System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及光伏智能运维领域,尤其涉及基于小样本学习的海岛光伏智能运维状态分析方法。
技术介绍
1、随着可再生能源的快速发展,光伏电站作为一种重要的清洁能源发电方式,得到了广泛应用。然而,光伏电站在长期运行过程中,会面临各种各样的问题和缺陷,如鸟粪、碎石等。这些缺陷会导致光伏电站的发电效率下降,甚至可能引发安全隐患。因此,对光伏电站进行及时准确地缺陷分类和智能运维显得尤为重要。
2、传统的光伏电站运维通常依赖于人工巡检和定期维护,这种方式存在着效率低下、成本高昂、易受人为因素影响等问题。为了提高光伏电站的运维效率和准确性,智能运维技术逐渐得到应用。智能运维技术利用传感器、监控系统和数据分析等手段,实现对光伏电站运行状态的实时监测和故障预警,从而提高光伏电站的发电效率和可靠性。
3、然而,光伏电站智能运维面临一个重要的挑战,即缺乏足够的缺陷数据。由于光伏电站缺陷的多样性和分布的不均匀性,获取大规模的缺陷数据是一项困难而耗时的任务。这导致了当前可用于训练和验证的缺陷图片非常有限,无法满足光伏电站智能运维的需求。缺乏足够的缺陷图片限制了光伏电站智能运维算法的性能和可靠性,使得现有的方法在实际应用中存在一定的局限性;对光伏电站缺陷的得不到准确的分类。
技术实现思路
1、本专利技术要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供基于小样本学习的海岛光伏智能运维状态分析方法,以实现少图片下的缺陷准确分类的目的。为此,本专利技术采取以下技术方案。
...【技术保护点】
1.基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于包括以下步骤:
2.根据权利要求1所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:缺陷识别模型训练包括以下步骤:
3.根据权利要求2所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤201)中,使用随机裁剪方式,从不同位置和尺寸裁剪出多个子图片,以增加图片的多样性和覆盖不同目标的局部区域;并对原始图片进行包括旋转、缩放和翻转的处理,生成更多样式和角度的图片;使用包括亮度、对比度和色彩平衡的方式调整图片的视觉特征,生成更多样式的缺陷图片;将裁剪后的子图片和增强后的图片与原始图片合并,形成增强后的光伏电站缺陷图片集。
4.根据权利要求3所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤205)中,对于输入的图片 X,通过线性变换计算查询特征Q,其中
5.根据权利要求4所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤206)中,使用特征提取器 f提取参照样本、正样本和负样本的特征表示,分别表示为f(参照
6.根据权利要求5所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤207)中,将参照样本、正样本和负样本的特征表示,以及利用特征池丰富后的增强特征连接起来,得到连接后的特征表示 h;使用全连接层的权重 W 和偏置 b,计算相似度得分 s = sigmoid(hW + b),其中 sigmoid 函数将得分映射到0到1之间的范围,表示两个样本的相似度;
7.根据权利要求5所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤210)中,第一损失函数为:
8.根据权利要求7所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤211)中,第二损失函数为:
9.根据权利要求8所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:第三损失函数为:
10.根据权利要求9所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤213)中,更新教师模型的公式为
...【技术特征摘要】
1.基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于包括以下步骤:
2.根据权利要求1所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:缺陷识别模型训练包括以下步骤:
3.根据权利要求2所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤201)中,使用随机裁剪方式,从不同位置和尺寸裁剪出多个子图片,以增加图片的多样性和覆盖不同目标的局部区域;并对原始图片进行包括旋转、缩放和翻转的处理,生成更多样式和角度的图片;使用包括亮度、对比度和色彩平衡的方式调整图片的视觉特征,生成更多样式的缺陷图片;将裁剪后的子图片和增强后的图片与原始图片合并,形成增强后的光伏电站缺陷图片集。
4.根据权利要求3所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤205)中,对于输入的图片 x,通过线性变换计算查询特征q,其中
5.根据权利要求4所述的基于小样本学习的海岛光伏智能运维状态分析方法,其特征在于:在步骤206)中,使用特征提取器 f提取参照样本、正样本和负样本的特征表示,分别表示为f...
【专利技术属性】
技术研发人员:甘纯,张引贤,张展耀,闻旭东,冯仰光,吴昊,田晶,韩叶林,俞欣,
申请(专利权)人:国网浙江省电力有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。