[发明专利]一种电网故障检测方法

权利要求书

1.一种电网故障检测方法，其特征在于，包括如下步骤：

(1)利用无人机巡航拍摄获得电网图像，并将获得的图像分为训练集和测试集；

(2)将训练集的图像输入到深度学习的卷积神经网络模型中，得到网络分类标签；

(3)将得到的网络分类标签输入到标签对齐层中，得到与人工标注的标签同格式的对齐后的网络分类标签；所述标签对齐层对输入的数据进行最大池化层操作、反最大池化层操作和归一化最大值位置操作；

(4)计算对齐后的网络分类标签与人工标注的标签的AccLoss损失函数值，并利用所得的AccLoss损失函数值进行反向传播，不断调整卷积神经网络模型的参数，完成卷积神经网络模型的训练；AccLoss损失函数值计算公式如下：

其中，x为对齐后的网络分类标签，label为人工标注的标签，i为第i个样本，j为样本的类别，为第i个样本的第j类的对齐后的网络分类标签，为第i个样本的第j类的人工标注的标签，ReLU为一个神经网络激活函数，具有可导的性质，把小于0的数都变为0，大于0的数不变；

(5)将测试集的图像输入到训练后的卷积神经网络模型中进行测试，得到电网故障分类结果。

2.根据权利要求1所述的一种电网故障检测方法，其特征在于，步骤(3)中，网络分类标签x₁＝[c₁，c₂]经过最大池化层后得到图像为某一类的最大分数c_max，然后将该最大分数c_max输入到反最大池化层，得到包含图像属于该类索引的网络分类标签x₂＝[c_max，0]或x₂＝[0，c_max]，包含图像属于该类索引的网络分类标签x₂经过归一化最大值位置操作后得到与人工标注的标签同格式的对齐后的网络分类标签x＝[1，0]或x＝[0，1]。

3.根据权利要求1所述的一种电网故障检测方法，其特征在于，步骤(2)中深度学习的卷积神经网络模型包括resnet，vgg，Alexnet网络模型。