[发明专利]电网缺陷数据选取方法、装置、设备和介质

权利要求书

1.一种电网缺陷数据选取方法，其特征在于，包括：

采集电网缺陷数据，对电网缺陷数据进行处理得到少数缺陷类电网缺陷数据样本集；

用环境状态作为输入以训练电网缺陷数据选取网络，得到目标网络；其中，环境状态即电网缺陷数据；

测试目标网络对电网缺陷数据的分类性能。

2.根据权利要求1所示电网缺陷数据选取方法，其特征在于，所述对电网缺陷数据进行处理得到少数缺陷类电网缺陷数据样本集，具体为：

用上采样方法对电网缺陷数据集进行处理得到少数缺陷类电网缺陷数据样本集。

3.根据权利要求1所示电网缺陷数据选取方法，其特征在于，所述用环境状态作为输入以训练电网缺陷数据选取网络，得到目标网络；包括：

随机初始化所有的环境状态和动作对应的电网缺陷数据选取网络的参数和电网缺陷数据选择标识，并且清空经验回放集合；

设置训练电网缺陷数据选取网络的方案的参数；

将各个环境状态依次输入到电网缺陷数据选取网络内以训练电网缺陷数据选取网络的参数，至到电网缺陷数据选取网络迭代结束或者收敛，使得回报函数最大化，从而得到目标网络。

4.根据权利要求3所示电网缺陷数据选取方法，其特征在于，

所述将各个环境状态依次输入到电网缺陷数据选取网络内以训练电网缺陷数据选取网络的参数，至到电网缺陷数据选取网络迭代结束或者收敛，使得回报函数最大化，从而得到目标网络包括：

遍历状态序列内的所有环境状态，将得到第一个特征向量、第二个特征向量、环境奖励和动组成一个数据组合，并且存入经验回放集合；

从经验回放集合中采样多个数据组合作为样本，以计算当前目标网络的值y_j；

根据计算得到的目标网络的值，使用如公式(1)所示均方差损失函数，通过神经网络的梯度反向传播来更新目标网络的参数；

如果当前环境状态在状态序列内的次序占据参数更新频率的百分比的数值为1，则更新目标网络的参数。

5.根据权利要求4所示电网缺陷数据选取方法，其特征在于，

遍历状态序列内的所有环境状态，将得到第一个特征向量、第二个特征向量、环境奖励和动作组成一个数据组合，并且存入经验回放集合D，包括：

以状态序列内的第一个环境状态为当前环境状态；

根据状态序列内的当前环境状态生成第一个特征向量；

将第一个特征向量输入目标网络，得到电网缺陷数据选择标识，目标网络根据电网缺陷数据选择标识确定是否选择相应的电网缺陷数据；

计算环境奖励；

状态序列内的当前环境状态之后的下一个环境状态是第二个环境状态，根据第二个环境状态生成第二个特征向量；

根据电网缺陷数据选择标识选择对应的动作；

将第一个特征向量、第二个特征向量、环境奖励和动作组成一个数据组合，并且存入经验回放集合；

以状态序列内的当前的第二个环境状态为当前环境状态，之后从步骤根据状态序列内的当前环境状态生成第一个特征向量循环执行，遍历状态序列内的所有环境状态。

6.根据权利要求1所示电网缺陷数据选取方法，其特征在于，所述测试目标网络的对电网缺陷数据的分类性能包括：

将实际为正类的样本分为预测为正类和预测为负类两部分，将实际为负类的样本分为预测为负类和预测为正类；

将正类的样本预测为正类、正类的样本正类预测为负类、负类的样本预测为负类和负类的样本预测为正类组合成混淆矩阵来评价分类模型；

综合分类器的特异性和分类器的召回率来评价分类效果。

7.电网缺陷数据选取装置，其特征在于，包括：

制作电网缺陷数据样本集模块，用于采集电网缺陷数据，对电网缺陷数据进行处理得到少数缺陷类电网缺陷数据样本集；

训练电网缺陷数据选取网络模块，用于将环境状态作为输入以训练电网缺陷数据选取网络，得到目标网络；

目标网络性能测模块，用于测试目标网络的对电网缺陷数据的分类性能。