基于自监督学习和深度学习的电能质量扰动视频识别方法技术

本发明专利技术提供一种基于自监督学习和深度学习的电能质量扰动视频识别方法，属于电能质量扰动技术领域；从采集到的波形视频中获取SURE兴趣点，获得每个SURE兴趣点的运动，获得第一个图像块；选取合适的边界框得到第二个图像块；生成数百万个这样的图像块对，加上一个随机视频的图像块，组成暹罗三联体；基于ResNeXt网络，生成一个1024维的特征空间f，在这个特征空间上定义损失函数，定义两个图像块X<subgt;1</subgt;、X<subgt;2</subgt;之间的距离，定义损失函数；执行小批量的随机梯度下降SGD；把前面训练三联体所得网络中的卷积层参数作为后续训练网络的初始化；通过加权K‑NN算法进行分类。本发明专利技术可以实现对实际电网中大量无标签数据的有效识别。

【技术实现步骤摘要】

本专利技术提供一种基于自监督学习和深度学习的电能质量扰动视频识别方法，属于电能质量扰动。

技术介绍

1、深度学习一般指通过训练多层网络结构对未知数据进行分类或回归。基本思想是通过构建多层网络，对目标进行多层表示，从而通过多层的高层次特征来表示数据的抽象语义信息，获得更好的识别鲁棒性。

2、暹罗网络是一系列网络，它使用两个相同的子网进行一次性分类。子网共享相同的配置、参数和权重，但具有不同的输入。

3、视频识别不同于一般的图像识别，需要对视频中的图像块进行有效采集。且配合深度学习时，不需要将一维数据转换成二维图像，可以省去大量时间，利于扰动的实时识别。

技术实现思路

1、本专利技术所要解决的技术问题为：

2、1.现有的电能质量扰动主要针对有标签数据，缺乏对无标签数据的研究，而实际电网中绝大部分都是无标签数据。

3、2.现有大部分电能质量扰动识别方法，不论是一维数据识别还是二维图像识别，都需要先对数据进行收集，尤其图像识别方式，还要经过一轮图像转换，很难做到实时识别本文档来自技高网...

【技术保护点】

1.基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，S1中，视频中含有暂升、暂降、中断、缺口、尖峰、振荡、谐波七种单扰动的波形。

3.根据权利要求1所述的基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，S2中，视频帧的大小选的边界框为224×224，帧的尺寸为448×60。

4.根据权利要求1所述的基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，S8具体方法为：把所有的有标签数据输入训练好的CNN网络，...

【技术特征摘要】

1.基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，s1中，视频中含有暂升、暂降、中断、缺口、尖峰、振荡、谐波七种单扰动的波形。

3.根据权利要求1所述的基于自监督学习和深度学习的电能质量扰动视频识别方法，其特征在于，s2中，视频帧...

【专利技术属性】
技术研发人员：李世亨，曾强，黄志威，张伟平，吴洁婷，陈庆虹，董亚文，陈欣晖，许家凤，何文志，陈翠萍，陈奕童，
申请(专利权)人：广东电网有限责任公司东莞供电局，
类型：发明
国别省市：