基于深度学习的电力导线故障检测方法与流程

本发明涉及一种基于深度学习的电力导线故障检测方法，属于电力故障检测领域。

背景技术：

1、随着电网规模的不断扩大，电网运行的安全可靠问题引起了广泛关注。电力导线是连接电力网络的主要电力部件。由于电力导线跨越不同的复杂地形，导线长期暴露在各种环境下，极易发生开股等故障，电力导线一旦发生故障将严重影响电网系统的安全可靠运行。因此，对于电力导线的故障检测是电力网络运检维护的必要程序之一。传统电网设备监控系统只有视频监控和录像功能，不能对监控目标进行智能化的主动识别分析，需要操作员时刻观察分析图像，对于复杂地形，更是需要操作员手持设备亲身去检查电网设备是否故障。增加了操作员的工作负担。人眼易疲劳和人工判断的主观性，严重影响了电力导线状态监测的准确度和自动化程度。将数据运回运检维护中心增加了操作员的压力，也延长了故障的修复时间。

技术实现思路

1、针对如何提高电力导线故障检测效率的问题，本发明提供一种基于深度学习的电力导线故障检测方法。

2、本发明的一种基于深度学习的电力导线故障检测方法，所述方法包括：

3、s1、构建训练集，训练集中包括电力导线类型为损伤、断股、散股、导线裸露、导线锈蚀、未损坏的电力导线图像，并进行标签；s2、构建电力导线故障检测网络，所述网络包括输入层、深度卷积特征提取网络、候选特征生成网络和分类识别网络；

4、电力导线图像通过输入至深度卷积特征提取网络，深度卷积特征提取网络进行特征提取，提取的特征输入至候选特征生成网络，候选特征生成网络利用候选框选择出候选特征，候选特征输入至分类识别网络中；

5、s3、利用训练集对电力导线故障检测网络进行训练，得到训练好的电力导线故障检测网络；

6、s4、将待测电力导线图像输入至电力导线故障检测网络中，电力导线故障检测网络输出分类结果，完成电力导线故障检测。

7、作为优选，深度卷积神经网络包括五个依次连接的提取网络，第一提取网络和第二提取网络结构相同，分别对输入图像进行两次卷积和relu操作之后连接了极大值池化层；第三至第五提取网络的结构相同，分别对输入图像进行经过三次卷积和relu操作之后连接了极大值池化层其中；

8、五个提取网络中的所有卷积层均为3×3的卷积核；所有极大值池化层均为2×2池化核来对卷积特征进行缩放。

9、作为优选，分类识别网络使用了全连接层来完成边界框回归与候选区域分类任务，根据全连接层的输出进行预测，得到结果与人工标注进行对比，进入类别loss层，获取分类误差，确定电力导线类型。

10、作为优选，所述全连接层以全连接的方式连接相邻的两层神经元，全连接层的每个输出结点的输出值是所有输入结点输入值的加权再求和。

11、作为优选，所述电力导线故障检测网络部署到嵌入式板中，将设备安装到电网系统线路上，在线路上直接将监控的图片进行本地导线故障检测，将故障图片通过通信模块传输到服务器。

12、本发明的有益效果，本发明利用基于深度学习的电力导线故障检测网络自动检测出电力导线的类型，能够准确确定故障类型，及时发现及检修，节省人力的同时，还可以保证电力正常运行。

技术特征：

1.基于深度学习的电力导线故障检测方法，其特征在于，所述方法包括：s1、构建训练集，训练集中包括电力导线类型为损伤、断股、散股、导线裸露、导线锈蚀、未损坏的电力导线图像，并进行标签；s2、构建电力导线故障检测网络，所述网络包括输入层、深度卷积特征提取网络、候选特征生成网络和分类识别网络；

2.根据权利要求1所述的基于深度学习的电力导线故障检测方法，其特征在于，深度卷积神经网络包括五个依次连接的提取网络，第一提取网络和第二提取网络结构相同，分别对输入图像进行两次卷积和relu操作之后连接了极大值池化层；第三至第五提取网络的结构相同，分别对输入图像进行经过三次卷积和relu操作之后连接了极大值池化层其中；

3.根据权利要求2所述的基于深度学习的电力导线故障检测方法，其特征在于，分类识别网络使用了全连接层来完成边界框回归与候选区域分类任务，根据全连接层的输出进行预测，得到结果与人工标注进行对比，进入类别loss层，获取分类误差，确定电力导线类型。

4.根据权利要求3所述的基于深度学习的电力导线故障检测方法，其特征在于，所述全连接层以全连接的方式连接相邻的两层神经元，全连接层的每个输出结点的输出值是所有输入结点输入值的加权再求和。

5.根据权利要求3所述的基于深度学习的电力导线故障检测方法，其特征在于，所述电力导线故障检测网络部署到嵌入式板中，将设备安装到电网系统线路上，在线路上直接将监控的图片进行本地导线故障检测，将故障图片通过通信模块传输到服务器。

6.一种计算机可读的存储设备，所述存储设备存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至5任一所述基于深度学习的电力导线故障检测方法方法。

7.一种基于深度学习的电力导线故障检测方法装置，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1至5任一所述基于深度学习的电力导线故障检测方法方法。

技术总结
基于深度学习的电力导线故障检测方法，解决了如何提高电力导线故障检测效率的问题，属于电力故障检测领域。本发明包括：构建训练集，包括电力导线类型为损伤、断股、散股、导线裸露、导线锈蚀、未损坏的电力导线图像；构建电力导线故障检测网络包括：电力导线图像通过输入至深度卷积特征提取网络，深度卷积特征提取网络进行特征提取，提取的特征输入至候选特征生成网络，候选特征生成网络利用候选框选择出候选特征，候选特征输入至分类识别网络中；利用训练集对电力导线故障检测网络进行训练；将待测电力导线图像输入至电力导线故障检测网络中，电力导线故障检测网络输出分类结果，完成电力导线故障检测。

技术研发人员：葛海彬,朱昱瑛,岳广臣,杨剑锋
受保护的技术使用者：国网黑龙江省电力有限公司牡丹江水力发电总厂
技术研发日：
技术公布日：2024/2/29