本发明专利技术公开了一种直流电弧数据的生成方法、装置及存储介质，适用于数据增强技术领域。将实际直流电弧数据训练生成网络，根据隐空间采样得到隐变量，将隐变量输入至当前生成网络得到初始生成数据；根据实际直流电弧数据随机采样得到电弧数据，并与初始生成数据进行线性插值得到梯度惩罚项数据；将梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据；直至生成网络参数数据收敛得到最终生成网络，进而得到生成数据以作为大量的直流电弧检测数据，解决了现有的人工采集数据困难和数量少的问题，降低时间资源和人力成本。力成本。力成本。
【技术实现步骤摘要】
一种直流电弧数据的生成方法、装置及存储介质
[0001]本专利技术涉及数据增强
，特别是涉及一种直流电弧数据的生成方法、装置及存储介质。
技术介绍
[0002]随着光伏发电的迅速普及以及大量光伏设备的长时间运行，一些严重的电器安全问题也凸显出来。全球范围内，光伏发电的各类安全事故中，电器火灾发生的频次最高，带来的损失和伤害也较大，其火灾的发生原因大多数是由光伏系统直流端故障电弧引起，例如光伏组件长期运行发生老化、断裂，组件连接端接触不良等，直流电弧一旦产生便很难熄灭，产生的弧温可达3000℃以上，不仅造成周遭的绝缘物质分解或碳化而失去绝缘的功效，同时也容易导致邻近的物质自燃，严重威胁人身及财产安全。
[0003]现有的直流电弧检测技术中，基于人工智能(Artificial Intelligence，AI)检测方法相较于传统的频域时域分析方法在噪声适应性和场景适应性上均取得较好的效果。但需要采集大量不同工况下的正常数据和电弧数据，其采取人工采集数据的方式，由于采集的数据量较多，其耗费的时间和人力也随之增加，使得检测方法的数据采集较为困难，增加人力成本。
[0004]因此，如何提高直流电弧检测方法的采集数据量是本领域技术人员亟需要解决的。
技术实现思路
[0005]本专利技术的目的是提供一种直流电弧数据的生成方法、装置及存储介质，解决了现有的人工采集数据困难和数量少的问题，降低时间资源和人力成本。
[0006]为解决上述技术问题，本专利技术提供一种直流电弧数据的生成方法，包括：
[0007]获取电站的实际直流电弧数据和隐空间；
[0008]根据隐空间采样得到隐变量，将隐变量输入至当前生成网络得到初始生成数据；
[0009]根据实际直流电弧数据随机采样得到电弧数据，并与初始生成数据进行线性插值得到梯度惩罚项数据；
[0010]将梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据；
[0011]判断生成网络参数数据是否收敛；
[0012]若是，则将生成网络参数应用至当前生成网络得到最终生成网络，并将隐变量输入至最终生成网络得到生成数据；
[0013]若否，则将生成网络参数应用至当前生成网络作为下一次的当前生成网络，并返回至将隐变量输入至当前生成网络得到初始生成数据的步骤。
[0014]优选地，将电弧数据与初始生成数据进行线性插值得到梯度惩罚项数据，包括：
[0015]根据均匀分布随机选取权重系数；
[0016]根据权重系数、电弧数据与初始生成数据的关系确定加权和数据；
[0017]将加权和数据输入至梯度惩罚项模型得到梯度惩罚项数据。
[0018]优选地，将梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据，包括：
[0019]将初始生成数据输入至对抗网络模型的判别网络函数得到第一判别网络值；
[0020]将电弧数据输入至判别网络函数得到第二判别网络值；
[0021]将第一判别网络值、第二判别网络值与梯度惩罚项数据的关系进行梯度回传以及确定判别网络参数更新；
[0022]将第一判别网络值的相反数作为对抗网络模型的生成网络损失函数的值并进行梯度回传以确定生成网络参数数据。
[0023]优选地，获取电站的实际直流电弧数据，包括：
[0024]获取电站各工况对应的初始直流正常数据和初始直流电弧数据；
[0025]将初始直流正常数据和初始直流电弧数据均进行标准化处理得到实际直流电弧数据。
[0026]优选地，判断生成网络参数数据是否收敛，包括：
[0027]统计参数更新的次数；
[0028]判断次数是否达到预设次数；
[0029]若达到预设次数，则确定生成网络参数数据收敛；
[0030]若未达到预设次数，则确定生成网络参数数据未收敛。
[0031]优选地，隐空间为服从标准正态分布的N维欧几里得空间。
[0032]优选地，还包括：
[0033]将生成数据进行直流电弧检测确定真正例数据、真负例数据、假正例数据和假负例数据；
[0034]将真正例数据、真负例数据、假正例数据和假负例数据对应进行准确率、精确率、召回率和F1
‑
Score计算得到对应的参数值；
[0035]当各参数值满足预设条件时，则输出提示信息。
[0036]为解决上述技术问题，本专利技术还提供一种直流电弧数据的生成装置，包括：
[0037]获取模块，用于获取电站的实际直流电弧数据和隐空间；
[0038]第一输入模块，用于根据隐空间采样得到隐变量，将隐变量输入至当前生成网络得到初始生成数据；
[0039]线性模块，用于根据实际直流电弧数据随机采样得到电弧数据，并与初始生成数据进行线性插值得到梯度惩罚项数据；
[0040]第二输入模块，用于将梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据；
[0041]判断模块，用于判断生成网络参数数据是否收敛，若是，则触发生成模块，若否，则触发返回模块；
[0042]生成模块，用于将生成网络参数应用至当前生成网络得到最终生成网络，并将隐变量输入至最终生成网络得到生成数据；
[0043]返回模块，用于将生成网络参数应用至当前生成网络作为下一次的当前生成网
络，并返回至将隐变量输入至当前生成网络得到初始生成数据的步骤。
[0044]为解决上述技术问题，本专利技术还提供一种直流电弧数据的生成装置，包括：
[0045]存储器，用于存储计算机程序；
[0046]处理器，用于执行计算机程序时实现如上述直流电弧数据的生成方法的步骤。
[0047]为解决上述技术问题，本专利技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述直流电弧数据的生成方法的步骤。
[0048]本专利技术提供的一种直流电弧数据的生成方法，包括获取电站的实际直流电弧数据和隐空间；根据隐空间采样得到隐变量，将隐变量输入至当前生成网络得到初始生成数据；根据实际直流电弧数据随机采样得到电弧数据，并与初始生成数据进行线性插值得到梯度惩罚项数据；将梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据；判断生成网络参数数据是否收敛；若是，则将生成网络参数应用至当前生成网络得到最终生成网络，并将隐变量输入至生成网络得到生成数据；若否，则将生成网络参数应用至当前生成网络作为下一次的当前生成网络，返回至将隐变量输入至当前生成网络得到初始生成数据的步骤。该方法通过获取实际直流电弧数据训练生成网络，直至生成网络参数数据收敛得到最终生成网络，进而得到生成数据以作为大量的直流电弧检测数据，解决了现有的人工采集数据困难和数量少的问题，降低时间资源和人力成本。
[0049]另外，本专利技术还提供了一种直流电弧数据的生成装置本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种直流电弧数据的生成方法，其特征在于，包括：获取电站的实际直流电弧数据和隐空间；根据所述隐空间采样得到隐变量，将所述隐变量输入至当前生成网络得到初始生成数据；根据所述实际直流电弧数据随机采样得到电弧数据，并与所述初始生成数据进行线性插值得到梯度惩罚项数据；将所述梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据；判断所述生成网络参数数据是否收敛；若是，则将所述生成网络参数应用至所述当前生成网络得到最终生成网络，并将所述隐变量输入至所述最终生成网络得到生成数据；若否，则将所述生成网络参数应用至所述当前生成网络作为下一次的所述当前生成网络，并返回至所述将所述隐变量输入至当前生成网络得到初始生成数据的步骤。2.根据权利要求1所述的直流电弧数据的生成方法，其特征在于，将所述电弧数据与所述初始生成数据进行线性插值得到所述梯度惩罚项数据，包括：根据均匀分布随机选取权重系数；根据所述权重系数、所述电弧数据与所述初始生成数据的关系确定加权和数据；将所述加权和数据输入至梯度惩罚项模型得到所述梯度惩罚项数据。3.根据权利要求2所述的直流电弧数据的生成方法，其特征在于，所述将所述梯度惩罚项数据输入至对抗网络模型进行梯度回传和参数更新得到生成网络参数数据，包括：将所述初始生成数据输入至所述对抗网络模型的判别网络函数得到第一判别网络值；将所述电弧数据输入至所述判别网络函数得到第二判别网络值；将所述第一判别网络值、所述第二判别网络值与所述梯度惩罚项数据的关系进行梯度回传以及确定判别网络参数更新；将所述第一判别网络值的相反数作为所述对抗网络模型的生成网络损失函数的值并进行梯度回传以确定所述生成网络参数数据。4.根据权利要求1所述的直流电弧数据的生成方法，其特征在于，获取所述电站的所述实际直流电弧数据，包括：获取所述电站各工况对应的初始直流正常数据和初始直流电弧数据；将所述初始直流正常数据和所述初始直流电弧数据均进行标准化处理得到所述实际直流电弧数据。5.根据权利要求1所述的直流电弧数据的生成方法，其特征在于，所述判断所述生成网络参数数据是否收敛，包括：统计所...
【专利技术属性】
技术研发人员：蔡建伟，戴晨松，杨杰，姚佳丽，曾维波，谢胜仁，方刚，
申请(专利权)人：固德威技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。