(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110523614.8 (22)申请日 2021.05.13 (65)同一申请的已公布的文献号 申请公布号 CN 113128130 A (43)申请公布日 2021.07.16 (73)专利权人 浙江大学 地址 310013 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 张欣　胡柯昕　龙海鸿　高祎韩　 马皓　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 专利代理师 胡红娟 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/04(2020.01)(56)对比文件 CN 106570779 A,2017.04.19 CN 112016774 A,2020.12.01 CN 109494726 A,2019.0 3.19 CN 112507605 A,2021.0 3.16 CN 111814403 A,2020.10.23 CN 110212528 A,2019.09.0 6 WO 20210 02972 A1,2021.01.07 Renke Huang et al. .Parameters Calibration for Po wer Grid Stabi lity Models usi ng Deep Learn ing Methods. 《arXiv： Signal Proces sing》 .2019,第1- 3页. 李福新.基 于平稳小 波与BP神经网络的换相 失败检测算法. 《沈阳工业大 学学报》 .2018,第40 卷(第03期),第248-252页. 张业宇等.基于深度神经网络的交直 流电力 系统暂态稳定 评估方法. 《电力科 学与工程》 .2020,第3 6卷(第09期),第8-15页. 审查员 贾慧敏 (54)发明名称 一种判断直流配电系统稳定性的实时监测 方法及装置 (57)摘要 本发明公开了一种判断直流配电系统稳定 性的实时监测方法， 包括： 获得样本集； 基于全 连 接神经网络构建训练系统， 包括生成器网络模 型， 判别器和分类器网络模型； 构建训练系统的 损失函数； 利用损失函数对训练系统进行训练， 确定参数的生成器组成高置信度的伪标签直流 电压数据模 型； 将实时观测得到的真实直流电压 信息输入判别器和分类器网络模 型， 得到对于真 实直流电压信息的稳定性实时判别结果。 该方法 能够获得足够稳定/不稳定标签直流电压数据， 以及合适的稳定/不稳定标签比例， 从而能够实 时判别电网系统真实观测数据稳定性。 本发明公 开了一种判断直流配电系统稳定性的实时监测装置， 准确即时得到对于真实直流电压信息的稳 定性实时判别结果。 权利要求书3页 说明书8页 附图2页 CN 113128130 B 2022.05.17 CN 113128130 B 1.一种判断直流配电系统稳定性的实时监测方法， 其特 征在于， 包括： S1： 获得真实直流电压信息， 编码每条真实直流电压信 息获得真实直流电压特征向量， 以构建样本集； S2： 基于全连接神经网络构建训练系统， 包括生成器网络模型， 判别器和分类器网络模 型； S3： 构建训练系统的损失函数， 根据输入真实直流电压特征向量通过判别器和分类器 网络模型， 得到真实电压特 征向量标记的稳定和失稳 标签的概 率构建分类器损失函数； 根据输入真实直流电压特征向量通过判别器和分类器网络模型得到真实电压特征向 量为非真实的概 率构建判别器第一损失函数； 根据输入伪直流电压特征向量通过判别器和分类器网络模型得到伪直流电压特征向 量为非真实的概 率构建判别器第二损失函数； 根据输入伪直流电压特征向量通过生成器得到伪标签直流电压特征数据为非真实的 概率构建生成器损失函数； S4： 利用分类器损失函数、 判别器第一损失函数、 判别器第二损失函数、 生成器损失函 数对训练系统进行训练， 训练结束时， 判别器以及确定的参数组成真伪性判别模 型， 分类器 以及确定的参数组成稳定性标签分类模型， 确定参数的生成器组成 高置信度的伪标签直流 电压数据生成模型； S5： 将实时观测得到的真实直流电压信息输入判别器和分类器网络模型， 得到对于真 实直流电压信息的稳定性实时判别结果。 2.根据权利要求1所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤 S1中， 所述的真实直流电压特征向量包括标记稳定和失稳标签的真实直流电压特征向量， 用于通过判别器和分类器网络模型判别伪标签直流电压数据稳定性和真伪性， 以及未标记 稳定和失稳标签的真实直流电压特征向量， 用于通过判别器和分类器网络模型判别伪标签 直流电压的真伪性。 3.根据权利要求1或2所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤S1中， 所述的真实直流电压信息为直流配电网母线历史波形以及稳定性标签， 编码直 流配电网母线历史波 形得到直流配电网母线历史波形特征， 基于直流配电网母线历史波 形 特征确定所述的生成器、 判别器和分类 器的输入维度和输出维度。 4.根据权利要求1所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤 S2中， 所述的生 成器网络模型用于根据随机数据生 成伪标签直流电压数据， 具体步骤为： 提 取随机数据中的特征向量， 输入所述特征向量到生成器网络模 型， 基于全连接神经网络， 得 到伪标签直 流电压数据。 5.根据权利要求1所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤 S2中， 所述的判别器和分类器网络模 型用于根据真实直流电压特征向量和伪标签直流电压 特征数据判别 伪标签直 流电压真伪性和稳定性， 具体步骤如下： 提取伪标签直流电压数据得到伪标签直流电压特征向量， 输入所述伪标签直流电压特 征向量、 真实直流电压特征向量到判别器和分类器网络模型， 基于全神经网络连接， 对输入 的伪标签直流电压特征向量的置信度进行判断， 所述置信度为真伪性和稳定性， 得到伪标 签直流电压的置信度判断结果。权　利　要　求　书 1/3 页 2 CN 113128130 B 26.根据权利要求1所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤 S3中， 所述的分类 器损失函数l oss_ld1： 判别器第一损失函数l oss_ud1： 判别器第二损失函数l oss_ud2： 生成器损失函数l oss_bd1： 其中， ml， mu， mf分别为分类器损失函数， 判别器损失函数， 生成器损失函数的样本数据， ti为第i个标签样本数据通过判别 器和分类器网络模型标记的标签类型值， xi为第i个标签 的真实样本数据， N 为非真实标签 类型值， zi为第i个标签伪直 流电压样本数据。 7.根据权利要求1所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤 S4中， 利用分类器损失函数、 判别器第一损失函数、 判别器第二损失函数、 生成器损失函数 对训练系统进行训练的具体步骤如下： 输入样本集和伪标签直流电压特征向量， 利用分类器损失函数、 判别器第 一损失函数、 判别器第二损失函数， 基于莱文贝格 ‑马奈特算法不断迭代， 直到 真伪性和稳定性达到阈值 要求， 更新判别器和分类 器网络模型权 重， 得到真伪性判别模型和稳定性标签分类模型； 输入伪直流电压特征向量， 利用生成器损失函数， 基于莱文贝格 ‑马奈特算法不断迭 代， 直到真伪性达到阈值要求， 更新生成器网络模 型权重， 得到高置信度的伪标签直流电压 数据模型。 8.根据权利要求1所述的判断直流配电系统稳定性的实时监测方法， 其特征在于， 步骤 S5中， 所述的经计算获得高置信度伪标签的直流电压数据后， 将高置信度伪标签的直流电 压数据增 加到真实直 流电压信息样本集， 平衡稳定和不稳定标签数据比例。 9.一种判断直流配电系统稳定性的实时监测装置， 包括计算机存储器、 计算机处理器 以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序， 其特征在 于， 所述计算机存储器中采用权利要求1～8任一项 所述的判断直流配电系统稳定性的实时 监测方法构建的判断直 流配电系统稳定性的实时监测模型； 所述计算机处 理器执行所述计算机程序时实现以下步骤： 将实时观测得到的真实直流电压信 息输入判别器和分类器网络模型， 得到对于真实直权　利　要　求　书 2/3 页 3 CN 113128130 B 3