(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111489432.X (22)申请日 2021.12.08 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区自由贸易试 验区源深路1 122号 (72)发明人 苏磊　徐琴　曹博源　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 杨元焱 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于策略梯度和GAN的变压器故障案例 生成方法 (57)摘要 本发明涉及一种基于策略梯度和GAN的变压 器故障案例生 成方法， 其特征在于， 包括： 将变压 器故障的真实案例输入训练好的生成式对抗网 络中， 生成变压器的故障合成案例， 利用合成案 例训练变压器故障诊断模型， 根据故障变压器的 故障数据， 通过训练好的变压器故障诊断模型获 取故障变压器的故障类型； 其中， 通过策略梯度 算法训练生成式对抗网络； 所述的通过策略梯度 算法训练生成式对抗网络的过程包括： 交替训练 生成式对抗网络的生成器和判别器， 直至生成器 和判别器均收敛。 与现有技术相比， 本发明提高 了生成器产生的数据质量， 满足真实性和多样性 的要求。 权利要求书2页 说明书8页 附图5页 CN 114254559 A 2022.03.29 CN 114254559 A 1.一种基于策略梯度和GAN的变压器故障案例生成方法， 其特 征在于， 包括： 将变压器故障的真实案例输入训练好的生成式对抗网络中， 生成变压器的故障合成案 例， 利用合成案例训练变压器故障诊断模型， 根据故障变压器的故障数据， 通过训练好的变 压器故障诊断模型获取故障变压器的故障类型； 其中， 通过 策略梯度算法训练生成式对抗网络； 所述的通过 策略梯度算法训练生成式对抗网络的过程包括： 交替训练生成式对抗网络的生成器和判别器， 直至生成器和判别器均收敛。 2.根据权利要求1所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 所述的生成式对抗网络的生成器的训练过程包括： 构建生成器目标函数； 所述的生成式对抗网络的生成器根据变压器故障的真实案例， 通过策略函数依次生成 T次合成案例， 获得变压器故障的合成案例序列， 记为X1:T＝(x1,…,xt…,xT)， xt表示第t次 生成的合成案例， T为设定值； 每生成一次合成案例， 使用增强算法求解策略函数的参数θ， 使得生成器目标函数最 大。 3.根据权利要求2所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 所述的 增强算法的表达式为： 其中， J( θ )为 生成器目标函数， 为策略梯度， α 为 生成器学习率。 4.根据权利要求2所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 所述的生成器目标函数J( θ )的表达式为： 其中， Gθ为生成器的策略函数， 表示生成器在策略Gθ的指导下， 时刻t之后的 期望函数， X1:t‑1表示在时刻t已生成 的合成案例序列X1:t‑1＝(x1,…,xt‑1)， 为 生成器在策略Gθ的指导下生成xt的预期奖励。 5.根据权利要求4所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 所述的 获取过程包括： 当合成案例的生成次数t小于T， 则以生成器的策略函数为模拟策略， 通过蒙特卡罗法 模拟生成xt之后的T‑t个合成案例， 构成合成案例序列X1:T； 所述的判别器根据合成案例序列X1:T返回可信概率 作为 所述 的 的计算公式为：权　利　要　求　书 1/2 页 2 CN 114254559 A 26.根据权利要求1所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 所述的判别器的训练过程包括： 构建判别器目标函数； 通过判别器目标函数 更新判别器参数 7.根据权利要求6所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 所述的判别器目标函数 的表达式为： 其中， 为变压器故障的真实案例序列， 为变压器故障的合成案例序列。 8.根据权利要求6所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 采用Adam优化 算法更新判别器参数 9.根据权利要求1所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特征 在于， 所述的生成器采用长短期记 忆网络。 10.根据权利要求1所述的一种基于策略梯度和GAN的变压器故障案例生成方法， 其特 征在于， 所述的判别器采用卷积神经网络 。权　利　要　求　书 2/2 页 3 CN 114254559 A 3