文本信息作为单个样本， 得到初始告警信息样本集。 3.根据权利要求2所述的方法， 其特 征在于， 所述 步骤S2包括： 所述基于LeakGAN的电网故障诊断鲁棒性增强模型由输入层、 判别器、 层次化生成器和 输出层构成； 所述判别器包括特 征提取器和分类 器； 所述输入层将告警信 息文本按词编码化得到告警信 息输入向量， 特征提取器从告警信 息中抽取特征， 生成特征向量， 分类器对当前生成的告警信息文本进 行真假判别； 层次化生 成器由LSTM网络构成 的高阶Manager模块和低阶Worker模块组成， 输出层将经生成对抗训 练得到的输出向量 转化为告警信息文本 。 4.根据权利要求3所述的方法， 其特征在于， 所述步骤S2包括： 将不同故障设备、 故障类 型的初始告警信息样本集分别输入所述基于LeakGAN的电网故障诊断鲁棒性增强模型中， 将原有样本集中保护信号缺 失、 时序混乱的样 本去除， 新告警信息样 本放入原有样本集中， 得到增强告警信息样本集。 5.根据权利要求 4所述的方法， 其特 征在于， 所述 步骤S3包括： 将上述告警信息样本按生成时间顺序分布处理， 对告警信息样本集进行中文分词， 并 对告警信息样本进行文本向量化， 得到按时间排列且考虑词 序信息及上下文语义特征的文 本特征向量序列， 实现告警信息样本集向量 化。 6.根据权利要求5所述的方法， 其特 征在于， 所述 步骤S4中： 所述电网故障诊断模型包括输入层、 两个卷积层及池化层， 全连接层和Softmax分类全 连接层； 其中， 输入层输入所述文本特征向量序列， 卷积层对 所述序列特征进 行时序特征提 取， 经过特征提取后的告警信息向量序列通过池化层， 得到表述告警信号生成过程的高度 抽象时序特征； 通过全连接层对时序特征进行降维处理， 经Softmax分类器进行分类， 输出 故障诊断结果。权　利　要　求　书 1/2 页 2 CN 115203414 A 27.根据权利要求6所述的方法， 其特 征在于， 所述 步骤S5中： 对经LeakGAN模型进行数据增强前后生成的初始、 增强告警信息样本集按8： 2的比例随 机划分为训练集和测试集， 训练集对故障诊断模型进行训练， 测试集对故障诊断模型准确 性进行测试， 输出混淆矩阵。 8.一种终端， 包括处 理器及存 储介质； 其特 征在于： 所述存储介质用于存 储指令； 所述处理器用于根据 所述指令进行操作以执行根据权利要求1 ‑7任一项所述方法的步 骤。 9.计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行时 实现权利要求1 ‑7任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115203414 A 3