[发明专利]一种基于深度学习的变电站异常智能识别方法及系统

权利要求书

1.一种基于深度学习的变电站异常智能识别方法，其特征在于，所述方法包括：

建立变电站异常数据库，采集各变电站在异常时的监控视频数据，并将监控视频数据编号后存储在变电站异常数据库中；

对监控视频数据进行分析，按照编号从每个监控视频中提取出满足预设要求的变电站异常图像，将变电站异常图像存储在变电站异常数据库中，并将变电站异常数据库中变电站异常图像对应编号的监控视频数据删除，完成变电站异常数据库中所有监控视频数据的变电站异常图像提取操作，获得变电站异常图像数据集；

对变电站异常图像数据集中的每个图像进行标注，包括变电站异常类型、异常目标名称和异常目标的位置，获得标注后的训练数据集；

建立基于深度学习的变电站异常识别模型，基于训练数据集对模型进行训练，获得训练后的变电站异常识别模型；

当变电站异常报警时，将异常报警时的监控图像输入变电站异常识别模型，模型输出变电站异常类型、异常目标名称和位置，完成变电站异常识别。

2.根据权利要求1所述的基于深度学习的变电站异常智能识别方法，其特征在于，从监控视频中提取出满足预设要求的变电站异常图像，具体包括：

对监控视频进行分析，将监控视频分为故障初始阶段、故障进行阶段、故障结束阶段；

分别从故障初始阶段、故障进行阶段、故障结束阶段各提取出一张满足预设要求的变电站异常子图像；

按照提取的3张变电站异常子图像按照事故进展的顺序拼接成完整的变电站异常图像。

3.根据权利要求1所述的基于深度学习的变电站异常智能识别方法，其特征在于，从故障初始阶段、故障进行阶段、故障结束阶段各提取出一张满足预设要求的变电站异常子图像，具体包括：

将故障初始阶段、故障进行阶段、故障结束阶段的监控视频逐帧播放；

针对每个阶段，比较每个阶段中每帧图像的清晰度，按照图像清晰度对每帧图像进行排序，提取出排序靠前的若干帧图像，获得第一图像集，每个阶段对应一个第一图像集；

针对每个第一图像集，判断每帧图像中是否有干扰目标，过滤具有干扰目标的图像，获得第二图像集，每个阶段对应一个第二图像集；

针对每个第二图像集，比较每帧图像中故障目标的故障特征信息，按照故障特征信息的显著度对每帧图像进行排序，提取出故障特征信息最显著的图像作为变电站异常子图像。

4.根据权利要求1所述的基于深度学习的变电站异常智能识别方法，其特征在于，本方法还建立有验证集和测试集，用于对变电站异常识别模型进行验证和测试。

5.根据权利要求1所述的基于深度学习的变电站异常智能识别方法，其特征在于，所述方法通过监控终端采集变电站监控数据，并对采集的变电站监控数据进行分析，根据分析结果判断变电站是否异常。