一种基于5G的输电线路覆冰厚度计算方法及系统技术方案

本发明专利技术提供一种基于5G的输电线路覆冰厚度计算方法，包括以下步骤：构建神经网络，使用覆冰图像作为训练集对所述神经网络进行训练，使其能够对覆冰图像进行识别及提取；在输电线路侧架设摄像头，利用所述摄像头对输电线路图像进行采集，然后利用所述神经网络对所述输电线路图像中的覆冰图像进行识别及提取，然后基于利用三维图像多项分割的变分水平集算法处理所述输电线路图像获得覆冰的厚度。理所述输电线路图像获得覆冰的厚度。理所述输电线路图像获得覆冰的厚度。

【技术实现步骤摘要】
一种基于5G的输电线路覆冰厚度计算方法及系统


[0001]本专利技术涉及输电线路
，更具体地，涉及一种基于5G的输电线路覆冰厚度计算方法及系统。

技术介绍

[0002]在电网高压输电工程中，远距离高压输电线路所在的地理环境、气候条件比较恶劣，特别是在冬季，因为气温较低，当湿度较高时，很容易在输电线缆的表面结冰，而且随着气温持续下降，电缆线表面的覆冰会越来越厚，让高压输电线路的重量负载越来越大，严重时会造成输电线缆被压断的现象，非常危险，而且后期抢修维护的成本也非常高。
[0003]因此，如何对输电线路上的覆冰厚度进行检测，并及时进行覆冰处理，是现有技术存在的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术的专利技术目的在于提供一种基于5G的输电线路覆冰厚度计算方法，该方法可实现对所述输电线路覆冰厚度的智能计算，便于技术人员对所述覆冰厚度进行监控。
[0005]本专利技术的目的是通过以下技术方案实现的：
[0006]一种基于5G的输电线路覆冰厚度计算方法，包括以下步骤：
[0007]构建神经网络，使用覆冰图像作为训练集对所述神经网络进行训练，使其能够对覆冰图像进行识别及提取；
[0008]在输电线路侧架设摄像头，利用所述摄像头对输电线路图像进行采集，然后利用所述神经网络对所述输电线路图像中的覆冰图像进行识别及提取，然后基于利用三维图像多项分割的变分水平集算法处理所述输电线路图像获得覆冰的厚度。
[0009]进一步，所述神经网络构建于监控中心，所述摄像头采集的输电线路图像通过5G通信技术传输至监控中心。
[0010]进一步，所述对所述神经网络进行训练的过程包括前向传播和反向传播；前向传播和反向传播具体为：
[0011]前向传播：训练样本从输入层进入网络，通过上一层的结点以及对应的连接权值进行加权和运算，结果加上一个偏置项，通过非线性函数得到的结果就是本层结点的输出，逐层运算得到输出层结果；若输出层的实际输出与期望输出不同，则转至误差反向传播；若输出层的实际输出与期望输出相同，则结束；
[0012]反向传播：期望输出与实际输出之差按原通路反传计算，通过隐层反向传播直至输入层，在反传过程中将误差分摊给各层的各个单元，获得各层各单元的误差信号，并将误差信号作为修正各单元权值的根据，修正各单元权值过程使用Adagrad算法完成。
[0013]进一步，神经网络的结构按输入层
‑
卷积层
‑
卷积层
‑
池化层
‑
卷积层
‑
卷积层
‑
池化层
‑
全连接层进行排列，选取ReLu函数作为激活函数，池化使用最大池化的方法，当前层的
输出表示为：
[0014]x
e
＝f(u
e
)
[0015]u
e
＝W
e
x
e
‑1+b
e
[0016]其中x
e
表示当前层的输出，u
e
表示激活函数的输入，f()表示激活函数，W
e
为当前层的权值，b
e
为可加偏置。
[0017]同时，本专利技术提供了一种应用以上方法的覆冰厚度计算系统，其具体的方案如下：包括神经网络构建模块、神经网络训练模块、覆冰图像识别提取模块、摄像头和覆冰厚度计算模块；
[0018]其中神经网络构建模块用于构建神经网络；
[0019]神经网络训练模块用于使用覆冰图像作为训练集对所述神经网络进行训练；
[0020]覆冰图像识别提取模块用于使用所述神经网络对覆冰图像进行识别及提取；
[0021]所述摄像头用于对输电线路图像进行采集；
[0022]所述覆冰厚度计算模块基于三维图像多项分割的变分水平集算法处理所述输电线路图像获得覆冰的厚度。
[0023]进一步，所述神经网络构建模块、神经网络训练模块、覆冰图像识别提取模块、覆冰厚度计算模块构建于监控中心，所述摄像头采集的输电线路图像通过5G通信技术传输至监控中心。
[0024]进一步，所述对所述神经网络进行训练的过程包括前向传播和反向传播；前向传播和反向传播具体为：
[0025]前向传播：训练样本从输入层进入网络，通过上一层的结点以及对应的连接权值进行加权和运算，结果加上一个偏置项，通过非线性函数得到的结果就是本层结点的输出，逐层运算得到输出层结果；若输出层的实际输出与期望输出不同，则转至误差反向传播；若输出层的实际输出与期望输出相同，则结束；
[0026]反向传播：期望输出与实际输出之差按原通路反传计算，通过隐层反向传播直至输入层，在反传过程中将误差分摊给各层的各个单元，获得各层各单元的误差信号，并将误差信号作为修正各单元权值的根据，修正各单元权值过程使用Adagrad算法完成。
[0027]进一步，神经网络的结构按输入层
‑
卷积层
‑
卷积层
‑
池化层
‑
卷积层
‑
卷积层
‑
池化层
‑
全连接层排列，选取ReLu函数作为激活函数，池化使用最大池化的方法，当前层的输出表示为：
[0028]x
e
＝f(u
e
)
[0029]u
e
＝W
e
x
e
‑1+b
e
[0030]其中x
e
表示当前层的输出，u
e
表示激活函数的输入，f()表示激活函数，W
e
为当前层的权值，b
e
为可加偏置。
[0031]本专利技术的有益效果是：本专利技术提供的方法可实现对所述输电线路覆冰厚度的智能计算，便于技术人员对所述覆冰厚度进行监控。
[0032]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
[0033]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：
[0034]图1为基于5G的输电线路覆冰厚度计算方法的流程示意图。
[0035]图2为基于5G的输电线路覆冰厚度计算系统的结构示意图。
具体实施方式
[0036]以下将参照附图，对本专利技术的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。
[0037]为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，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，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于5G的输电线路覆冰厚度计算方法，其特征在于：包括以下步骤：构建神经网络，使用覆冰图像作为训练集对所述神经网络进行训练，使其能够对覆冰图像进行识别及提取；在输电线路侧架设摄像头，利用所述摄像头对输电线路图像进行采集，然后利用所述神经网络对所述输电线路图像中的覆冰图像进行识别及提取，然后基于利用三维图像多项分割的变分水平集算法处理所述输电线路图像获得覆冰的厚度。2.根据权利要求1所述的基于5G的输电线路覆冰厚度计算方法，其特征在于：所述神经网络构建于监控中心，所述摄像头采集的输电线路图像通过5G通信技术传输至监控中心。3.根据权利要求1所述的基于5G的输电线路覆冰厚度计算方法，其特征在于：所述对所述神经网络进行训练的过程包括前向传播和反向传播；前向传播和反向传播具体为：前向传播：训练样本从输入层进入网络，通过上一层的结点以及对应的连接权值进行加权和运算，结果加上一个偏置项，通过非线性函数得到的结果就是本层结点的输出，逐层运算得到输出层结果；若输出层的实际输出与期望输出不同，则转至误差反向传播；若输出层的实际输出与期望输出相同，则结束；反向传播：期望输出与实际输出之差按原通路反传计算，通过隐层反向传播直至输入层，在反传过程中将误差分摊给各层的各个单元，获得各层各单元的误差信号，并将误差信号作为修正各单元权值的根据，修正各单元权值过程使用Adagrad算法完成。4.根据权利要求1所述的基于5G的输电线路覆冰厚度计算方法，其特征在于：神经网络的结构按输入层
‑
卷积层
‑
卷积层
‑
池化层
‑
卷积层
‑
卷积层
‑
池化层
‑
全连接层进行排列，选取ReLu函数作为激活函数，池化使用最大池化的方法，当前层的输出表示为：x
e
＝f(u
e
)u
e
＝W
e
x
e
‑1+b
e
其中x
e
表示当前层的输出，u
e
表示激活函数的输入，f()表示激活函数，W
e
为当前层的权值，b
e
为可加偏置。5.一种基于5G的输电线路覆冰厚度计算系统，其特征在于：包括神经网络构建模块、神...

【专利技术属性】
技术研发人员：董武，张涛，汤玮，彭迪栎，刘旭，蔡诚，刘晴，张国翊，朱海龙，金海，左军，郑元伟，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：