[发明专利]一种针对电网异常的实时监测报警系统及方法

说明书

本发明提供了一种基于区域推荐卷积网络的针对电网异常的实时监测报警系统，包括：固定式的摄像装置、区域推荐卷积神经网络、样本生成系统、报警系统。各个部分相互配合，自动完成对电网指定位置的实时监测工作。区域推荐卷积神经网络由两个网络组成，区域推荐网络预测可能出现异常的区域，卷积神经网络精确定位异常对象的种类及其大小和位置。在发现异常情况后立即通过邮件、短信等方式报警，通知巡检员。同时提供了一种上述针对电网异常的实时监测报警系统的实时监测报警方法。本发明实现了对电网指定位置的指定异常情况的自动化实时监测，节约大量人力。

技术领域

本发明涉及的是一种用于对电网指定位置进行实时监测报警的系统，具体是一种基于区域推荐卷积神经网络的针对电网异常的实时监测报警系统及方法。

背景技术

电力巡检事关电网的安全平稳运行。国网公司每年投入大量人力物力来保证电力巡检工作。其中，一些位于城市内的输电线路和变电站，由于靠近市民生活区，垃圾、风筝等异物常常是造成输电故障的主要原因。此类问题的危害不容小觑，但由于其具有偶然性和突发性的特点，几乎无法预测其发生的时间，因此电力公司不得不派人做定时巡视。

然而，由异物入侵造成的故障往往数日甚至数周才会出现一次，人工的定时巡视不但浪费人力物力，而且巡视员在一段时间没有发现问题之后很容易在心理上变得松懈。此外，每一次巡检之间必定有一定的间隔，故障发生时很有可能无法及时发现。因此，由计算机配合传感器代替人工巡检，实现实时监控是必然趋势。

人工智能技术历经数次沉浮，终于在近几年全面爆发。在深度学习得到广泛的应用之前，图像识别中特征提取及特征量的匹配往往需要根据实际问题进行设计，门槛较高，通用性较差。需要设计者具备较高的数学水平及数据的敏感性。区域推荐卷积神经网络的使用简化了特征提取和特征量匹配的工作。此外，样本的稀缺恐怕是目前将深度学习引入电气行业的最大障碍。针对特定的场景，短时间内收集到足够大量的、带有标注的合适样本是几乎不可能完成的任务。因此，如何使用恰当的方式利用计算机合成样本进行样本生成及扩充，从而实现针对电网异常的实时监测报警，成为本领域亟待解决的问题。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提出一种基于区域推荐卷积网络的电网异常实时监测报警系统及方法，该系统及方法使用恰当的方式利用计算机合成样本进行样本生成及扩充，应用区域推荐卷积神经网络进行异常图像的识别，实现了针对电网异常的实时监测报警。

本发明是通过以下技术方案实现的：

根据本发明的一个方面，提供了一种针对电网异常的实时监测报警系统，包括摄像装置、区域推荐卷积神经网络、样本生成系统以及报警系统；其中：

所述摄像装置，采集现场图像，并传至区域推荐卷积神经网络；

所述样本生成系统，根据摄像装置采集的现场图像生成训练样本，经由高斯滤波处理后训练区域推荐卷积神经网络；

所述区域推荐卷积神经网络，对图像进行异常目标检测，并通过对异常图像的成功识别触发报警系统。

优选地，所述摄像装置通过4G模块将现场图像传回至区域推荐卷积神经网络。

优选地，所述区域推荐卷积神经网络包括区域推荐网络和卷积神经网络；其中：

所述区域推荐网络，包含13个卷积核大小为3×3的卷积层，4个池化范围为2×2的池化层，13个激活函数层，所述激活函数层使用ReLU激活函数，用于预测可能出现异常的区域；

所述卷积神经网络使用VGG16网络，用于异常区域的准确定位。

优选地，所述样本生成系统将现场图片中单独的异常对象与正常时的图像通过泊松融合的方式自动融合，生成训练样本。