[发明专利]基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法

权利要求书

1.一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，包括：

步骤1：对采集的绝缘子的紫外放电视频进行预处理，包括对紫外放电视频的帧率、时长、分辨率进行统一；对紫外放电视频的小光斑进行消除；对紫外放电视频进行光子数和紫外光斑面积的温度、湿度、气压、增益和拍摄距离的归一化处理；

步骤2：结合紫外放电视频的紫外光斑面积、光子数及两者的最大值、方均根值、最大值出现的概率和四类放电分级，利用视频标注软件对紫外放电视频进行标注，建立包括训练集、测试集、验证集的紫外放电视频的数据库；

步骤3：将训练集中的紫外放电视频送入3D-CNN网络进行训练和特征提取，获得放电点位置、严重程度和时间维度的特征；

步骤4：将经过3D-CNN网络的输出接入LSTM网络，分析紫外成像放电若干次的紫外光斑面积变化时间和空间信息，将3D-CNN和LSTM的特征信息通过全连接层连接到不同绝缘状态；

步骤5：经过反复的前向和反向运算，通过最小化误差的方法对系统进行参数优化得到权重文件，并将文件保存以备识别之用；

步骤6：将测试集紫外放电视频输入训练好的深度学习网络中，将测试紫外放电视频经过所述步骤1的预处理之后通过调用保存的所述权重文件，实现对测试紫外放电视频的归类。

2.根据权利要求1所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：采用形态学运算，进行开闭运算，将紫外放电视频中的小光斑进行消除。

3.根据权利要求1所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：根据试验获得的绝缘子放电同步采集的施加电压、泄漏电流、可听声将放电阶段分为无放电、电晕放电、小电弧放电、大电弧放电四类，分别标注其四类绝缘状态为良好、一般、差、很差。

4.根据权利要求1所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：选取一定时间T的紫外放电视频为放电的判断片段，并根据其放电的泄漏电流和放电量施加电压与额定电压比值，紫外光斑面积大小及其统计参数，将紫外放电视频片段进行分类。

5.根据权利要求1所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：在所述步骤3中，构建基于3D-CNN和LSTM的深度学习神经网络，所述神经网络包括紫外放电视频输入、预处理和归一化、卷积层、池化层以及LSTM的输入门和忘记门、全连接层、输出层。

6.根据权利要求5所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：所述池化层在3维空间和时间维度上选取卷积区间的最大值进行池化，每次池化后的图像在时间维度和空间维度上各缩小一倍。

7.根据权利要求5所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：所述步骤4中，LSTM的卷积核、步长与3D-CNN的参数相同，在卷积过程中对更长规模的空间信息及其关联性进行取舍，以便完成对LSTM权重参数的优化。

8.根据权利要求1所述的一种基于紫外视频的3D-CNN和LSTM的绝缘子绝缘状态评估方法，其特征在于：利用熵最小法进行反向权值更正，采用TensorFlow平台的向量法对误差项进行反向计算和调优，使得loss值最小化，当误差项小于指定值L_C或者经过一定的训练轮次，保存网络的权重值为save.ckpt的权重文件。