【技术实现步骤摘要】
本专利技术属于变压器监测，尤其是涉及一种基于因果结构判别的变压器数据合成方法、设备和介质。
技术介绍
1、电力系统中，变压器是关键的电力传输和分配设备。对变压器的运行状态进行实时监测和预测，对于保障电力系统的稳定运行具有重要意义。然而，大量新设备和技术投入现场运行环境中，一方面为变压器数字化模型积累了更多的特征数据，一方面使传统的变压器状态监测方式已经不再适用于此类新环境。因此，在进行变压器状态监测时不仅仅需要考虑设备本身的运行数据，还需要考虑来自于其他电气设备、辅控设备等对变压器运行状态的潜在关联的监测变量。由于新场景下变压器相关的监测数据往往有限，且难以覆盖所有可能的运行场景。
2、中国专利申请cn202210500915.3公开了一种变压器故障数据样本的生成方法，通过建立模型来学习故障数据特征间的关系，并根据学习到的特征模型生成新的故障数据样本，扩大了故障数据的范围。该方法依次从故障数据的每个特征的取值集合中采集特征值，得到临时合成数据，将临时合成数据输入特征模型中，获得预测故障数据，根据预测故障数据生成新的故障数据样本，上述方法需要依赖特定模型，泛化能力受限，且生成的故障数据样本解释性不足，难以确保生成的数据样本符合实际的物理或业务过程。因此，如何有效地合成变压器数据以扩充数据集，进而提升基于机器学习的变压状态监测模型的性能，成为一个亟待解决的问题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于因果结构判别的变压器数据合成方
2、本专利技术的目的可以通过以下技术方案来实现：
3、本专利技术提供一种基于因果结构判别的变压器数据合成方法，包括以下步骤：
4、采集变压器监测变量的数据，并进行预处理，构建具有多元时间序列特征的原始变压器数据集；将所述原始变压器数据集输入训练好的时间序列生成对抗网络，输出合成变压器数据；
5、其中，所述时间序列生成对抗网络基于引入了因果结构相似性指标的联合训练损失函数进行训练优化，所述因果结构相似性指标基于合成变压器数据的因果矩阵与原始变压器数据的因果矩阵的对比结果构建，两个因果矩阵中的元素基于对应的变压器数据中各变量之间的转移熵生成，因果矩阵中的每个元素用于表示变压器数据中一对变量之间的有向因果关系。
6、进一步地，变压器监测变量的数据包括变压器运行状态数据和环境数据，所述变压器运行状态数据包括负荷、变压器运行温度、铁芯接地电流值和绝缘油温度，所述环境数据包括环境温度和环境湿度。
7、进一步地，所述预处理包括缺失值填充、异常值处理和数据归一化。
8、进一步地，因果矩阵的生成方式具体如下：
9、计算变压器数据中第i个变量和第j个变量之间的转移熵，基于转移熵判断两个变量之间的因果关系，若第i个变量存在指向第j个变量的因果关系，则因果矩阵中第i行第j列的元素为1，否则为0。
10、进一步地，所述因果结构相似性指标的表达式如下：
11、s＝n/n2
12、其中，s为因果结构相似性指标，n为合成变压器数据的因果矩阵与原始变压器数据的因果矩阵中相同元素的个数，n2为标准化系数。
13、进一步地，所述联合训练损失函数包括无监督损失、有监督损失和重构损失。
14、进一步地，所述时间序列生成对抗网络包括判别器和生成器，所述生成器用于基于原始变压器数据输出合成变压器数据，所述判别器用于区分原始变压器数据与合成变压器数据，所述无监督损失包括判别器损失和生成器损失，其中，所述判别器损失用于约束判别器分类的准确性，所述生成器损失用于衡量原始变压器数据与合成变压器数据之间的分布差异。
15、进一步地，所述分布差异包括方差差异、均值差异和因果结构相似性差异，所述因果结构相似性差异基于所述因果结构相似性指标构建。
16、本专利技术还提供一种电子设备，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现上述方法。
17、本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述方法。
18、与现有技术相比，本专利技术具有以下有益效果：
19、1、本专利技术通过时间序列生成对抗网络，基于原始变压器数据集输出合成变压器数据，其中，时间序列生成对抗网络基于引入了因果结构相似性指标的联合训练损失函数进行训练优化，因果结构相似性指标基于合成变压器数据的因果矩阵与原始变压器数据的因果矩阵的对比结果构建，两个因果矩阵中的元素基于对应的变压器数据中各变量之间的转移熵生成，因果矩阵中的每个元素用于表示变压器数据中一对变量之间的有向因果关系，通过上述方式合成的变压器数据，不仅可以具有与原始数据相似的时间序列特征，在因果关系上也与原始数据保持一致，从而可以有效扩充数据集，为后续的机器学习和变压器状态监测提供了更多有用的信息。
20、2、本专利技术对采集的变压器监测变量的数据进行了预处理，具体包括缺失值填充、异常值处理和数据归一化，可以确保数据的质量和一致性。
本文档来自技高网...【技术保护点】
1.一种基于因果结构判别的变压器数据合成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，变压器监测变量的数据包括变压器运行状态数据和环境数据，所述变压器运行状态数据包括负荷、变压器运行温度、铁芯接地电流值和绝缘油温度，所述环境数据包括环境温度和环境湿度。
3.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述预处理包括缺失值填充、异常值处理和数据归一化。
4.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，因果矩阵的生成方式具体如下：
5.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述因果结构相似性指标的表达式如下：
6.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述联合训练损失函数包括无监督损失、有监督损失和重构损失。
7.根据权利要求6所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述时间序列生成对抗网络包括判别
8.根据权利要求7所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述分布差异包括方差差异、均值差异和因果结构相似性差异，所述因果结构相似性差异基于所述因果结构相似性指标构建。
9.一种电子设备，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种基于因果结构判别的变压器数据合成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，变压器监测变量的数据包括变压器运行状态数据和环境数据，所述变压器运行状态数据包括负荷、变压器运行温度、铁芯接地电流值和绝缘油温度，所述环境数据包括环境温度和环境湿度。
3.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述预处理包括缺失值填充、异常值处理和数据归一化。
4.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，因果矩阵的生成方式具体如下：
5.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述因果结构相似性指标的表达式如下：
6.根据权利要求1所述的一种基于因果结构判别的变压器数据合成方法，其特征在于，所述联合训练损失函数包括无监督损失、有监督损失和重构损失。
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。