[发明专利]一种基于生成对抗网络的电网故障定位方法

说明书

本发明公开了一种基于生成对抗网络的电网故障定位方法，包括如下步骤：S1、获电网线路上的电缆故障数据集，对电缆故障数据集进行预处理，将电缆故障数据集分为测试集Tx以及训练集Td；S2、建立生成对抗网络结构；S3、通过特征提取网络H对训练集Td的分割特征进行提取；S4将分割特征分别输入到鉴别网络D中进行特征对比；基于对抗学习的方式，对生成网络G和鉴别网络D进行迭代训练；使得生成网络G和鉴别网络D达到那什均衡；S5、将测试集Tx输入到训练好的生成对抗网络中进行故障定位检测。通过训练后的生成对抗网络对电网线路中的电缆故障点进行检测，检测结果更加快速、准确，有效提高了电网电缆故障点定位效率及可靠性。

技术领域

本发明涉及故障定位技术领域，具体的，涉及一种基于生成对抗网络的电网故障定位方法。

背景技术

生成对抗网络GAN是一种生成对抗模型，受到博弈论影响，模型通常由一个生成器和一个鉴别器构成。生成器捕获真实数据的潜在分布，并且生成新的数据样本；鉴别器是二分器，鉴别输入数据为真实数据还是由生成器生成的样本。生成器和鉴别器网络结构均为卷积神经网络。生成对抗网络涉及数据分析领域，将真实数据作为生成对抗网络输入，生成网络输出分析结果。分析结果的真实性决定了生成对抗网络的性能与否。电网故障检测是在故障拓扑数据中进行电网故障点的识别，其中故障点的选取根据实际情况限定。故障检测模型方法一般分为三类：无监督故障检测、监督故障检测和半监督故障检测，通常选择监督异常检测方法，训练得到输出分析结果中具体故障定位策略的模型；传统故障检测模型结构均为单一一体化的卷积网络，并不涉及生成对抗网络中存在两个互相对抗的网络结构，导致故障点的查找存在一定困难。

发明内容

本发明的目的是解决射频电路的设计过程中采用有源晶振成本较高、在保证RFIC原有射频性能参数前提下尽量缩小射频模块的体积并实现频率偏差校正的问题，提出了一种射频信号频率自动校准电路及其控制方法，能够较低成本、较高效率前提条件下实现射频信号频率校准。

为实现上述技术目的，本发明提供的一种技术方案是，一种基于生成对抗网络的电网故障定位方法，包括如下步骤：

S1、获电网线路上的电缆故障数据集，并构建表征电网线路上的电缆故障拓扑结构N＝[J1，J2，…，Jn]，其中，n为电缆故障点的节点编号，对电缆故障数据集进行预处理，将电缆故障数据集分为测试集Tx以及训练集Td；

S2、构建生成对抗网络结构，生成对抗网络结构包括有生成网络G、鉴别网络D以及特征提取网络H；其中，生成网络G，结构中包含卷积层、反卷积层、LR层以及B层；鉴别网络D，结构中包含卷积层、LR层以及B层；

S3、通过特征提取网络H对训练集Td的分割特征进行提取；获取红色绝缘胶带的像素个数、黑色保护层的尺寸以及裸露线缆的像素个数；

S4将分割特征分别输入到鉴别网络D中进行特征对比；基于对抗学习的方式，对生成网络G和鉴别网络D进行迭代训练；使得生成网络G和鉴别网络D达到那什均衡；

S5、将测试集Tx输入到训练好的生成对抗网络中进行故障定位检测。

本方案中，选取电网线路中的电缆作为检测对象，对电网全域的电缆接头图像数据进行采集，制成电缆故障拓扑结构，生成电缆故障数据集，对电缆故障数据集进行图像预处理后，作为生成对抗网络的输入，基于对抗学习的方式，对生成网络G和鉴别网络D进行迭代训练；使得生成网络G和鉴别网络D达到那什均衡，训练后得到用于电网故障定位的生成对抗网络，通过训练后的生成对抗网络对电网线路中的电缆故障点检测结果更加快速、准确，有效提高了电网电缆故障点定位效率及可靠性。

作为优选，S1中，对电缆故障数据集进行预处理包括如下步骤：

采集电网线路上个各检测点的电缆图片数据，使用YOLOV5目标检测算法对获取到的图片进行目标识别，识别出图片中的电缆；使用labelme工具对图片中的电缆进行标注；

根据电缆检测框位置，将电缆从图片中截取出来生成图片数据集。