[发明专利]基于文本分类和图像识别的配网带电作业条件判别方法

说明书

本发明公开了一种基于文本分类和图像识别的配网带电作业条件判别方法，先从电网公司生产管理系统导出配电线路外部条件数据，生成配电线路带电作业外部条件判别文本数据库，再通过对配电线路现场拍照，生成线路设备图像数据库，对数据库进行预处理，然后搭建基于机器学习的中文文本自动分类模型和图像识别分类模型，将数据库分成训练集和测试集两大类，利用训练集分别对两个模型进行有监督的训练，利用测试集对训练好的模型进行测试；最后将新采集的数据输入到训练好的模型中，模型对每个判别条件特征进行识别并评分，根据总评分值对应评分等级判别该配电线路是否符合带电作业条件要求，为工作人员对是否能进行带电作业提供智能有效的决策依据。

技术领域

本发明属于中低压配电网线路带电作业技术领域，具体涉及一种基于文本分类和图像识别的配网带电作业条件判别方法。

背景技术

带电作业是电网设备检测、检修维护和改造的重要手段和方法，是保证电力系统可靠稳定运行的重要技术措施。随着配电网供电可靠性要求的不断提高，配电线路带电作业和不停电作业法也得到广泛应用和推广。新技术、新设备、新材料在带电作业领域的应用也有力推动了带电作业工具、设备、标准制定等方面的进步和发展，并对今后带电作业技术提出了新的要求和发展方向。然而，目前大部分电网公司关于带电作业条件的判别仍然是通过人为的去现场查看设备，缺乏对当前设备在电网结构中所处的位置的清晰认知，智能化分析手段不足，人为主观因素影响较多；没有一个统一的判别标准，对线路能不能进行带电作业的内外因素分析不足，无法量化每一个条件对线路是否能进行带电作业的影响。

发明内容

针对上述现有技术存在的不足，本发明提供一种基于文本分类和图像识别的配网带电作业条件判别方法，从而解决目前无法智能化的根据配电线路外部条件和设备条件数据对配电线路是否能进行带电作业作出判断的问题。

本发明所要解决的技术问题，通过以下技术方案予以实现：

一种基于文本分类和图像识别的配网带电作业条件判别方法，包括以下步骤：

S1.从电网公司生产管理系统导出配电线路外部条件数据，生成配电线路带电作业外部条件判别文本数据库；

S2.在配电线路现场采集图片，形成线路设备条件数据，生成线路设备图像数据库；

S3.对文本数据库和图像数据库进行预处理，包括：将线路外部条件和线路设备条件分别对应不同的分值生成条件分值表，条件分值表反映每种条件对应的分值，分值大小反映每种条件占的比重；以矩阵或向量的形式对文本进行表示，对图像进行分割和提取得到具有不变性的特征表示；

S4.搭建基于机器学习的中文文本自动分类模型和基于机器学习的图像识别分类模型；

S5.将预处理后的文本数据库和图像数据库分成训练集和测试集两大类，利用训练集数据分别对搭建好的基于机器学习的中文文本自动分类模型和基于机器学习的图像识别分类模型进行有监督的训练，然后利用测试集数据测试训练好的模型识别的准确率，通过调整参数使模型对测试集中的数据识别的准确率达到90％以上；

S6.对配电线路划分评分等级，将新采集数据导入训练好的模型中，模型识别带电作业判别条件特征并评分，根据总评分值对应评分等级判断该条件下是否满足带电作业条件要求。

所述步骤S1的线路外部条件数据包括：供电区域、电网结构、N-n检验、地形、用户接入和配电自动化水平。

所述步骤S2的线路设备条件数据包括：架空线、杆型、开断设备、变电设备、绝缘设备和金具。