一种电网故障检测方法技术

本发明专利技术公开了一种电网故障检测方法，包括如下步骤：利用无人机巡航拍摄获得电网图像，并将获得的图像分为训练集和测试集；将训练集的图像输入到深度学习的卷积神经网络模型中，得到网络分类标签；将得到的网络分类标签输入到标签对齐层中，得到与人工标注的标签同格式的对齐后的网络分类标签；计算对齐后的网络分类标签与人工标注的标签的AccLoss损失函数值，并利用所得的AccLoss损失函数值进行反向传播，不断调整卷积神经网络模型的参数，完成卷积神经网络模型的训练；将测试集的图像输入到训练后的卷积神经网络模型中进行测试，得到电网故障分类结果。本发明专利技术所公开的方法在电网故障检测中可以获得很高的准确率。

【技术实现步骤摘要】
一种电网故障检测方法
本专利技术涉及电网检测
，特别涉及一种电网故障检测方法。
技术介绍
随着经济与社会的发展，电网起到的作用也越来越重要，因此维护电网的供电可靠性是电力运营发展的首要任务。但随着人们生活水平的提高，电网的规模不断扩大，人工检测电网成本逐渐升高而且难以实施，如何借助科技的力量实现自动的电网故障检测就显得至关重要。而无人机巡航中获得的图像就可以作为判断故障的媒体信息，即将电网故障检测问题定义为图像分类问题(故障类与无故障类的二分类问题)。这将会极大提高电网故障检测的效率以及人工成本。图像分类是要解决图片中是否属于某类的问题，是人工智能、计算机视觉领域的基础研究方向。一般说来，物体分类算法通过手工特征或者特征学习方法对整个图像进行全局描述，然后使用分类器判断是否属于某类物体。大多数特征提取过程是人工设计的，但是这些特征与图像高级主题间还是存在很大的“语义鸿沟”。而深度学习利用设定好的网络结构，完全从训练数据中学习图像的层级结构性特征，能够提取更加接近图像高级语义的抽象特征，因此在图像识别上的表现远远超过传统方法。深度学本文档来自技高网...

【技术保护点】
1.一种电网故障检测方法，其特征在于，包括如下步骤：/n(1)利用无人机巡航拍摄获得电网图像，并将获得的图像分为训练集和测试集；/n(2)将训练集的图像输入到深度学习的卷积神经网络模型中，得到网络分类标签；/n(3)将得到的网络分类标签输入到标签对齐层中，得到与人工标注的标签同格式的对齐后的网络分类标签；所述标签对齐层对输入的数据进行最大池化层操作、反最大池化层操作和归一化最大值位置操作；/n(4)计算对齐后的网络分类标签与人工标注的标签的AccLoss损失函数值，并利用所得的AccLoss损失函数值进行反向传播，不断调整卷积神经网络模型的参数，完成卷积神经网络模型的训练；AccLoss损失函...

【技术特征摘要】
1.一种电网故障检测方法，其特征在于，包括如下步骤：
(1)利用无人机巡航拍摄获得电网图像，并将获得的图像分为训练集和测试集；
(2)将训练集的图像输入到深度学习的卷积神经网络模型中，得到网络分类标签；
(3)将得到的网络分类标签输入到标签对齐层中，得到与人工标注的标签同格式的对齐后的网络分类标签；所述标签对齐层对输入的数据进行最大池化层操作、反最大池化层操作和归一化最大值位置操作；
(4)计算对齐后的网络分类标签与人工标注的标签的AccLoss损失函数值，并利用所得的AccLoss损失函数值进行反向传播，不断调整卷积神经网络模型的参数，完成卷积神经网络模型的训练；AccLoss损失函数值计算公式如下：



其中，x为对齐后的网络分类标签，label为人工标注的标签，i为第i个样本，j为样本的类别，为第i个样本的第j类的对齐后的网络分类标签，为第i个样本的第j...

【专利技术属性】
技术研发人员：邹谦，王俊武，张玮，于卫锋，张秋阳，蔡启亮，刘昱，
申请(专利权)人：国网山东省电力公司青岛市即墨区供电公司，
类型：发明
国别省市：山东;37