一种电力边缘侧设备的数据增强方法、装置及终端设备制造方法及图纸

本发明专利技术适用于电力系统监测技术领域，提供了一种电力边缘侧设备的数据增强方法、装置及终端设备，该方法包括：获取电力边缘设备的初始数据，将初始数据进行预处理，生成待增强数据；待增强数据包括量测数据和运行监控数据；将量测数据输入预存的第一生成对抗网络，生成增强量测数据；将所述运行监控数据输入预存的第二生成对抗网络，生成增强运行监控数据；计算增强量测数据和增强运行监控数据的关联性参数，若关联性参数负荷预设的关联性阈值，则输出增强量测数据和增强运行监控数据。本发明专利技术提供的电力边缘侧设备的数据增强方法能够基于数量不足的电力边缘设备数据生成新的可靠的增强量测数据和增强运行监控数据，为电力提供数据分析提供依据。供数据分析提供依据。供数据分析提供依据。

【技术实现步骤摘要】
一种电力边缘侧设备的数据增强方法、装置及终端设备


[0001]本专利技术属于电力系统监测
，尤其涉及一种电力边缘设备的数据增强方法、装置及终端设备。

技术介绍

[0002]随着智能电网体系架构的不断演变，在电力系统各个环节部署的智能设备数量快速增加。在配电、用电等智能电网体系中，客户侧边缘计算的应用范围越来越广，边缘计算能够为电网运行各个环节的分析提供重要的数据和技术支撑。
[0003]客户侧边云协同新架构要求电力边缘侧设备侧重于实时数据、系统异构、短周期数据、安全和隐私数据等要求较高的数据领域；云计算侧重于长周期密集型的多源复杂数据分析。具体的，在靠近数据源的位置部署边缘节点，由边缘节点就地完成数据采集、处理和分析。集中式云平台的计算工作能够被分散地分配到各个边缘节点，使整个系统实现快速高效响应。边云协同智能技术因节省带宽、减少时延、保护数据隐私等优点，而具有巨大的发展潜力。人工智能在机器学习、自然语言处理、机器人学、计算机视觉、语音识别等领域发挥越来越重要的作用，其中深度学习被普遍应用到电力系统中，为数据的分析提供技术支撑。
[0004]为了实现有效地数据分析，需要大量优质的数据资源，只有数据的可靠性佳，才能快速精确的掌握数据的内在特征，起到事半功倍的效果，使后续的测试集具有更好的准确率和更低的损失率。然而，由于电力系统中的数据类型繁多，某些种类的数据可能存在有效数据不足的情况。进一步收集数据会耗费大量的人力、物力和时间成本。若对此类数量过少的数据类型进行分析，可能会出现分析结果过拟合的问题，给边缘设备数据处理带来不稳定性，可靠性和准确性差。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种电力边缘侧设备的数据增强方法、装置及终端设备，能够基于数量不足的电力边缘设备数据生成新的可靠数据，为电力提供数据分析提供依据。
[0006]本专利技术实施例的第一方面提供了一种电力边缘侧设备的数据增强方法，包括：
[0007]获取电力边缘侧设备的初始数据，将所述初始数据进行预处理，生成待增强数据；所述待增强数据包括量测数据和运行监控数据；
[0008]将所述量测数据输入预存的第一生成对抗网络，生成增强量测数据；
[0009]将所述运行监控数据输入预存的第二生成对抗网络，生成增强运行监控数据；
[0010]计算所述增强量测数据和所述增强运行监控数据的关联性参数，若所述关联性参数符合预设的关联性阈值，则输出所述增强量测数据和所述增强运行监控数据。
[0011]本专利技术实施例的第二方面提供了一种电力边缘侧设备的数据增强装置，包括：
[0012]数据获取模块，用于获取电力边缘侧设备的初始数据，将所述初始数据进行预处
理，生成待增强数据；所述待增强数据包括量测数据和运行监控数据；
[0013]增强量测数据生成模块，用于将所述量测数据输入预存的第一生成对抗网络，生成增强量测数据；
[0014]增强运行监控数据生成模块，用于将所述运行监控数据输入预存的第二生成对抗网络，生成增强运行监控数据；
[0015]关联性参数计算模块，用于计算所述增强量测数据和所述增强运行监控数据的关联性参数，若所述关联性参数符合预设的关联性阈值，则输出所述增强量测数据和所述增强运行监控数据。
[0016]本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
[0017]本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
[0018]本专利技术实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得电子设备执行上述第一方面中任一项所述方法的步骤。
[0019]本专利技术实施例与现有技术相比存在的有益效果是：本专利技术实施例提供的电力边缘设备的数据增强方法包括，获取电力边缘设备的初始数据，将初始数据进行预处理，生成待增强数据；待增强数据包括量测数据和运行监控数据；将量测数据输入预存的第一生成对抗网络，生成增强量测数据；将所述运行监控数据输入预存的第二生成对抗网络，生成增强运行监控数据；计算增强量测数据和增强运行监控数据的关联性参数，若关联性参数负荷预设的关联性阈值，则输出增强量测数据和增强运行监控数据。本专利技术实施例提供的电力边缘侧设备的数据增强方法能够基于数量不足的电力边缘设备数据生成新的可靠的增强量测数据和增强运行监控数据，为电力提供数据分析提供依据。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术实施例提供的电力边缘设备的数据增强方法的实现流程示意图；
[0022]图2是本专利技术实施例提供的电力边缘设备的数据增强方法中生成对抗网络的结构示意图；
[0023]图3是本专利技术实施例提供的电力边缘设备的数据增强装置的结构示意图；
[0024]图4是本专利技术实施例提供的终端设备的示意图。
具体实施方式
[0025]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电
路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0026]为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。
[0027]电力边缘侧设备可以获取电力系统的量测数据、运行监控数据等信息，但此类数据的规模通常较小，不利于基于大数据技术的应用与分析。
[0028]本专利技术实施例提供的电力边缘设备的数据增强方法通过对生成对抗网络进行改进，生成新的数据，实现电力边缘侧设备的小样本数据增强。
[0029]在一些实施例中，生成对抗网络由生成器和判别器构成，生成器负责学习数据样本的分布规律，并产生新的样本数据；判别器负责判断输入的数据是否为符合真实性要求。
[0030]在一些实施例中，通过生成网络和判别网络的相互博弈学习，产生较好的输出，使生成的数据与实际边缘设备获取的实际数据差异最小。其中，判别网络用于分辨出生成的数据和真实的数据，而生成网络用于制造出判别网络无法辨别的生成样本。两个网络之间不断对抗，直至判别网络无法分辨出生成样本与真实样本，从而实现数据增强的目的。
[0031]图1示出了本专利技术实施例提供的电力边缘侧设备的数据增强方法的实现流程示意图。参见图1，本专利技术实施例提供的电力边缘侧设备的数据增强方法可以包括步骤S10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力边缘侧设备的数据增强方法，其特征在于，包括：获取电力边缘侧设备的初始数据，将所述初始数据进行预处理，生成待增强数据；所述待增强数据包括量测数据和运行监控数据；将所述量测数据输入预存的第一生成对抗网络，生成增强量测数据；将所述运行监控数据输入预存的第二生成对抗网络，生成增强运行监控数据；计算所述增强量测数据和所述增强运行监控数据的关联性参数，若所述关联性参数符合预设的关联性阈值，则输出所述增强量测数据和所述增强运行监控数据。2.如权利要求1所述的电力边缘侧设备的数据增强方法，其特征在于，所述将所述量测数据输入预存的第一生成对抗网络之前，所述方法还包括：构建所述第一生成对抗网络的框架，所述第一生成对抗网络包括第一生成网络和第一判别网络；在所述第一生成网络和所述第一判别网络中引入条件变量，构建第一生成对抗网络的第一损失函数；基于历史量测数据和所述第一损失函数进行迭代训练，计算最优的第一网络参数，得到所述第一生成对抗网络。3.如权利要求2所述的电力边缘侧设备的数据增强方法，其特征在于，所述构建第一生成对抗网络的第一损失函数，包括：基于第一生成网络建立第一概率似然函数；基于所述概率似然函数建立第一概率等式；基于所述第一概率等式建立所述第一损失函数。4.如权利要求3所述的电力边缘侧设备的数据增强方法，其特征在于，所述第一概率似然函数包括：P
11
＝minE
P(m)
log D
A
(m)P
12
＝maxE
P(g(h))
log D
A
(G(h))所述第一概率等式包括：max E
P(g(h))
log D
A
(G(h))＝min E
P(g(h))
log(1
‑
D
A
(G(h)))其中，h为隐藏变量，G(h)为第一生成网络根据隐藏变量生成的量测数据生成样本，D
A
(m)为分类器A输出量测数据真实样本的条件概率，E
P(m)
为输出量测数据真实样本的期望，D
A
(G(h)为分类器A输出量测数据生成样本的条件概率，E
P(g(h))
为输出量测数据生成样本的期望。5.如权利要求3所述的电力边缘侧设备的数据增强方法，其特征在于，所述第一损失函数包括：Loss
1p
＝min[E
P(m)
log D
A
(m∣n)+E
P(g(h))
log(1
‑
D
A
...

【专利技术属性】
技术研发人员：申洪涛，李飞，孙胜博，陈蕾，史轮，高波，杨挺，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：