[發明專利]一種配電網架空線路異常狀態檢測方法

在審

• 申請號: 201910584628.3
• 申請日: 2019-07-01
• 公開（公告）號: CN110443130A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 王超洋;彭信淞;戴遠力;王集慧;張巍
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司長沙供電分公司;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清

本發明公開了一種配電網架空線路異常狀態檢測方法，其步驟為：步驟S1：采用ResNet50卷積神經網絡對原圖逐層進行特征提取，得到最高層特征圖；步驟S2：對最高層特征圖使用反池化法進行上采樣得到多張低特征圖，并將原各層特征圖與新各層特征圖對應融合；步驟S3：將融合后的全部特征圖輸入RPN層進行二分類與邊框回歸，經過ROIpooling層后得到異常點檢測結果。本發明具有不易受環境影響、速度更快、檢測精度更高等優點。

技術領域

本發明主要涉及到電網檢測技術領域，特指一種配電網架空線路異常狀態檢測方法。

背景技術

檢測配網架空線路異常狀態一直是線路運維人員的主要工作任務之一。在某些復雜地理環境中，尋找一個簡單異常點往往要耗費大量時間成本，嚴重影響運維人員工作效率。

近年提出的，如通過分析故障線路的行波再使用SVM輔助定位故障點等方法，確實提高了檢測效率，但存在兩點不足。一是該方法只能在故障發生后進行檢測，而某些異常狀態并不會在短時間內引發故障。二是基于此理論研制的設備操作較為復雜，對基層運維人員知識水平有一定的要求。在無人機巡線技術已經相對成熟的今天，因其高效的巡線方式、低廉的巡線成本和簡單的操作方法等優點，使該項技術逐步成為線路運維工作的主要工具。

從近幾年無人機巡線技術的使用情況來看，無人機本身只負責對異常點或故障點進行拍攝，仍然由人工對異常或故障圖像進行識別。其不足在于拍攝環境下的光照強度、拍攝角度以及圖像清晰度等均會嚴重影響人工識別準確率。

近年提出的幾種智能檢測技術，如采用背景減除目標檢測算法。通過判斷檢測區域圖像每個像素點大小是否大于某個閾值，來檢測某段線路是否為異常或故障狀態。該技術使用固定算法對比正常情況下圖像像素數值，雖可以減輕環境因素影響，但檢測速度慢，導致整個系統僅適用于固定式小范圍檢測。另一種技術則是基于光學原理，使用紫外線成像技術檢測線路異常狀態。該技術克服了紅外成像技術易受環境溫度影響的問題，提高了基于溫度檢測方法的準確率，但某些異常狀態，如桿塔傾斜、絕緣子脫落等并不會改變異常點溫度。

發明內容

本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種不易受環境影響、速度更快、檢測精度更高的配電網架空線路異常狀態檢測方法。

為解決上述技術問題，本發明采用以下技術方案：

一種配電網架空線路異常狀態檢測方法，其步驟為：

步驟S1：采用ResNet50卷積神經網絡對原圖逐層進行特征提取，得到最高層特征圖；

步驟S2：對最高層特征圖使用反池化法進行上采樣得到多張低特征圖，并將原各層特征圖與新各層特征圖對應融合；

步驟S3：將融合后的全部特征圖輸入RPN層進行二分類與邊框回歸，經過ROIpooling層后得到異常點檢測結果。

作為本發明的進一步改進：在所述步驟S1中，選取異常狀態數據集中的數據，將數據輸入到網絡模型中，圖片的短邊調整至1000送入ResNet50網絡提取特征值，得到最高層特征圖。

作為本發明的進一步改進：在所述步驟S2中，將最高層特征圖上采樣，得到多張低層特征圖并與對應大小的原各層特征圖按對應元素相加，生成新特征金字塔。

作為本發明的進一步改進：在所述步驟S3中，對新最高層特征圖卷積一次后，將各層特征圖輸入RPN網絡，找到原圖中的異常狀態點和它的具體位置。

作為本發明的進一步改進：在所述步驟S3中，將這些候選區域輸入ROIpooling層，統一調整為7*7大小并輸入最后基于全連接神經網絡的softmax層，來判斷該異常狀態點具體是哪種異常狀態。