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】
本专利技术涉及电网安全,具体涉及一种轻量级输电线覆冰厚度智能评估方法。
技术介绍
1、传统的输电线覆冰在线监测装置主要分为两种类型:一种是通过远程实时测量覆冰相关物理参数,如微气象数据;另一种是通过远程图像监控采集现场图片,然后直接分析图片来实时评估导线的覆冰情况。大多数传统方法仅单独利用气象等传感器数据或单独利用视觉图像进行覆冰厚度估计或分类。单独利用微气象等传感器数据省去了部署成本相对较高的摄像头,但准确度不够高;单独利用视觉图像可以达到相对较高的覆冰厚度评估准确率,但由于没有利用上重要的微气象数据,评估准确率尚有提升空间。目前,已经有极少数同时利用气象等数据和视觉图像的输电线覆冰厚度评估方法,例如专利“一种基于prkelm的输电线路覆冰厚度预测模型的建模方法”(申请号:cn201911102567.9)中公开了第一阶段将图像数据转换成lbp图像数据,并利用pca算法进行降维,计算灰度直方图联级,得到提取后的图像数据特征,采用relieff算法对气象数据以及力学数据进行特征筛选,去掉高度相关的冗余特征,得到提取的气象以及力学特征数据;第二阶段利用第一阶段得到的特征数据,输入prkelm模型来得到覆冰等级。然而,这个方法的计算复杂度较高,难以在低成本、低计算能力、低电量的终端设备中使用。因此,非常有必要设计轻量级、同时利用气象等传感器数据和视觉图像的输电线覆冰厚度评估方法,从而可以在低成本、低计算能力、低电量的终端设备中使用。
技术实现思路
1、本专利技术的目的在于,提供一种轻量
2、本专利技术的技术方案:一种轻量级输电线覆冰厚度智能评估方法,所述方法包括以下步骤:
3、步骤1:获取输电线路附近的微气象数据和覆冰输电线图像数据;
4、步骤2:将覆冰输电线图像的尺寸处理成尺寸大小一致的图像,用测量工具手动测量的覆冰厚度作为图像标签;
5、步骤3:将微气象数据输入全连接神经网络模型一中,输出四维特征向量v1;
6、步骤4:将处理后图像输入卷积神经网络模型二中,输出图像的四维特征向量v2;
7、步骤5:将四维特征向量v1与四维特征向量v2以全连接的方式连接到输出层,输出层采用softmax分类器进行分类,分类输出输电线覆冰厚度分类结果,覆冰厚度分为无覆冰、轻度覆冰、中度覆冰、重度覆冰四类。
8、前述的一种轻量级输电线覆冰厚度智能评估方法中,步骤1中所述输电线路附近的微气象数据包括输电线附近风速、风向、气温、湿度、气压,降雨量;所述图像数据包括输电线节点固定摄像头拍摄得到的输电线路覆冰图。
9、前述的一种轻量级输电线覆冰厚度智能评估方法中,步骤3中所述全连接神经网络模型一的卷积神经网络包括:输入层,第一隐藏层,第二隐藏层这三层,输入层神经元与第一隐藏层神经元之间相互全连接,第一隐藏层神经元与第二隐藏层神经元之间相互全连接;根据输入节点和输出节点个数确定隐藏层节点数的范围,并最终确定出隐藏节点。
10、前述的一种轻量级输电线覆冰厚度智能评估方法中,步骤4所述卷积神经网络模型二的卷积神经网络包括:依次设置的卷积层,池化层,卷积层,池化层,卷积层,池化层,全连接层。
11、前述的一种轻量级输电线覆冰厚度智能评估方法中,步骤3、4、5中所述的全连接神经网络模型一和卷积神经网络模型二,通过以下步骤进行训练得到网络参数:将步骤1中获取的微气象数据输入至全连接神经网络模型一中,将步骤2中处理后图像输入至卷积神经网络模型二中,将覆冰厚度对应的四维向量作为标签,即无覆冰对应向量[1,0,0,0],轻度覆冰对应向量[0,1,0,0],中度覆冰对应向量[0,0,1,0],重度覆冰对应向量[0,0,0,1],对所述网络模型进行训练。
12、与现有技术相比,本专利技术的有益效果为:
13、本专利技术的技术方案充分利用了图像和微气象数据的信息,提高了覆冰厚度评估的准确性和可靠性。评估方法采用低计算量的全连接神经网络来提取微气象数据的特征、采用3层卷积层加池化层来提图像的特征,最后利用全连接的方式来同时利用两个维度的特征来评估覆冰厚度,具有较低的计算复杂度,从而可以在低成本、低计算能力、低电量的终端设备中使用,准确、高效地评估覆冰输电线的覆冰厚度。
本文档来自技高网...【技术保护点】
1.一种轻量级输电线覆冰厚度智能评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的轻量级输电线覆冰厚度智能评估方法,其特征在于:步骤1中所述微气象数据包括输电线附近风速、风向、气温、湿度、气压,降雨量;所述图像数据包括输电线节点固定摄像头拍摄得到的输电线路覆冰图。
3.根据权利要求1所述的轻量级输电线覆冰厚度智能评估方法,其特征在于:步骤3中所述全连接神经网络模型一的卷积神经网络包括:输入层,第一隐藏层,第二隐藏层这三层,输入层神经元与第一隐藏层神经元之间相互全连接,第一隐藏层神经元与第二隐藏层神经元之间相互全连接;根据输入节点和输出节点个数确定隐藏层节点数的范围,并最终确定出隐藏节点。
4.根据权利要求1所述的轻量级输电线覆冰厚度智能评估方法,其特征在于:步骤4所述卷积神经网络模型二的卷积神经网络包括:依次设置的卷积层,池化层,卷积层,池化层,卷积层,池化层,全连接层。
5.根据权利要求1所述的轻量级输电线覆冰厚度智能评估方法,其特征在于:步骤3、4、5中所述的全连接神经网络模型一和卷积神经网络模型二,通过以下步骤进行
...【技术特征摘要】
1.一种轻量级输电线覆冰厚度智能评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的轻量级输电线覆冰厚度智能评估方法,其特征在于:步骤1中所述微气象数据包括输电线附近风速、风向、气温、湿度、气压,降雨量;所述图像数据包括输电线节点固定摄像头拍摄得到的输电线路覆冰图。
3.根据权利要求1所述的轻量级输电线覆冰厚度智能评估方法,其特征在于:步骤3中所述全连接神经网络模型一的卷积神经网络包括:输入层,第一隐藏层,第二隐藏层这三层,输入层神经元与第一隐藏层神经元之间相互全连接...
【专利技术属性】
技术研发人员:陈锐霆,张韬,秦裕强,金波,池凯凯,毛科技,
申请(专利权)人:杭州惠嘉信息科技有限公司,
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。