【技术实现步骤摘要】
一种基于改进神经网络的电力设备图像的故障识别方法
本专利技术涉及图像识别的
，尤其涉及一种基于改进神经网络的电力设备图像的故障识别方法。
技术介绍
随着坚强智能电网的迅猛发展，我国对电力系统可靠性的要求越来越高。电气设备的故障隔离对供电区域健全的供电极为重要，因此要求对电力设备进行在线监测和安全预警，及时发现故障并采取措施消除隐患。作为故障检测的一种有效手段，红外热像检测技术得到了广泛应用。红外热像检测技术相结合的监控系统大大提高了电力系统的故障检测水平，但目前的检测方法仍然需要人工诊断，无法实现诊断结果的实时准确。根据变电站电气设备故障问题，研究了采用数字图像处理技术在变电站自动检测电气设备故障。在应用神经网络技术进行变电站运行状态诊断时，由于智能神经网络处理能够模仿人类大脑，非精确的自适应功能，非规则结构，具有自组织学习的特点，可以优化计算和知识推理，因此，神经网络在变电站运行状态诊断中被广泛使用，以BP神经网络算法为代表，也应用最广，但其要求训练样本大、训练时间长、预测精度受隐层神经元数据的限制，易陷入局...
【技术保护点】
1.一种基于改进神经网络的电力设备图像的故障识别方法，其特征在于：包括对待识别电力设备的红外图像进行特征提取，包括温度特征、纹理特征和形状特征，以提取的特征作为量子遗传神经网络的输入，对其所包含的故障位置进行识别。/n
【技术特征摘要】
1.一种基于改进神经网络的电力设备图像的故障识别方法，其特征在于：包括对待识别电力设备的红外图像进行特征提取，包括温度特征、纹理特征和形状特征，以提取的特征作为量子遗传神经网络的输入，对其所包含的故障位置进行识别。
2.根据权利要求1所述的基于改进神经网络的电力设备图像的故障识别方法，其特征在于利用量子遗传神经网络进行故障位置识别的方法包括以下步骤：
步骤Ⅰ、根据待解决问题，确定遗传算法个体的长度，进而确定BP神经网络结构；
步骤Ⅱ、用遗传算法对BP神经网络的初始权值和阈值进行编码，确定适应度函数，计算个体适应度值，通过量子遗传操作，运用量子旋转门调整策略，找到最优个体；
步骤Ⅲ、将量子遗传算法优化后得到的最优个体对应的最优解解码，作为BP神经网络的最优权值和阈值，对BP神经网络进行训练；
步骤Ⅳ、将待识别电力设备的红外图像的特征输入训练好的BP神经网络，进行故障位置的识别。
3.根据权利要求2所述的基于改进神经网络的电力设备图像的故障识别方法，其特征在于找到最优个体的方法包括以下步骤：
Step1、对初始权值和阈值进行量子比特编码；
Step2、计算BP神经网络输出值与期望值之间的误差平方和，以输出值和期望值之间误差平方和的倒数作为适应度函数，计算个体i的适应度值f(i)；
Step3、判断个体i的适应度值f(i)是否满足优化标准，若是，所述个体i为最优个体；否则，执行Step4；
Step4、继续量子遗传操作，运用量子旋转门调整策略，对初始权值和阈值进行优化；
Step5、产生新群体，重复Step1至Step4，使初始权值和阈值不断被优化，直到满足优化标准为止。
4.根据权利要求3所述的基于改进神经网络的电力设备图像的故障识别方法，其特征在于：根据遗传算法计算得到解x和当前最优个体b的第i个量子比特位乘积、对应二进制位的取值，以及对应适应度值之间的比较，确定调整所需的量子旋转门对应旋转角的方向和其脚步长。
5.根据权利要求4所述的基于改进神经网络的电力设备图像的故障识别方法，其特征在于：利用以下方程式，确定调整所需的量子旋转门对应旋转角的方向和其脚步长，
θi＝s(αiβi)delta
其中，(αiβi)表示染色体中的第i个量子比特位，θ表示旋转角，s(αiβi)表示旋转角的旋转方向，delta表示旋转角的脚步长，k表示[0，1]之间常数，n表示进化代数，MAXGEN表示终止代数，
当xi＝0，bi＝1且f(x)≥f(b)时：若αiβi>0，旋转的方向s(αiβi)＝-1，即顺时针旋转；若αiβi<0，旋转...
【专利技术属性】
技术研发人员：方健，莫文雄，张行，马捷然，尹旷，何嘉兴，张敏，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：广东;44
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。