[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

说明书

本发明公开了一种基于深度学习的变电站异常智能识别方法及系统，包括：建立变电站异常数据库；对监控视频数据进行分析，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，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，模型输出结果完成变电站异常识别。本方法及系统能够高效准确的对变电站进行识别；本方法中的模型训练数据准确，能够保障模型识别准确，且训练数据质量高，计算量小。本方法中的清洁结构能够对镜片进行清洁，避免模型误识别。

技术领域

本发明涉及变电站异常智能处理领域，具体地，涉及一种基于深度学习的变电站异常智能识别方法及系统。

背景技术

变电站异常主要指变电设备在运维或操作的过程中出现的不正常工作状态，暂时没有影响供电，但变电站异常如果不能及时消除或处理不当，就会导致电力系统事故的发生。

现有技术中变电站异常时主要采用现场人员进行识别，判断异常的类型和原因，然后将异常情况汇报给后台。

现有技术中的上述人工识别方法存在以下技术问题：

人工识别效率低，需要人工及时到现场进行汇报才行，容易导致异常汇报效率较低且出现汇报不准确的问题。

发明内容

为了解决传统人工识别变电站异常存在的效率低和准确率得不到保障的技术问题，本发明提供了一种基于深度学习的变电站异常智能识别方法及系统。

为实现上述目的，本发明提供了一种基于深度学习的变电站异常智能识别方法，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。

其中，本发明的原理为：本发明首先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；

然后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；

然后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；

然后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；

然后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。即利用变电站异常识别模型替代传统的人工实现异常智能识别，识别效率和准确率得到提高。