一种基于卷积神经网络的变电站五小箱故障识别系统技术方案

本发明专利技术提出了一种基于卷积神经网络的变电站五小箱故障识别系统，包括测温传感单元、摄像单元以及微处理器，所述测温传感单元通过I2C接口连接所述微处理器的输入端，所述摄像单元通过串行摄像机控制总线连接所述微处理器的输入端；所述测温传感单元用于采集变电站五小箱内的空气开关和继电器的第一采集图像；所述摄像单元用于采集变电站五小箱内的空气开关和继电器的第二采集图像；所述微处理器用于通过内置的卷积神经网络，对第一采集图像和第二采集图像进行特征分析，根据分析结果识别故障类型。本发明专利技术能够有效地识别箱内继电器、空开等器件的运行状况的故障类型，并具有自主学习能力，提高了故障识别方法的泛化能力。提高了故障识别方法的泛化能力。提高了故障识别方法的泛化能力。

【技术实现步骤摘要】
一种基于卷积神经网络的变电站五小箱故障识别系统


[0001]本专利技术属于变电箱故障识别领域，尤其涉及一种基于卷积神经网络的变电站五小箱故障识别系统。

技术介绍

[0002]变电站五小箱是各类机构箱、端子箱和检修电源箱等变电所户外箱体设备的统称，其作为电力系统的辅助设备，广泛应用于输电配电网络系统中，承担着供电系统开合操作以及控制和保护主设备系统的的工作电源，其运行的可靠性直接影响着电力系统供电质量及安全性能。由于变电站“五小箱”内部绝缘结构多样，实际运行环境复杂(高温，灰尘，潮湿等)，加之可能存在的生产质量及工艺缺陷，在长期运行过程中比如绝缘性能可能发生劣化，进而在电场作用下引发局部放电，局部放电的进一步发展加剧绝缘老化，严重时可能导致空开断开或漏电保护动作；再比如由于空开和接触器触点固定螺钉松动引起的过热现象触发保护动作，影响电力配电系统的安全稳定运行。目前对变电站五小箱的运行状态的监测主要依靠技术人员定期的巡查工作。这需要制定详细而周密的计划，需要保证管理人员的严格执行。
[0003]因此，采用有效的故障识别技术，可以极大地保证隐患的预防与排除。图像识别技术是指运用计算机对图像进行处理分析，以达到模仿人类，自动识别对象和目标的目的。通常电力设备图像识别方法是依靠目标的颜色特征和几何特征，而这些方法常受到背景和亮度等因素的影响，继而导致这些方法泛化能力比较差。

技术实现思路

[0004]为了解决现有技术中存在的依靠目标的颜色特征和几何特征对变电站五小箱进行故障识别，导致泛化能力比较差缺点和不足，本专利技术提出了一种基于卷积神经网络的变电站五小箱故障识别系统，所述变电站五小箱故障识别系统包括测温传感单元、摄像单元以及微处理器，所述测温传感单元通过I2C接口连接所述微处理器的输入端，所述摄像单元通过串行摄像机控制总线连接所述微处理器的输入端；所述测温传感单元用于采集变电站五小箱内的空气开关和继电器的第一采集图像；所述摄像单元用于采集变电站五小箱内的空气开关和继电器的第二采集图像；所述微处理器用于通过内置的卷积神经网络，对第一采集图像和第二采集图像进行特征分析，根据分析结果识别故障类型。
[0005]可选的，其特征在于，所述第一采集图像为五小箱内空气开关和继电器的实时触点温度图像。
[0006]可选的，所述第二采集图像为变电站五小箱内的空气开关和继电器的实时动作状态图像。
[0007]可选的，所述微处理器通过卷积神经网络的深度学习算法对空气开关、继电器的
开合状态进行实时定位与故障类型识别。
[0008]可选的，所述卷积神经网络的卷积层的输出结果表示为：结果表示为：其中，k为卷积层的子层编号，i为对第一采集图像和第二采集图像的像素扫描的起始行编号，j为对第一采集图像和第二采集图像的像素扫描的起始列编号，表示卷积层子层k的输出，分别表示子层k中过滤器的权重，x
ij
、x
ij+1
、
…
、x
i+2j+2
表示输入子层k的像素，b
Fb
为预设偏置量，a表示激活函数。
[0009]可选的，所述卷积神经网络预先基于误差反向传播法完成对变电站五小箱采集图像的训练学习，基于训练学习的结果确定所述卷积神经网络中卷积层采用的过滤器的数量与大小，以及所述预设偏置量。
[0010]可选的，所述卷积神经网络的池化层表示为：其中，k为池化层的子层编号，表示池化层子层k的输出结果，i、j分别表示子层k中神经单元的行、列编号，分别表示池化层子层k的输入，表示池化层子层k的激活函数。
[0011]可选的，所述卷积神经网络的输出层的神经单元个数与待识别的故障类型数目相等。
[0012]可选的，所述变电站五小箱故障识别系统还包括无线传输单元，用于将微处理器的分析结果发送至用于故障监控平台。
[0013]本专利技术提供的技术方案带来的有益效果是：本专利技术提出的变电站五小箱故障识别系统采用卷积神经网络的深度学习算法对变电站“五小箱”箱内继电器、空开等器件的运行状况和故障类型进行有效模式识别，并通过无线传输和监控室实现数据的传输和交换，能够有效地识别箱内继电器、空开等器件的运行状况的故障类型，并具有自主学习能力，提高了故障识别方法的泛化能力。
附图说明
[0014]为了更清楚地说明本专利技术的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术实施例提出的一种基于卷积神经网络的变电站五小箱故障识别系统的结构示意图。
具体实施方式
[0016]为使本专利技术实施例的目的、技术方案和优点更加清楚，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。
[0017]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0018]应当理解，在本专利技术的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成任何限定。
[0019]应当理解，在本专利技术中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0020]应当理解，在本专利技术中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
[0021]应当理解，在本专利技术中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
[0022]取决于语境，如在此所使用的“若”可以被解释成为“在
……
时”或“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的变电站五小箱故障识别系统，其特征在于，所述变电站五小箱故障识别系统包括测温传感单元、摄像单元以及微处理器，所述测温传感单元通过I2C接口连接所述微处理器的输入端，所述摄像单元通过串行摄像机控制总线连接所述微处理器的输入端；所述测温传感单元用于采集变电站五小箱内的空气开关和继电器的第一采集图像；所述摄像单元用于采集变电站五小箱内的空气开关和继电器的第二采集图像；所述微处理器用于通过内置的卷积神经网络，对第一采集图像和第二采集图像进行特征分析，根据分析结果识别故障类型。2.根据权利要求1所述的一种基于卷积神经网络的变电站五小箱故障识别系统，其特征在于，所述第一采集图像为五小箱内空气开关和继电器的实时触点温度图像。3.根据权利要求1所述的一种基于卷积神经网络的变电站五小箱故障识别系统，其特征在于，所述第二采集图像为变电站五小箱内的空气开关和继电器的实时动作状态图像。4.根据权利要求1所述的一种基于卷积神经网络的变电站五小箱故障识别系统，其特征在于，所述微处理器通过卷积神经网络的深度学习算法对空气开关、继电器的开合状态进行实时定位与故障类型识别。5.根据权利要求1所述的一种基于卷积神经网络的变电站五小箱故障识别系统，其特征在于，所述卷积神经网络的卷积层的输出结果表示为：其中，k为卷积层的子层编号，i为对第一采集图像和第二采集图像的像素扫描的起始行编号，j为对第一采集图像和第二采集图像的像素扫...

【专利技术属性】
技术研发人员：常俊晓，王家琪，赵文东，卢姬，杨茜，杨晓杰，应宇鹏，王周虹，吴坚，冉三荣，秦政，周威铮，马秀林，叶仁杰，潘光辉，
申请(专利权)人：国网浙江省电力有限公司台州供电公司，
类型：发明
国别省市：