一种基于深度学习模型的变电站设备缺陷识别方法技术

本发明专利技术公开了一种基于深度学习模型的变电站设备缺陷识别方法，包括如下步骤：S1：建立缺陷识别库；S2：构建深度学习模型；S3：模型训练；S4：试验验证。本发明专利技术通过分析缺陷种类族谱，构建电网设备典型缺陷识别库，并通过预处理对缺陷图像进行增强，再结合图像识别技术构建电网设备缺陷深度学习模型，实时滚动分析变电站摄像头和检修巡检过程中移动化终端上传的设备细节图片，识别设备缺陷并作分类。实验证明本发明专利技术提出的基于深度学习模型的缺陷识别技术对异物覆盖、端子排温度异常、线缆虚接等缺陷的识别率达到了95%，消除了电网设备运行隐患，提高了设备可靠性和电网运维自动化水平。

【技术实现步骤摘要】
一种基于深度学习模型的变电站设备缺陷识别方法
本专利技术属于电网检修领域，特别涉及一种基于深度学习模型的变电站设备缺陷识别方法。
技术介绍
随着电网规模的不断扩大，繁多复杂的一二次设备隐患极大的影响了电网运行的可靠性，而全靠巡检和检修过程中一线工作人员去主动发现和识别，其工作量异常巨大，基本不太可能完成；且一线工作人员技术水平和工作经验良莠不齐，加之人员不可避免的存在遗漏和疏忽等因素，因此，急需一种新的技术手段解决规模日益扩大的变电站设备缺陷发现和鉴别，提升变电站运维自动化水平和电网运行可靠性。深度学习是一种深层次的人工神经网络。神经网络算法是模拟人脑处理信息的过程的一种算法，建立在生物学、神经科学、数学、统计学、计算机、物理学学科之上。人们将深度学习用于图像识别与分类领域，其主要应用的就是深度的卷积神经网络，用网络来学习图像的特征，然后再用训练好的网络去识别没有没见过的图像，就跟人学习知识以后去解决问题一样。传统电网例行检修和巡检过程中，缺陷的发现和鉴别分类都是由人完成，存在遗漏疏忽和效率低下等问题。>专利技术内本文档来自技高网...

【技术保护点】
1.一种基于深度学习模型的变电站设备缺陷识别方法，其特征在于，包括如下步骤：/n步骤S1：建立缺陷识别库；/n步骤S2：构建深度学习模型；/n步骤S3：模型训练；/n步骤S4：试验验证。/n

【技术特征摘要】
1.一种基于深度学习模型的变电站设备缺陷识别方法，其特征在于，包括如下步骤：
步骤S1：建立缺陷识别库；
步骤S2：构建深度学习模型；
步骤S3：模型训练；
步骤S4：试验验证。


2.根据权利要求1所述的一种基于深度学习模型的变电站设备缺陷识别方法，其特征在于，所述步骤S1中缺陷识别库的建立过程如下：
步骤S11：总结归纳电网长期运行以来各类设备缺陷在不同类型变电站、不同电压等级和不同设备类型上的表现，建立变电站设备缺陷种类族谱；
步骤S12：根据步骤S11建立的变电站设备缺陷种类族谱，通过既往缺陷报告分析、变电站视频截取、现场图像采集和网络爬虫手段获取变电站典型缺陷的图像信息；
步骤S13：对步骤S12获取的图像信息进行预处理，形成缺陷分种类数据集。


3.根据权利要求2所述的一种基于深度学习模型的变电站设备缺陷识别方法，其特征在于，所述步骤S13中预处理的方法包括裁剪、镜像、旋转、缩放、添加噪音、改变色调、阻挡部分和模糊数据增强技术手段。


4.根据权利要求1所述的一种基于深度学习模型的变电站设备缺陷识别方法，其特征在于，所述步骤S2中深度学习模型的构建过程为：在传统神经网络基础上加入卷积层和池化层，降低输入数据处理维度，建立以卷积神经网络为基础的变电站缺陷识别深度学习模型。
...

【专利技术属性】
技术研发人员：曹磊，张广嘉，刘景立，赵子根，王献志，刘宏君，王光华，
申请(专利权)人：国网河北省电力有限公司保定供电分公司，长园深瑞继保自动化有限公司，国网河北省电力有限公司电力科学研究院，
类型：发明
国别省市：河北;13