本申请涉及人工智能,尤其涉及一种基于少样本的故障诊断方法、装置、设备及存储介质。
背景技术:
1、智能电网系统中包含大量的设备和组件,如发电机、变压器、开关等。在电网系统运行过程中,可能会发生各种故障,如线路短路、设备故障等,这些故障常常导致电网中一些区域停电或损坏。因此,及时准确地诊断电网系统的故障十分重要。
2、现有技术广泛应用神经网络模型对智能电网系统进行故障诊断,神经网络模型能够结合至少一种类型的输入数据(如传感器测量的数据、图像数据等)来进行故障诊断。但是基于神经网络模型的故障诊断方法需要大量标注好的准确数据,在缺乏足够的样本的情况下,可能出现过拟合或欠拟合的问题,从而导致故障诊断的准确率低。
3、申请内容
4、本申请的主要目的在于提供一种基于少样本的故障诊断方法、装置、设备及存储介质,旨在解决在缺乏足够的样本的情况下,故障诊断的准确率低的问题。
5、为实现上述目的,本申请提供一种基于少样本的故障诊断方法,所述基于少样本的故障诊断方法的步骤,包括:
6、获取智能电网系统中的测量设备采集的电力相关数据;
7、基于所述电力相关数据,通过预设的基于少样本的故障诊断模型对所述智能电网系统进行故障诊断,得到故障诊断结果;其中,所述基于少样本的故障诊断模型是对原始样本进行扩充,并基于扩充后的目标样本对预设的待训练模型进行迭代训练得到的。
8、可选地,所述获取智能电网系统中的测量设备采集的电力相关数据的步骤之前,包括:
9、获取智能电网系统的故障诊断过程所需的原始样本;
10、在所述原始样本中增加随机噪声,得到目标样本;
11、基于所述目标样本对预设的待训练模型进行迭代训练,得到基于少样本的故障诊断模型。
12、可选地,所述原始样本包括电流样本和电压样本,所述在所述原始样本中增加随机噪声,得到目标样本的步骤,包括:
13、在电流样本i原始中增加随机电流噪声i随机噪声,得到电流增强样本inew,和/或者在电压样本v原始中增加随机电压噪声v随机噪声,得到电压增强样本vnew:
14、inew=i原始+i随机噪声
15、vnew=v原始+v随机噪声
16、将所述增强样本扩充至所述原始样本,并确定扩充后的原始样本中样本的数量;
17、在样本的数量未达到预设值的情况下,返回所述在电流样本i原始中增加随机电流噪声i随机噪声,得到电流增强样本inew,和/或者在电压样本v原始中增加随机电压噪声v随机噪声,得到电压增强样本vnew的步骤,直至样本的数量达到预设值后停止增加随机噪声,得到目标样本。
18、可选地,所述基于所述目标样本对预设的待训练模型进行迭代训练,得到基于少样本的故障诊断模型的步骤,包括:
19、获取预定的停止条件,所述停止条件包括训练步数、目标回报、时间限制;
20、基于所述目标样本对预设的待训练模型进行训练,并确定训练后的模型是否符合所述停止条件;
21、在训练后的模型不符合所述停止条件的情况下,返回所述基于所述目标样本对预设的待训练模型进行训练,并确定训练后的模型是否符合所述停止条件的步骤,直至模型符合所述停止条件,得到基于少样本的故障诊断模型。
22、可选地,所述基于所述目标样本对预设的待训练模型进行训练,并确定训练后的模型是否符合所述停止条件的步骤,包括:
23、基于所述目标样本,与智能电网系统进行交互,并接收交互过程中所述智能电网系统发出的奖励信号,其中,所述奖励信号是指用于指导所述待训练模型的迭代过程的信号;
24、基于所述奖励信号对预设的待训练模型进行训练,并确定训练后的模型是否符合所述停止条件。
25、可选地,所述基于所述目标样本,与智能电网系统进行交互,并接收交互过程中所述智能电网系统发出的奖励信号的步骤,包括:
26、基于所述目标样本,获取智能电网系统的状态,其中,所述状态包括一组电压和电流的数据;
27、基于所述状态,选择一个动作作用于所述智能电网系统,其中,所述动作包括调节电压或电流的操作;
28、接收所述智能电网系统基于所述动作发出的奖励信号。
29、可选地,所述基于所述目标样本对预设的待训练模型进行迭代训练,得到基于少样本的故障诊断模型的步骤之后,包括:
30、将所述基于少样本的故障诊断模型发送给用户,以供用户对所述基于少样本的故障诊断模型进行评估测试和参数调优。
31、此外,为实现上述目的,本申请还提供一种基于少样本的故障诊断装置,所述基于少样本的故障诊断装置包括:
32、获取模块,用于获取智能电网系统中的测量设备采集的电力相关数据;
33、诊断模块,用于基于所述电力相关数据,通过预设的基于少样本的故障诊断模型对所述智能电网系统进行故障诊断,得到故障诊断结果;其中,所述基于少样本的故障诊断模型是对原始样本进行扩充,并基于扩充后的目标样本对预设的待训练模型进行迭代训练得到的。
34、此外,为实现上述目的,本申请还提供一种基于少样本的故障诊断设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于少样本的故障诊断程序,所述基于少样本的故障诊断程序配置为实现所述基于少样本的故障诊断方法的步骤。
35、此外,为实现上述目的,本申请还提供一种存储介质,其特征在于,所述存储介质上存储有基于少样本的故障诊断程序,所述基于少样本的故障诊断程序被处理器执行时实现所述基于少样本的故障诊断方法的步骤。
36、本申请提供了一种基于少样本的故障诊断方法、装置、设备及存储介质,与相关技术中基于神经网络模型的故障诊断方法需要大量标注好的准确数据,在缺乏足够的样本的情况下,可能出现过拟合或欠拟合的问题,从而导致故障诊断的准确率低相比,在本申请中,获取智能电网系统中的测量设备采集的电力相关数据;基于所述电力相关数据,通过预设的基于少样本的故障诊断模型对所述智能电网系统进行故障诊断,得到故障诊断结果;其中,所述基于少样本的故障诊断模型是对原始样本进行扩充,并基于扩充后的目标样本对预设的待训练模型进行迭代训练得到的。可以理解,在本申请中,获取智能电网系统中的电力相关数据,并通过预设的基于少样本的故障诊断模型对智能电网系统进行故障诊断,基于少样本的故障诊断模型利用数据增强技术对原始样本进行扩充,避免了在缺乏足够的样本的情况下可能出现的过拟合或欠拟合的问题,从而提高了故障诊断模型的准确率。
技术实现思路
1.一种基于少样本的故障诊断方法,其特征在于,所述基于少样本的故障诊断方法的步骤,包括:
2.如权利要求1所述的基于少样本的故障诊断方法,其特征在于,所述获取智能电网系统中的测量设备采集的电力相关数据的步骤之前,包括:
3.如权利要求2所述的基于少样本的故障诊断方法,其特征在于,所述原始样本包括电流样本和电压样本,所述在所述原始样本中增加随机噪声,得到目标样本的步骤,包括:
4.如权利要求2所述的基于少样本的故障诊断方法,其特征在于,所述基于所述目标样本对预设的待训练模型进行迭代训练,得到基于少样本的故障诊断模型的步骤,包括:
5.如权利要求4所述的基于少样本的故障诊断方法,其特征在于,所述基于所述目标样本对预设的待训练模型进行训练,并确定训练后的模型是否符合所述停止条件的步骤,包括:
6.如权利要求5所述的基于少样本的故障诊断方法,其特征在于,所述基于所述目标样本,与智能电网系统进行交互,并接收交互过程中所述智能电网系统发出的奖励信号的步骤,包括:
7.如权利要求2所述的基于少样本的故障诊断方法,其特征在于,所述基于所述目标样本对预设的待训练模型进行迭代训练,得到基于少样本的故障诊断模型的步骤之后,包括:
8.一种基于少样本的故障诊断装置,其特征在于,所述基于少样本的故障诊断装置包括:
9.一种基于少样本的故障诊断设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于少样本的故障诊断程序,所述基于少样本的故障诊断程序配置为实现如权利要求1至7中任一项所述的基于少样本的故障诊断方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有基于少样本的故障诊断程序,所述基于少样本的故障诊断程序被处理器执行时实现如权利要求1至7中任一项所述的基于少样本的故障诊断方法的步骤。