一种基于深度学习的配电台区异常预警方法技术

本发明专利技术公开了一种基于深度学习的配电台区异常预警方法，通过采集配电台区中目标设备的红外光图像，并对红外光图像进行分析，从而可以获取配电台区中目标设备的温度监测结果，能够即使发现目标设备的异常运行；其次通过获取第一自然光图像，并对第一自然光图像进行分析，从而可以确定预设的警戒区域中是否存在人员入侵，从而可以有效地保证工作人员的生命安全以及保证设备的运行安全；最后采集带电区域的第二自然光图像，并对第二自然光图像进行分析，可以确定带电区域中工作人员的佩戴安全帽的情况，从而可以对工作人员的规范作业情况进行检测，最终全面地实现配电台区异常监测预警。

【技术实现步骤摘要】

本专利技术涉及配电台区异常监测，具体涉及一种基于深度学习的配电台区异常预警方法。

技术介绍

1、部分地方地广人稀，公司配电网络全覆盖州内人民群众，除部分县城范围内配电台区分布较为集中，大多数配电台区都为零散稀疏分布，距离供电服务站距离远，路途难走，运行维护耗时费力。一线运维员工主要通过定期巡检、特殊巡视结合计划工作的方式开展配电台区现场运维，缺乏有效的手段对配电台区的设备实现监测，难以及时掌握配电台区设备的运行状态，不能做到事前预警，往往只能在发生设备故障后进行事后处置，影响供电可靠性。同时，配电台区作业较多，人身伤害风险大，作业现场安全管控水平主要取决于现场人员安全意识和安全措施执行力度，上下限差距较大。另外，配电台区天然接近用电客户、远离管理运行单位，存在外破、意外触电等风险，设备管理风险和安全风险较高。综上，亟需通过先进的技术，提升配电台区一线运维质效，保证台区作业安全，降低设备运行风险。

2、目前，对于台区的设备状态监测、人员入侵和异常行为监测等方面缺乏全方面的分析，对配电台区安全防范等重要环节缺少异常行为分析和告警；针对于设备异常温度本文档来自技高网...

【技术保护点】

1.一种基于深度学习的配电台区异常预警方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的配电台区异常预警方法，其特征在于，还包括：

3.根据权利要求2所述的基于深度学习的配电台区异常预警方法，其特征在于，所述第一图像分类器以及第二图像分类器的输入数据均缩放至同一尺寸。

4.根据权利要求2所述的基于深度学习的配电台区异常预警方法，其特征在于，采用集群跳跃搜索算法对第一图像分类器进行训练，以获取训练完成的第一图像分类器，包括：

5.根据权利要求4所述的基于深度学习的配电台区异常预警方法，其特征在于，根据所述历史自然光图像以及历史自...

【技术特征摘要】

1.一种基于深度学习的配电台区异常预警方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的配电台区异常预警方法，其特征在于，还包括：

3.根据权利要求2所述的基于深度学习的配电台区异常预警方法，其特征在于，所述第一图像分类器以及第二图像分类器的输入数据均缩放至同一尺寸。

4.根据权利要求2所述的基于深度学习的配电台区异常预警方法，其特征在于，采用集群跳跃搜索算法对第一图像分类器进行训练，以获取训练完成的第一图像分类器，包括：

5.根据权利要求4所述的基于深度学习的配电台区异常预警方法，其特征在于，根据所述历史自然光图像以及历史自然光图像对应的第一人像识别结果，获取每个参数个体所对应的全局信息强度因子，包括：

6.根据权利要求5所述的基于深度学习的配电台区异常预警方法，其特征在于，根据所有参数个体中的全局最优个体以及每个参数个体所对应的历史最优个体，...

【专利技术属性】
技术研发人员：陈晋，蒋慧，刘建琴，廖美健，刘贞，张寻，陈远，任兵，施政，曹梅，
申请(专利权)人：国网四川省电力公司阿坝供电公司，
类型：发明
国别省市：