[发明专利]输电设备异常状态监测方法

权利要求书

1.输电设备异常状态监测方法，其特征在于，包括以下步骤：

实时获取监测区域内的输电设备图像；

对输电设备图像进行预处理，提取输电设备图像特征；

通过遗传算法进行输电设备图像特征的融合识别，实现输电设备运行状态的监测。

2.基于权利要求1中所述的输电设备异常状态监测方法，其特征在于，所述输电设备图像包括图像纹理、图像颜色、图像边缘和图像形状。

3.基于权利要求1中所述的输电设备异常状态监测方法，其特征在于，在对输电设备图像进行预处理之前，执行输电设备图像的数字化处理过程，将获取的输电设备图像转化成数字化图像；然后再对数字化图像进行预处理。

4.基于权利要求1中所述的输电设备异常状态监测方法，其特征在于，所述对输电设备图像进行预处理，包括图像灰度化、图像滤波、图像增强和阈值分割。

5.基于权利要求4中所述的输电设备异常状态监测方法，其特征在于，通过最大值法和平均值法进行输电设备图像的灰度化处理，采用邻域平均法和中值法进行图像滤波，采用二值化处理进行阈值分割。

6.基于权利要求1中所述的输电设备异常状态监测方法，其特征在于，所述输电设备图像特征包括轮廓特征、几何特征、细节特征和边缘特征。

7.基于权利要求1中所述的输电设备异常状态监测方法，其特征在于，采用自适应滤波法提取输电设备图像特征。

8.基于权利要求1中所述的输电设备异常状态监测方法，其特征在于，通过遗传算法进行输电设备图像特征的融合识别的过程中，采用改进的遗传算法进行极限学习机的优化，具体步骤如下：

(1)改进的遗传算法初始化，确定种群规模，进化代数、交叉概率、变异概率和适应度函数；

(2)对极限学习机进行初始化，设定隐含层结点个数，极限学习机网络随机产生输入权值和隐含层阈值；

(3)将训练数据送到极限学习机网络模型中进行训练，得到隐含层的输出矩阵；

(4)计算个体适应度是否满足条件，如果满足则跳到第(7)步，否则跳到第(5)步；

(5)对改进的遗传算法进行选择、交叉和变异三个操作；

(6)产生新的子代种群，跳到第(2)步；

(7)计算输出权值矩阵完成模型建立。

9.输电设备异常状态监测系统，采用了如权利要求1-8中所述的输电设备异常状态监测方法，其特征在于，包括：

图像获取模块，用于实时获取监测区域内的输电设备图像；

特征提取模块，对输电设备图像进行预处理，提取输电设备图像特征；

状态监测模块，通过遗传算法进行输电设备图像特征的融合识别，实现输电设备运行状态的监测。

10.基于权利要求9中所述的输电设备异常状态监测系统，其特征在于，所述特征提取模块中采用自适应滤波法提取输电设备图像特征。