[发明专利]一种对电力巡检场景人工智能算法模型的评估方法及系统

说明书

本发明提供了一种对电力巡检场景人工智能算法模型的评估方法及系统，包含以下步骤：对获取的原始电力数据进行处理，得到原始样本和噪声样本；采用集成学习算法对所述原始样本进行处理得到非对抗样本，并采用生成式对抗网络对所述噪声样本进行处理得到对抗样本；基于所述非对抗样本和对抗样本采用对应的鲁棒性度量指标计算式计算得到非对抗场景和对抗场景下的度量指标；基于所述非对抗场景和对抗场景下的度量指标对电力巡检场景下的人工智能算法模型鲁棒性进行评估。利用电力巡检场景的原始电力数据建定制化评测指标，在非对抗与对抗场景中对电力算法模型鲁棒性进行评测，使评测标准更精确、更贴近电力巡检需要。

技术领域

本发明涉及电力人工智能领域，具体一种对电力巡检场景人工智能算法模型的评估方法及系统。

背景技术

现代电力系统呈现出复杂非线性、不确定性、时空差异性等特点，以高级机器学习、大数据、云计算为主要代表的新一代电力人工智能技术，具有应对高维、时变、非线性问题的强优化处理能力和强大学习能力，将会为突破以上技术瓶颈提供有效地解决途径。

传统的模式识别技术，已经无法满足新形势下的输电立体化巡检发展需求。因此，结合人工智能的输电线路巡检逐渐走入人们的视野。

目前，在模型的性能、稳定性、鲁棒性、使用价值方面都有一定的探索，然而目前相关文献对模型安全性方面的研究，多集中在对抗样本构造和防御方法上，对模型鲁棒性的测评上不够准确。

发明内容

为解决现有技术中对模型鲁棒性的测评不够准确的问题，本发明提供了一种对电力巡检场景人工智能算法模型的评估方法，包括：

对获取的原始电力数据进行处理，得到原始样本和噪声样本；

采用集成学习算法对所述原始样本进行处理得到非对抗样本，并采用生成式对抗网络对所述噪声样本进行处理得到对抗样本；

基于所述非对抗样本和对抗样本采用对应的鲁棒性度量指标计算式计算得到非对抗场景和对抗场景下的度量指标；

基于所述非对抗场景和对抗场景下的度量指标对电力巡检场景下的人工智能算法模型鲁棒性进行评估。

优选的，所述将原始电力数据作为原始数据样本利用集成学习算法生成非对抗样本，包括：

对所述原始样本采用一种策略生成异常样本；

将所述原始样本和上一种策略生成的异常样本带入下一种策略生成新的异常样本；

将所有策略生成的异常样本通过加权组合得到非对抗样本；

其中，所述策略包括：在全样本中加入噪声、在全样本中加入扰动、在部分样本中加入噪声和在部分样本中扰动。

优选的，所述基于所述非对抗样本采用对应的鲁棒性度量指标计算式计算得到非对抗场景下的度量指标，包括：

将非对抗样本中正常数据样本与异常数据样本分别输入到分类模型中得到所述模型中得到模型识别正确率；

基于所述模型识别正确率结合分类模型的鲁棒性度量指标计算式计算分类模型鲁棒性度量指标对分类模型的鲁棒性进行评估；

将非对抗样本中正常数据样本与异常数据样本分别输入到聚类模型中得到模型调整兰德系数；

基于所述模型调整兰德系数结合聚类模型的鲁棒性度量指标计算式计算聚类鲁棒性度量指标对聚类模型的鲁棒性进行评估；

将非对抗样本中正常数据样本与异常数据样本分别输入到回归模型中得到模型平均绝对误差；

基于所述模型平均绝对误差结合回归模型的鲁棒性度量指标计算式计算回归模型鲁棒性度量指标回归模型的鲁棒性进行评估；