一种基于深度学习的开关柜凝露识别方法技术

本发明专利技术公开了一种基于深度学习的开关柜凝露识别方法，建立开关柜凝露模拟实验平台，通过温湿度控制装置对开关柜内的湿度和温度进行调节，温湿度传感器采集到多组温湿度数据，同时，由摄像头采集水分检测试纸的图像；根据水分检测试纸的图像筛选出发生凝露现象和未发生凝露现象的温湿度数据，对上述温湿度数据进行归一化处理，作为训练数据集；利用上述训练数据集对凝露识别神经网络模型进行训练；采集待识别开关柜的实时温湿度数据，输入到训练好的凝露识别神经网络模型中，判断凝露发生的概率。本发明专利技术提供的基于深度学习的开关柜凝露识别方法，基于深度学习算法，综合利用温湿度数据对开关柜凝露现象进行识别，提高了识别效率和识别准确性。

【技术实现步骤摘要】
一种基于深度学习的开关柜凝露识别方法
本专利技术涉及电力设备检测
，特别是涉及一种基于深度学习的开关柜凝露识别方法。
技术介绍
开关柜在配电系统的多个方面起着不可取代的作用，如控制设备、保护人员安全等等，是电网重要电气设备之一。近年来，开关柜事故屡有发生，故障直接降低了电力供应的稳定性、损坏了电力设备，同时大大降低现场人员的工作安全系数。而由于大量开关柜处于不良工作环境中，其柜内常常出现高温潮湿的状态，这正是容易出现开关柜凝露现象的情况，凝露现象出现后，工频高压作用下更易发生局部放电，长此以往会造成设备绝缘性能劣化明显，进而可能导致严重事故。目前，对开关柜的凝露监测均通过柜内放置的温湿度传感器获得实时数据，之后根据温湿度是否超过安全阈值来实现对凝露的判断。但是凝露现象的出现条件非常复杂，不是与温度或湿度简单的对应关系，而是由两者共同决定的。现有的判断方法盲目确定温湿度安全阈值，无法确定当前温湿度出现凝露的危险程度，可能没有判断效果，甚至适得其反，因此需要采用更加复杂的识别方法判断凝露现象。深度学习作为热门智能算法之一，近年来被广泛应用于模式识别领域，在给定大量带有标签数据的情况下，通过对其进行多轮训练后，可以实现相关数据的准确判断，相比其他识别方法可显著提高识别的准确率，在开关柜凝露识别方面的应用值得深入研究。
技术实现思路
本专利技术的目的是提供一种基于深度学习的开关柜凝露识别方法，基于深度学习算法，综合利用温湿度数据对开关柜凝露现象进行识别，提高了识别效率和识别准确性。<br>为实现上述目的，本专利技术提供了如下方案：一种基于深度学习的开关柜凝露识别方法，该方法包括以下步骤：步骤一，建立开关柜凝露模拟实验平台，包括开关柜以及设置在开关柜内的温湿度传感器、温湿度控制装置、摄像机和水分检测试纸；步骤二，通过温湿度控制装置对开关柜内的湿度和温度进行调节，温湿度传感器采集到多组温湿度数据，同时，由摄像头采集水分检测试纸的图像；步骤三，根据水分检测试纸的图像筛选出发生凝露现象和未发生凝露现象的温湿度数据，对上述温湿度数据进行归一化处理，并为发生凝露现象的温湿度数据加上标签1，未发生凝露现象的温湿度数据加上标签0，作为训练数据集；步骤四，建立凝露识别神经网络模型，基于深度学习算法，利用上述训练数据集对凝露识别神经网络模型进行训练；步骤五，采集待识别开关柜的实时温湿度数据，输入到训练好的凝露识别神经网络模型中，判断凝露发生的概率。可选的，所述步骤一中，所述开关柜设置在密闭气候室中，所述温湿度控制装置包括加湿器和加热器，所述水分检测试纸设置在所述开关柜的顶部。可选的，所述步骤二中，所述通过温湿度控制装置对开关柜内的湿度和温度进行调节，温湿度传感器采集到多组温湿度数据，同时，由摄像头采集水分检测试纸的图像，具体包括：温度的调节范围为-5℃～98℃，湿度的调节范围为1％～98％，温度每变化0.1℃或湿度每变化0.1％，记录下温湿度数据及水分检测试纸的图像。可选的，所述步骤三中，所述根据水分检测试纸的图像筛选出发生凝露现象和未发生凝露现象的温湿度数据，具体包括：若水分检测试纸由橙红色变为黄绿色，则说明发生凝露现象，确定对应的温湿度数据；若水分检测试纸仍为橙红色，则说明未发生凝露现象，确定对应的温湿度数据。可选的，所述步骤四中，所述建立凝露识别神经网络模型，基于深度学习算法，利用上述训练数据集对凝露识别神经网络模型进行训练，具体包括：所述凝露识别神经网络模型包括输入层、隐藏层和输出层，输入层为单层神经元，且包括2个输入神经元i1和i2，分别指输入温度和湿度数据，隐藏层设置为3层h1～h3，每层均含9个神经元即h11～h19、h21～h29、h31～h39，输出层为单层神经元，包括1个输出神经元o1，表示发生凝露的概率；初始化各个神经元之间权重w＝0，隐藏层的激活函数为ReLU，输出层则为Sigmoid激活函数，学习率lr设置为0.01；将训练数据集中的温湿度数据输入凝露识别神经网络模型的输入层，进行前向传播，即根据前层神经元输出值xi、两层之间的权值wij加权计算出该层的输入值zj，即zj＝∑wijxi，而该层的输出值yj要该层输入值经激活函数处理，即yj＝f(zj)，以此类推，最终计算出输出层的输出值；前向传播计算出的输出层输出值yl会与训练数据集的标签值yt存在误差，即求出网络中误差对各权值的偏导数，即逐层向后传播修改各层权值为直到输入层为止；利用上述训练数据集对凝露识别神经网络模型训练至少20轮。可选的，所述步骤五中，采集待识别开关柜的实时温湿度数据，输入到训练好的凝露识别神经网络模型中，判断凝露发生的概率，具体包括：每隔1s采集待识别开关柜的实时温湿度数据，输入到训练好的凝露识别神经网络模型中，得出凝露的发生概率；将得出的发生概率与经验设定值进行比较，根据不同的档位得到不同处理结果，如下：若为极易出现凝露，则触发报警装置并在电脑系统警告与记录，若为易出现凝露则仅在电脑系统中警告记录，若为不易和难发生凝露则不做处理。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的基于深度学习的开关柜凝露识别方法，首先建立开关柜凝露模拟实验平台，能够模拟开关柜内的凝露情况，通过调节温湿度，获得发生凝露和未发生凝露的多种数据，作为训练数据集，基于深度学习算法，对凝露识别神经网络模型进行训练；利用训练数据对模型进行多轮训练，获得训练好的凝露识别神经网络模型；最后将实时采集的温湿度数据输入已训练好的识别模型对当前凝露情况进行判断；本专利技术通过对开关柜每个时刻的温湿度进行智能凝露识别，不同于传统温湿度设定阈值，可以更加准确及时发现凝露情况，方便工作人员或温湿度控制系统对温湿度做出调整，可及时减少开关柜凝露的问题，为预防凝露的温湿度调节提供依据，有效降低开关柜的事故发生率，提高电力系统的运行稳定性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例基于深度学习的开关柜凝露识别方法的流程图；图2为本专利技术实施例开关柜凝露模拟实验平台的结构示意图；图3为本专利技术实施例凝露识别神经网络模型的示意图；附图标记：1、密闭气候室；2、开关柜；3、温湿度传感器；4、加湿器；5、加热器；6、摄像机；7、水分检测试纸。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术本文档来自技高网...

【技术保护点】
1.一种基于深度学习的开关柜凝露识别方法，其特征在于，包括以下步骤：/n步骤一，建立开关柜凝露模拟实验平台，包括开关柜以及设置在开关柜内的温湿度传感器、温湿度控制装置、摄像机和水分检测试纸；/n步骤二，通过温湿度控制装置对开关柜内的湿度和温度进行调节，温湿度传感器采集到多组温湿度数据，同时，由摄像头采集水分检测试纸的图像；/n步骤三，根据水分检测试纸的图像筛选出发生凝露现象和未发生凝露现象的温湿度数据，对上述温湿度数据进行归一化处理，并为发生凝露现象的温湿度数据加上标签1，未发生凝露现象的温湿度数据加上标签0，作为训练数据集；/n步骤四，建立凝露识别神经网络模型，基于深度学习算法，利用上述训练数据集对凝露识别神经网络模型进行训练；/n步骤五，采集待识别开关柜的实时温湿度数据，输入到训练好的凝露识别神经网络模型中，判断凝露发生的概率。/n

【技术特征摘要】
1.一种基于深度学习的开关柜凝露识别方法，其特征在于，包括以下步骤：
步骤一，建立开关柜凝露模拟实验平台，包括开关柜以及设置在开关柜内的温湿度传感器、温湿度控制装置、摄像机和水分检测试纸；
步骤二，通过温湿度控制装置对开关柜内的湿度和温度进行调节，温湿度传感器采集到多组温湿度数据，同时，由摄像头采集水分检测试纸的图像；
步骤三，根据水分检测试纸的图像筛选出发生凝露现象和未发生凝露现象的温湿度数据，对上述温湿度数据进行归一化处理，并为发生凝露现象的温湿度数据加上标签1，未发生凝露现象的温湿度数据加上标签0，作为训练数据集；
步骤四，建立凝露识别神经网络模型，基于深度学习算法，利用上述训练数据集对凝露识别神经网络模型进行训练；
步骤五，采集待识别开关柜的实时温湿度数据，输入到训练好的凝露识别神经网络模型中，判断凝露发生的概率。


2.根据权利要求1所述的基于深度学习的开关柜凝露识别方法，其特征在于，所述步骤一中，所述开关柜设置在密闭气候室中，所述温湿度控制装置包括加湿器和加热器，所述水分检测试纸设置在所述开关柜的顶部。


3.根据权利要求1所述的基于深度学习的开关柜凝露识别方法，其特征在于，所述步骤二中，所述通过温湿度控制装置对开关柜内的湿度和温度进行调节，温湿度传感器采集到多组温湿度数据，同时，由摄像头采集水分检测试纸的图像，具体包括：
温度的调节范围为-5℃～98℃，湿度的调节范围为1％～98％，温度每变化0.1℃或湿度每变化0.1％，记录下温湿度数据及水分检测试纸的图像。


4.根据权利要求1所述的基于深度学习的开关柜凝露识别方法，其特征在于，所述步骤三中，所述根据水分检测试纸的图像筛选出发生凝露现象和未发生凝露现象的温湿度数据，具体包括：
若水分检测试纸由橙红色变为黄绿色，则说明发生凝露现象，确定对应的温湿度数据；
若水分检测试纸仍为橙红色，则说明未发生凝露现象，确定对应...

【专利技术属性】
技术研发人员：徐珂，彭红霞，李永生，李涛，牛硕丰，贾斌，王智杰，闫冬，刘相兴，李建福，王飒，闫静静，
申请(专利权)人：国网山东省电力公司菏泽供电公司，
类型：发明
国别省市：山东;37