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】
本专利技术涉及数据信息识别,且更确切地涉及一种基于机器视觉技术的电网故障检测方法及系统。
技术介绍
1、机器视觉技术,是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。
2、随着电网技术的飞速发展,其中电力系统中各种电压的变电所及输配电线路组成的整体,称为电力,电网技术比如包含变电、输电、配电三个模块。电力网的任务是输送与分配电能,改变电压。在运行过程中往往出现各种问题,比如电流、电压等电气量以及保护和断路器动作的开关量变化信息的故障诊断,如何识别电网设备中故障元件的运行数据信息或者故障数据信息,对于缩短故障时间,防止事故扩大具有重要意义。在电网诊断
中,传统数学模型的诊断方法已很大程度上不能保证诊断的准确性和快速性等要求,随着机器视觉技术的发展,为电网故障数据信息的识别提供新型思路,机器视觉系统是通过机器视觉产品(即图像摄取装置,分cmos和ccd两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息。通过采用机器代替人眼来做电网故障数据信息进行测量和判断,进而实现电网故障数据的识别。
3、基于上述思路,本专利技术提供一种基于机器视觉技术的电网故障检测方法及系统。
技术实现思路
1、针对上述问题,本专利技术公开一
2、为了实现上述技术效果,本专利技术采用以下技术方案:
3、一种基于机器视觉技术的电网故障检测方法,其中包含以下步骤:
4、步骤(1)、电网故障数据信息采集;
5、其中采集方法为:在无人机中搭接图像采集模块,通过地面遥控的方式实现电网运行中数据信息的采集;根据拍摄区的划分来设计无人机的飞行航线,无人机执行飞行拍摄任务的过程中将其采集到的影像数据进行存储;
6、步骤(2)、电网故障数据信息转换;
7、将获取的模拟数据信息通过a/d转换的方式转换为数据信息,在转换过程中,采用压缩的方式加速数据信息的转换,通过更改数据信息编码的方式转换数据信息特征,以提高数据信息识别能力;
8、步骤(3)、电网故障数据信息识别;
9、将采集到的数据进行输入,通过模态转换后进行数据处理、数据分割和数据定位操作后,构建改进型ls-svm模型对获取的数据信息进行识别分析,其中所述改进ls-svm模型包括数据映射模块、多元数据融合模块、引力搜索gsa模块、故障数据感知模块和感知输出模块,其中所述数据映射模块用于将获取的数据信息通过数据识别属性从数据高维空间转换到数据低纬空间,所述多元数据融合模块用于在整个电网数据信息融合转换后的数据信息,以遍历电网运行中的数据信息,引力搜索gsa模块用于通过检索的方式遍历采集到的电网运行数据信息,以快速获取目标数据信息,故障数据感知模块用于对遍历到的数据进行信息感知,以输出电网运行中的数据信息,感知输出模块用于感知电网运行中的数据信息,以输出感知到的数据信息;其中数据映射模块的输出端与多元数据融合模块的输入端连接,多元数据融合模块的输出端与引力搜索gsa模块的输入端连接,所述引力搜索gsa模块的输出端与故障数据感知模块的输入端连接,故障数据感知模块的输出端与感知输出模块的输入端连接;
10、步骤(4)、电网故障数据信息分析;
11、对感知到的数据信息进行分析,将感知到的数据信息与数据库中的故障数据进行分析;采用皮尔逊相关系数进行关联度数据信息分析;以进行故障数据信息中的关联度分析;
12、步骤(5)、电网故障数据信息评估;
13、通过多数投票法将电网故障数据信息输出信息进行组合,并通过贝叶斯网络模型对故障数据信息进行预测;
14、步骤(6)、电网故障数据信息传递;
15、通过远程无线通信的方式将电网故障数据信息传递,以在不同的端口实现电网故障数据传递与共享;
16、步骤(7)、电网故障数据信息应用;
17、通过无线网络设置的设备终端实现电网故障数据信息的应用。
18、作为本专利技术进一步的技术方案,改进型ls-svm模型的工作方法为:
19、电网运行信息集合m={(x1,y1)···(xi,yi)},其中i=1,2…n,n表示电网异常
20、运行采集信息样本数,xi和yi分别是指电网运行信息的输入向量与输出向量,建立回归模型公式为:
21、
22、公式(1)中,g(yi)表示回归模型,w表示回归模型运行的权值参数,wi表示分析电网故障数据信息时异常数据权值,表示将高纬度数据信息转换为低纬度数据信息后的电网数据集合,b表示函数稳定性调整参数,m表示分析的电网运行信息集合;
23、其中约束二次优化模型为:
24、
25、公式(2)中,γ是正则化参数,e是松弛系数,minj(w,e)表示最小化的约束二次优化函数,表示约束二次优化函数;
26、引入拉格朗日乘子来获得电网运行信息处理目标函数:
27、
28、公式(3)中,l表示拉格朗日乘子;
29、通过线性方程表示电网故障数据信息,线性方程为:
30、
31、公式(4)中,k(x,xi)表示满足mercer定理条件的核函数k,y表示输出的电网运行信息的输出向量集合,a表示核函数k的常参数;电网运行信息回归函数表示为:
32、
33、公式(5)中,f(x)表示电网运行信息回归函数,k表示满足mercer
34、定理条件的核函数;
35、权重系数计算式表示为:
36、
37、式(6)中,n为电网故障检测类型个数;i为采集异常信息类型序号;
38、第k次检测的电网运行检测异常值表示为:
39、
40、式(7)中,为运行在故障数据感知模块上感知的故障信息向量值;n为感知数;为运行感知的权值向量;
41、网络安全感知模型的网络层态势决定当前整个网络的运行状态,由每次检测的态势和权重共同决定,可表示为:
42、
43、式(8)中,h为网络安全的故障信息向量值;uk为故障模块的设备数量;fk为网络中故障数据感知模块的使用频率,k表示感知次序,h表示电网运行检测异常信息。
44、作为本专利技术进一步的技术方案,引力搜索gsa模块的工作方法为:
45、(步骤一)、初始化电网运行信息样本总体大小n,最大迭代次数tmax=200,常数ε=4本文档来自技高网...
【技术保护点】
1.一种基于机器视觉技术的电网故障检测方法,其特征在于:包含以下步骤:步骤(1)、电网故障数据信息采集;
2.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:改进型LS-SVM模型的工作方法为:
3.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:引力搜索GSA模块的工作方法为:
4.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:皮尔逊相关系数为:
5.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:电网故障数据信息评估的方法为:
6.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:贝叶斯网络模型为:
7.一种根据权利要求1-6中任意一项基于机器视觉技术的电网故障检测方法实现检测的系统,其特征在于:包括:
8.根据权利要求7所述的系统,其特征在于:所述电网故障数据信息至少包含电网运行中雷击跳闸故障、外力破坏故障、鸟害故障、线路覆冰及导线的断股、损伤或者闪络烧伤故障数据信息、三相
9.根据权利要求7所述的系统,其特征在于:所述嵌入式处理器为ARM+DSP双核处理器;ARM Cortex应用处理器是16/32位RISC微处理。
...【技术特征摘要】
1.一种基于机器视觉技术的电网故障检测方法,其特征在于:包含以下步骤:步骤(1)、电网故障数据信息采集;
2.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:改进型ls-svm模型的工作方法为:
3.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:引力搜索gsa模块的工作方法为:
4.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:皮尔逊相关系数为:
5.根据权利要求1所述的一种基于机器视觉技术的电网故障检测方法,其特征在于:电网故障数据信息评估的方法为:
6.根据权利要求1所述的一种基于机器...
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。