电网线路故障识别模型训练方法和电网线路巡检方法技术

本申请提供一种电网线路故障识别模型训练方法和电网线路巡检方法，训练方法包括：构建训练样本集和测试样本集；采用训练样本集中的样本图片和匹配的特征标签，对故障识别模型进行训练，直至损失函数最小；采用测试样本集中的样本图片输入至训练后的故障识别模型，得到测试分类结果；采用测试分类结果和测试样本集中样本图片的特征标签计算模型准确度；在模型准确度不满足设定要求的情况下，重复执行前述的训练和测试步骤，直至得到满足设定要求的模型。通过训练预先建立的初始化故障识别模型，使得故障识别模型具有识别电网线路故障的能力。将此故障识别模型部署到实际应用中，可以取代有经验专业人员对拍摄的电网线路特征图片进行识别。

【技术实现步骤摘要】
电网线路故障识别模型训练方法和电网线路巡检方法
本申请涉及电网巡检
，尤其涉及一种电网线路故障模型训练方法和一种电网线路巡检方法。
技术介绍
电力行业中，为避免因为主干电网线路和塔架故障造成大面积停电故障，需要对主干电网及其塔架故障进行巡检，及时发现出现的故障并消除故障。采用无人机对电网线路进行故障巡检已经在电力行业中较为普遍；但是，目前，采用无人机巡检拍摄得到的影像资料后，仍然需要专业人员基于影像资料进行故障的识别；故障识别的准确性与专业人员的经验专业人员的精力状态直接相关，因为专业人员查看影像资料而识别故障的可信度是随着个人状态、影像资料的可辨识度直接相关；相关专业人员也很难长时间专注于故障的识别。如何减小在实际作业中对专业人员经验的依赖，是实现电网线路故障快速排除的核心。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了。一方面，本申请提供一种电网线路故障识别模型训练方法，包括：S101：构建训练样本集和测试样本集；所述训练样本集和所述测试样本集均包括电网线路本文档来自技高网...

【技术保护点】
1.一种电网线路故障识别模型训练方法，其特征在于，包括：/nS101：构建训练样本集和测试样本集；所述训练样本集和所述测试样本集均包括电网线路中构件的正常样本图片、所述构件出现各种故障时的故障样本图片；所述正常样本图片和所述故障样本图片均具有匹配的特征标签；/nS102：采用训练样本集中的样本图片和匹配的特征标签，对故障识别模型进行训练，直至损失函数最小；/nS103：采用测试样本集中的样本图片输入至训练后的所述故障识别模型，得到测试分类结果；/nS104：采用所述测试分类结果和所述测试样本集中样本图片的特征标签计算模型准确度；/nS105：在所述模型准确度不满足设定要求的情况下，重复执行步骤...

【技术特征摘要】
1.一种电网线路故障识别模型训练方法，其特征在于，包括：
S101：构建训练样本集和测试样本集；所述训练样本集和所述测试样本集均包括电网线路中构件的正常样本图片、所述构件出现各种故障时的故障样本图片；所述正常样本图片和所述故障样本图片均具有匹配的特征标签；
S102：采用训练样本集中的样本图片和匹配的特征标签，对故障识别模型进行训练，直至损失函数最小；
S103：采用测试样本集中的样本图片输入至训练后的所述故障识别模型，得到测试分类结果；
S104：采用所述测试分类结果和所述测试样本集中样本图片的特征标签计算模型准确度；
S105：在所述模型准确度不满足设定要求的情况下，重复执行步骤S102-S104，直至得到满足所述设定要求的故障识别模型。


2.根据权利要求1所述电网线路故障识别模型训练方法，其特征在于，步骤S104采用所述测试分类结果和所述测试样本集中样本图片的特征标签计算模型准确度，包括：
统计所述测试分类结果中的正确故障识别数量和全部故障识别数量；
根据所述正确故障识别数量和所述测试样本集中特征标签为故障标签的样本数量，计算精准度；
根据所述正确故障识别数量和全部故障识别数量，计算召回率；
根据所述精准度和所述召回率计算所述模型准确度。


3.根据权利要求1所述电网线路故障识别模型训练方法，其特征在于：至少包括两种类型的故障识别模型；
所述S105还包括，在至少两种故障识别模型的模型准确度均满足设定要求的情况下，选定模型准确度最高的所述故障识别模型作为实际应用模型。


4.根据权利要求3所述电网线路故障识别模型训练方法，其特征在于，
包括两种类型的所述故障识别模型，两种类型的故障识别模型分别为卷积神经网路模型和多层感知机模型。


5.根据权利要求1所述电网线路故障识别模型训练方法，其特征在于，还包括：
统计执行步骤S102-S104的重复次数；
在所述重复次数超过预设次数的情况下，修改所述故障识别模型的架构后再重复执行步骤S102-S104。


6.一种电网...

【专利技术属性】
技术研发人员：冯歆尧，彭泽武，谢瀚阳，梁盈威，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：广东;44