[发明专利]基于人工智能的地下电缆故障预警方法和预警系统

权利要求书

1.基于人工智能的地下电缆故障预警方法，其特征在于，包括如下步骤：

S1、监控预警主站向电缆参数检测单元发送询问信号；

S2、电缆参数检测单元接收到询问信号后，启动电缆参数采集，并向监控预警主站发送检测值；

S3、监控预警主站接收到检测值后，运行基于卷积神经网络的人工智能的预警算法，判断地下电缆的状态，并对电缆故障进行预警。

2.如权利要求1所述的地下电缆故障预警方法，其特征在于，

所述卷积神经网络包括依次连接的输入层、隐含层、全连接层、和输出层；所述隐含层由多个卷积层与池化层交叉堆叠而成；

所述步骤S3中，基于卷积神经网络的人工智能的预警算法包括以下步骤：

S31、输入层输入检测值的原始数据并传输给隐含层；

S32、隐含层通过卷积层与池化层对原始数据进行逐层特征提取，完成低层次特征到高层次特征的变换，实现特征学习；

S33、全连接层将卷积层与池化层传递后最终得到的特征向量连接在一起形成一维向量；

S34、输出层通过分类器对一维向量数据进行分类并完成诊断；

其中，步骤S32中，卷积层与池化层对原始数据进行逐层特征提取时，每层特征提取的方法如下：

S321、卷积层对输入该层的原始数据与卷积核进行卷积运算，实现特征向量提取；

S322、池化层对卷积层提取的特征向量进行降维。

3.如权利要求2所述的地下电缆故障预警方法，其特征在于，所述隐含层和全连接层之间还具有Concat层；

在步骤S32之后和步骤S33之前，所述Concat层对池化后的浅层特征和最后一层卷积层提取的深层特征两者进行融合并生成融合特征；

所述分类器根据融合特征进行分类。

4.如权利要求2所述的地下电缆故障预警方法，其特征在于，所述卷积层进行特征提取的卷积操作公式如下：

其中，l表示层数，x_j^l表示第l层产生的第j个特征向量，M^l-1表示l-1层选择输入的特征图，X_i^l-1表示第l-1层的输出向量，表示卷积操作，K_ij^l表示对应的卷积核，b_j^l表示偏置向量，f(·)是非线性激活函数。

5.如权利要求4所述的地下电缆故障预警方法，其特征在于，所述池化层用于对卷积层提取的特征向量进行降维的池化计算公式为：

，

其中，down(·)表示池化函数，β表示权重，b表示偏置向量。