【技术实现步骤摘要】
本申请涉及变电站，特别是涉及一种基于深度学习的变电站装置识别方法、装置、设备及存储介质。
技术介绍
1、变电站环境中部署了大量的物理装置，这些装置遵守统一的通信规约，各个厂商对于相同的通信规约采用了不一的实现，同时由于变电站环境的特殊性，同一个装置在不同的电压等级下，充当的角色与功能也存在差异。但对于相同厂商的同类型装置由于对通信规约的实现相同，故存在家族相似性。基于上述原因，对变电站内各个装置的角色与功能进行管理，是一个很必要的工作。电力监控系统会对这些物理装置进行监管，其中对于装置类型的管理是一个重要的要素。对于装置的类型，通用的识别方式是根据外部知识进行手动录入系统；对于智能变电站内的装置，通过旁路抓取装置的通信数据包，对数据包进行深度解析，获取指定偏移位置的内容，以识别出装置类型。
2、但是，基于外部知识的装置类型识别，在缺乏外部知识的场景下，将无法正常工作；而基于深度包解析特征位匹配的装置类型识别，在数据被加密或特征位发生了偏移的场景下，也将无法正常工作。
3、所以，为了克服上述现有缺陷，本领域的技术人...
【技术保护点】
1.一种基于深度学习的变电站装置识别方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的变电站装置识别方法，其特征在于，所述利用格拉米差值角场将每个分组内形成的数据包长度时间序列转换为数值型的样本与标签的具体步骤为：
3.根据权利要求1所述的基于深度学习的变电站装置识别方法，其特征在于，所述当前分组的数据包长度时间序列的标签信息的具体提取步骤为：
4.根据权利要求3所述的基于深度学习的变电站装置识别方法，其特征在于，所述对未能从外部知识中明确相应装置信息的装置进行标签制作的具体步骤为：
5.根据权利要求1所述...
【技术特征摘要】
1.一种基于深度学习的变电站装置识别方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的变电站装置识别方法，其特征在于，所述利用格拉米差值角场将每个分组内形成的数据包长度时间序列转换为数值型的样本与标签的具体步骤为：
3.根据权利要求1所述的基于深度学习的变电站装置识别方法，其特征在于，所述当前分组的数据包长度时间序列的标签信息的具体提取步骤为：
4.根据权利要求3所述的基于深度学习的变电站装置识别方法，其特征在于，所述对未能从外部知识中明确相应装置信息的装置进行标签制作的具体步骤为：
5.根据权利要求1所述的基于深度学习的变电站装置识别方法，其特征在于，将所述数值型的样本与标签的数据分批次输入构建的...
【专利技术属性】
技术研发人员：谢东，王庭宇，蒋烈，付从海，闫玉龙，程秋虹，谢志勇，曾晓红，
申请(专利权)人：四川英得赛克科技有限公司，
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。