[发明专利]样本数据生成方法、模型训练方法及设备指纹分类方法

权利要求书

1.一种样本数据生成方法，其特征在于，所述方法包括：

抓取智能变电站报文；

解析所述智能变电站报文，并使用解析后的报文字段，结合SCD文件存储的智能变电站结构信息，获取设备类型标签以及更新设备标签表；

基于更新后的设备标签表，得到设备类型标签值以及报文特征字段，并将所述报文特征字段和所述设备类型标签值封装为PTD数据集以作为智能变电站测控设备指纹分类模型的样本数据。

2.根据权利要求1所述的方法，其特征在于，解析所述智能变电站报文之前，包括：

对所述智能变电站报文的内容进行检查。

3.根据权利要求1所述的方法，其特征在于，解析所述智能变电站报文，并使用解析后的报文字段，结合SCD文件存储的智能变电站结构信息，获取设备类型标签以及更新设备标签表，包括：

解析所述智能变电站报文，得到MAC地址及APPID序号；

在SCD文件中搜索当前解析得到的APPID序号，得到当前报文对应的设备类型信息；

根据当前设备标签表中是否存在所述当前报文对应的设备类型信息以及当前解析得到的MAC地址，判断是否对当前设备标签表进行更新。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

初始化数据库表，创建用于存储标签信息和设备信息的设备标签表。

5.根据权利要求3所述的方法，其特征在于，根据当前设备标签表中是否存在所述当前报文对应的设备类型信息以及当前解析得到的MAC地址，判断是否对当前设备标签表进行更新，包括：

若当前设备标签表中存在所述当前报文对应的设备类型信息以及当前解析得到的MAC地址，则无需更新当前设备标签表；

若当前设备标签表中存在所述当前报文对应的设备类型信息，但不存在当前解析得到的MAC地址，则将所述当前解析得到的MAC地址存储到当前设备标签表中MAC地址字节串字段中以对当前设备标签表进行更新；

若当前设备标签表中不存在所述当前报文对应的设备类型信息，且所述当前设备标签表中不为空，则在所述当前设备标签表中添加新行，在所述新行的MAC地址字节串字段添加当前解析得到的MAC地址，将所述新行的设备类型字符串字段设置为所述当前报文对应的设备类型信息以及将设备类型标签设置为当前设备类型标签最大值+1；

若当前设备标签表中为空，则在所述当前设备标签表中添加新行，在所述新行的MAC地址字节串字段添加当前解析得到的MAC地址，将所述新行的设备类型字符串字段设置为所述当前报文对应的设备类型信息以及将设备类型标签设置为0。

6.根据权利要求1所述的方法，其特征在于，所述基于更新后的设备标签表，得到设备类型标签值以及报文特征字段，包括：

新建PTD文件，并基于更新后的设备标签表，完成新建PTD文件头部填写；

在所述更新后的设备标签表中使用解析得到的MAC地址获取设备类型标签值，并从所述更新后的设备标签表中提取报文特征字段。

7.一种模型训练方法，其特征在于，所述方法包括：

按照预设比例，将采用如权利要求1-6任一方法所述得到的样本数据划分为训练集和测试集；

使用所述训练集对初始神经网络模型进行训练，生成智能变电站测控设备指纹分类模型；

使用所述测试集对当前训练得到的智能变电站测控设备指纹分类模型进行性能测试：若性能测试的检测准确率达到目标准确率，则保存当前训练得到的智能变电站测控设备指纹分类模型，否则调整模型参数，返回模型训练步骤。

8.根据权利要求7所述的方法，其特征在于，所述初始神经网络模型预先基于TensorFlow框架搭建得到。

9.根据权利要求7所述的方法，其特征在于，所述初始神经网络模型包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层以及输出层。