[发明专利]一种输电故障类型自动识别判断方法

说明书

本申请属于电网故障判断方法技术领域，尤其涉及一种输电故障类型自动识别判断方法。包括如下步骤：对巡检图像数据进行预处理得到初始图像数据；对对初始图像数据进行数据处理得到故障图像块；对预处理后获取的故障图像块进行标签化处理建立不同故障类型的故障数据库；抽取故障类型数据库建立数据库；建立基于CAPSnet故障特征提取网络，基于CAPSnet故障特征提取网络的故障判断。本申请的输电故障类型自动识别判断方法，能够有效针对原始巡检图像数据量大，无效数据多，处理难度高的问题，通过数据预处理和CAPSnet训练，能够实现高效准确的故障信息提取和分类识别，为实现自动化巡检和故障甄别提供基础。

技术领域

本申请属于电网故障判断方法技术领域，尤其涉及一种输电故障类型自动识别判断方法。

背景技术

随着无人机以及自动化巡检设备和远程图像分析处理技术的发展，采用各类机械设备或远程监控设备获取配电区设备的影像资料变得越来越方便，这为实现远程故障判断和分析提供了基础，现在一种可行的方案是通过影像资料里包含的信息，通过对各类配电设备设施的影像特征进行判断分析来确定其故障状态和故障类型，该方案理论上能够对可见的故障类型进行直接判断分析，但实际过程中，受到现场环境的影像，影像资料除了包含必要的目标对象的资料外，还包括大量的无效信息，同时图像自身的质量难以保证，这导致故障判断识别和分析效率受到限制，无法有效应用。

发明内容

本申请的目的在于，提供一种有利于降低应用难度，基于巡检图像进行有效有效故障识别判断的输电故障类型自动识别判断方法。

为实现上述目的，本申请采用如下技术方案。

一种输电故障类型自动识别判断方法，包括如下步骤：

步骤1.巡检图像数据预处理，具体是指：

利用中值滤波去噪方法，对待判断识别的巡检图像进行预处理，得到初始图像数据；

步骤2.数据处理

针对同一个采集角度获取的图像，进行明暗度恢复处理；对高分辨率的图像进行轻量化处理，轻量化处理包括对预处理图像进行切割、压缩、和分散；

步骤3.故障类型数据库建立

抽取巡检数据库中的目标故障图像，根据故障类型进行图像的分类和得到与各故障类型相对应的分类图像，对分类图像进行预处理得到故障图像块，预处理是指基于前述步骤2的处理；对预处理后获取的故障图像块进行标签化处理建立不同故障类型的故障数据库；抽取故障类型数据库中的60％～90％数据建立训练数据库，抽取剩余的40％～10％数据建立测试数据库；

步骤4.建立基于CAPSnet故障特征提取网络

CAPSnet故障特征提取网络包括编码器和解码器；

编码器由多特征提取模块和胶囊模块构成；特征提取模块包括多个用于提取特征的残差块；胶囊模块由特征输入层、主胶囊层、数字胶囊层构成；

特征输入层获取故障数据库的图像块输入通过残差块提取得到特征，主胶囊层用于构建特征相关性；

解码器包括多个反卷积层，编码层的输出经过低维化处理后，将其输入反卷积层重构后得到多维图像；

步骤5.基于CAPSnet故障特征提取网络的故障判断

利用故障类型数据库对CAPSnet故障特征提取网络进行训练和测试，直至测试结果满足误差需求，利用CAPSnet故障特征提取网络对巡检图像数据进行分类识别，根据分类结果确定目标对象的故障特征属性，根据目标对象的故障特征属性确定其故障类型。

对前述输电故障类型自动识别判断方法的进一步改进或者优选实施方案还包括，明暗度恢复处理，具体是指：