[发明专利]变电站设备状态的智能监测与识别方法

权利要求书

1.一种变电站设备状态的智能监测与识别方法，其特征在于，包括以下步骤：

采集变电站内设备的视频或图像信息，以建立设备的初始图像数据集，其中，所述设备包括隔离开关、线路、绝缘子；

根据设备的类别将所述初始图像数据集划分为隔离开关图像集、线路图像集和绝缘子图像集；

分别对所述隔离开关图像集、所述线路图像集和所述绝缘子图像集中的样本图像进行预处理，以得到隔离开关子图像集、线路子图像集和绝缘子子图像集；

根据所述隔离开关子图像集、所述线路子图像集和所述绝缘子子图像集分别对应建立隔离开关对抗网络模型、线路对抗网络模型和绝缘子对抗网络模型；

利用所述隔离开关对抗网络模型、所述线路对抗网络模型和所述绝缘子对抗网络模型分别对测试图像中的隔离开关、线路和绝缘子进行监测与识别。

2.根据权利要求1所述的变电站设备状态的智能监测与识别方法，其特征在于，所述变电站内设备的视频或图像信息通过以下方式中的一种或多种采集：

安装在变电站内的视频检测设备、无人机航拍技术、线路巡检机器人采集。

3.根据权利要求1所述的变电站设备状态的智能监测与识别方法，其特征在于，采用尺度不变特征变换法根据设备的类别将所述初始图像数据集划分为隔离开关图像集、线路图像集和绝缘子图像集。

4.根据权利要求1所述的变电站设备状态的智能监测与识别方法，其特征在于，所述分别对所述隔离开关图像集、所述线路图像集和所述绝缘子图像集中的样本图像进行预处理，包括：

通过灰度操作将各图像集中的样本图像由三通道图像转变为单通道图像；

将各单通道图像以二维数据结构的形式进行存储；

通过一维小波函数分别对各单通道图像的每一行和每一列进行变换，得到二维小波变换的近似分量和细节分量，其中，所述近似分量包括二阶近似分量，所述细节分量包括二阶水平细节分量、二阶垂直细节分量、二阶对角细节分量、一阶水平细节分量、一阶垂直细节分量和一阶对角细节分量；

将各单通道图像的二阶近似分量作为各样本图像对应的子图像。

5.根据权利要求4所述的变电站设备状态的智能监测与识别方法，其特征在于，通过如下公式进行灰度操作：

F＝0.30R+0.59G+0.11B，

其中，F为单通道图像的灰度值，R、G、B分别为三通道图像在各通道上的像素值。

6.根据权利要求1所述的变电站设备状态的智能监测与识别方法，其特征在于，所述根据所述隔离开关子图像集、所述线路子图像集和所述绝缘子子图像集分别对应建立隔离开关对抗网络模型、线路对抗网络模型和绝缘子对抗网络模型，包括：

根据各子图像集中图像的尺寸分别建立各设备对应的初始对抗网络模型；

利用各子图像集，并调用素材库中的各设备对应的训练样本图像及其状态标记值，对各初始对抗网络模型进行训练得到各对抗网络模型，其中，所述训练样本图像包括多种天气环境下的设备图像。

7.根据权利要求6所述的变电站设备状态的智能监测与识别方法，其特征在于，所述隔离开关对应的初始对抗网络模型为5层网络，所述线路和绝缘子对应的初始对抗网络模型均为3层网络，且所述5层网络和所述3层网络均包括生成器和判别器，且网络最后层采用sigmoid激活函数，其余层均采用leaky_relu激活函数。