一种基于深度学习的高压输电线舞动预警系统的制作方法

本发明涉及计算机视觉、高压输电技术领域，特别是涉及一种基于深度学习的高压输电线舞动预警系统及方法。

背景技术：

近些年来，我国受大范围低温、雨雪、冰雹等恶劣天气的影响，多省份输电线路出现了大面积的覆冰舞动现象，其中舞动使得多条线路发生闪络跳闸、塔材螺栓松动、绝缘子碰撞破裂、杆塔结构受损、倒塔等不同等级的事故，给电网造成了严重的灾害。近年来随着深度学习的理论方面的突破，人工智能也取得了突飞猛进的发展，对于输电导线的问题我们也可以采用人工智能领域内的办法来解决，即基于深度卷积神经网络的方法。对于高压输电线路的舞动监测目前比较流行的几种方法是：(1)采用惯性传感器的方式，它通过惯性传感器采集导线舞动的实时特征，如加速度和角加速度，经数据分析解算得到物体的实时位置、姿态等信息，进而实现输电导线运动轨迹的精确还原。(2)数字图像处理的方法，它通过安装在输电线路现场的监测终端采集摄像头画面，应用数字图像处理技术处理现场图像数据，从而得出舞动的特征参数并结合现场气象条件判定输电线的舞动级别，为防治舞动提供数据支持。

采用传感器的方式，由于采集设备必须和输电导线固定在一起，而惯性信息采集设备必须保证不间断运行，这样它的供电系统必须保证一定的体量，我们知道电源系统的供电能力和重量一般是正相关的。过重的设备固定在输电线，必然会加重导线的幅垂，这样会给输电线路带来一些新的负面影响。采用数字图像处理技术的方法，摄像头、气象监测设备等装置虽然不需要和导线接触，但是它意受光照和背景信息的影响，因此需要在特定的环境里采用特定的算法。本发明专利采用深度卷积神经网络的方法，既避免了安装时需要直接与输电导线接触，又可以在同一个算法框架下解决所有的输电导线舞动监测问题。本发明的系统能够起到及时预警的作用，在供电故障发生前提前告知线路维护人员，线路维护人员马上进行检修维护从而避免了供电事故的发生。

技术实现要素：

为了达到以上目的，本发明提出一种基于深度学习的高压输电线舞动预警系统，本预警系统的搭建主要分为以下几个步骤：

(1)在易发生舞动的输电线路的杆塔上的最低平台到最高平台之间的合适位置选择合适的角度安装特制红外摄像头对输电导线进行实时监测，并通过4g网络将采集到的数据每隔10分钟发送至云服务器进行储存；

(2)经过一定的时间(为保证准确性一般连续采集三个月的数据较好)之后，从云服务器中下载连续采集得到的图片，并用人眼进行分类，一般可以分为几大类：正常、轻微舞动、舞动、严重舞动；

(3)搭建深度卷积神经网络，将打标了的数据进行训练，训练完成后将训练好的参数在服务器上部署。

本发明还涉及一种基于深度学习的高压输电线舞动预警系统，其特征在于包括：供电系统模块、红外摄像头模块、4g网络传输模块；所述供电系统主要包括太阳能板、小型风机和锂蓄电池组成，所述红外摄像头模块和所述4g网络模块由所述供电系统模块提供电能，系统后台则采用c/s架构，监室机房的固定ip主机为服务器，线路维护人员的个人电脑或手机app为客户端，将现场采集到的图片信息通过运营商的网络传送至后台服务器，后台服务器通过已经训练好的深度卷积神经网络对传送过来的图片进行预测判定，如果判定结果为有异常发生则将预警信号发送至输电线路维护人员的手机客户端中，以便线路维护人员能及时修理维护，从而避免供电事故的发生。

附图说明

图1为本发明的高压输电线舞动预警系统框架图；

图2为深度神经网络的架构图；

图3为深度学习训练样本的采集图。

具体实施方式

参照说明书附图1，一种基于深度学习的高压输电线舞动预警系统，包含如下部分：

图1为整个系统的框架图，前端设备主要包括供电系统、红外摄像头、4g网络传输模块。供电系统主要包括太阳能板、小型风机和锂蓄电池组成，红外摄像头和4g网络模块由供电系统提供电能。后台则采用的是c/s架构，监室机房的固定ip主机为服务器，线路维护人员的个人电脑或手机app为客户端，现场采集到的图片信息通过运营商的网络传送至后台服务器，后台服务器通过已经训练好的深度卷积神经网络对传送过来的图片进行预测判定，如果判定结果为有异常发生则将预警信号发送至输电线路维护人员的手机客户端中，以便他们能及时的去修理维护，从而避免供电事故的发生。

本深度神经网络的架构如图2所示，按大类分层大致可以分为7层：

1.输入层,现场采集到的图片信息直接从此层输入。

2.卷积层+最大池采样层+relu(非线性化层)+dropout层。

3.卷积层+最大池采样层+relu(非线性化层)+dropout层。

4.卷积层+最大池采样层+relu(非线性化层)+dropout层。

5.全连接层+最大池采样层+relu(非线性化层)+dropout层。

6.损失层,我们以softmaxloss为损失函数来计算训练样本的损失值。

7.输出层，输出预测的结果。

图3为训练样本的采集方法，现场的红外摄像头将采集到的图片通过4g网络发送至云服务器进行存储，等积累到一定数量的的样本之后，就可以取出想要的数据对深度神经网络进行训练。

在不脱离本发明精神或必要特性的情况下，可以其它特定形式来体现本发明。应将所述具体实施例各方面仅视为解说性而非限制性。因此，本发明的范畴如随附申请专利范围所示而非如前述说明所示。所有落在申请专利范围的等效意义及范围内的变更应视为落在申请专利范围的范畴内。

技术特征：

技术总结
本发明涉及一种基于深度学习的高压输电线舞动预警系统，包括：供电系统模块、红外摄像头模块、4G网络传输模块。本发明采用深度卷积神经网络的方法，既避免了安装时需要直接与输电导线接触，又可以在同一个算法框架下解决所有的输电导线舞动监测问题。本发明的系统能够起到及时预警的作用，在供电故障发生前提前告知线路维护人员，线路维护人员马上进行检修维护从而避免了供电事故的发生。

技术研发人员：刘怡俊;蔡路
受保护的技术使用者：广东工业大学
技术研发日：2017.03.22
技术公布日：2017.09.12