[發(fā)明專利]一種基于MaskRCNN的變電設(shè)備異常識(shí)別定位方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011060711.X
• 申請(qǐng)日: 2021-01-11
• 公開(kāi)（公告）號(hào): CN112418202A
• 公開(kāi)（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 羅小山;朱駿;陸爽;朱亞;吳斌;周宇星;費(fèi)曉亮
• 申請(qǐng)（專利權(quán)）人: 上海恒能泰企業(yè)管理有限公司;上海欣能信息科技發(fā)展有限公司
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/62;G06N3/04
• 代理公司: 南京禹為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 王曉東

本發(fā)明公開(kāi)了一種基于MarkRCNN的變電設(shè)備異常識(shí)別定位方法及系統(tǒng)，包括，采集電力設(shè)備的實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理；利用iForest算法識(shí)別出預(yù)處理后的運(yùn)行數(shù)據(jù)的異常值，結(jié)合K?means聚類策略標(biāo)記的所述異常值；基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建Mask RCNN目標(biāo)識(shí)別網(wǎng)絡(luò)模型；將標(biāo)記的所述異常值輸入至所述Mask RCNN目標(biāo)識(shí)別網(wǎng)絡(luò)模型中進(jìn)行初步識(shí)別，輸出目標(biāo)識(shí)別結(jié)果；對(duì)LSSVM進(jìn)行訓(xùn)練和參數(shù)優(yōu)化，設(shè)定精度要求和閾值，訓(xùn)練完成后輸出定位模型；將所述目標(biāo)識(shí)別結(jié)果導(dǎo)入所述定位模型內(nèi)，獲得所述電力設(shè)備的異常位置信息。本發(fā)明大幅度的提升變電設(shè)備圖像識(shí)別準(zhǔn)確度的同時(shí)，提高了對(duì)設(shè)備異常位置的定位識(shí)別，提升了故障定位信息容錯(cuò)能力、定位效率和準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)、圖像識(shí)別的技術(shù)領(lǐng)域，尤其涉及一種基于MarkRCNN的變電設(shè)備異常識(shí)別定位方法及系統(tǒng)。

背景技術(shù)

傳統(tǒng)圖像識(shí)別方法在大樣本數(shù)據(jù)集上表現(xiàn)較好，但目前電力設(shè)備圖像樣本較少，傳統(tǒng)識(shí)別方法正確率不高，無(wú)法到達(dá)工業(yè)應(yīng)用水平，但變電設(shè)備具有豐富的相關(guān)關(guān)系，特定種類的設(shè)備同時(shí)出現(xiàn)的概率較高，如果在圖像識(shí)別的同時(shí)引入這一相關(guān)關(guān)系，則能大大提升識(shí)別準(zhǔn)確率，使得工業(yè)應(yīng)用成為可能。

基于現(xiàn)場(chǎng)設(shè)備采集的故障信息的定位方法主要有以下2種，a.矩陣法：有文獻(xiàn)中提出統(tǒng)一矩陣算法，其基本過(guò)程是首先根據(jù)配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)構(gòu)造一個(gè)網(wǎng)絡(luò)描述矩陣，根據(jù)過(guò)流信息生成一個(gè)故障信息矩陣，由此得出故障判斷矩陣，從而準(zhǔn)確地判斷故障區(qū)間；b.人工智能法：此類方法在網(wǎng)絡(luò)結(jié)構(gòu)改變、上傳的實(shí)時(shí)信息出現(xiàn)信息畸變或不完備等情況下依然能夠準(zhǔn)確地定位故障，主要有人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集理論、數(shù)據(jù)挖掘、Petri網(wǎng)、仿電磁學(xué)等算法。

發(fā)明內(nèi)容

本部分的目的在于概述本發(fā)明的實(shí)施例的一些方面以及簡(jiǎn)要介紹一些較佳實(shí)施例。在本部分以及本申請(qǐng)的說(shuō)明書摘要和發(fā)明名稱中可能會(huì)做些簡(jiǎn)化或省略以避免使本部分、說(shuō)明書摘要和發(fā)明名稱的目的模糊，而這種簡(jiǎn)化或省略不能用于限制本發(fā)明的范圍。

鑒于上述現(xiàn)有存在的問(wèn)題，提出了本發(fā)明。

因此，本發(fā)明提供了一種基于MarkRCNN的變電設(shè)備異常識(shí)別定位方法及系統(tǒng)，能夠解決針對(duì)故障定位信息容錯(cuò)能力較弱、定位效率不高、準(zhǔn)確度較低的問(wèn)題。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：包括，采集電力設(shè)備的實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理；利用iForest算法識(shí)別出預(yù)處理后的運(yùn)行數(shù)據(jù)的異常值，結(jié)合K-means聚類策略標(biāo)記的所述異常值；基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建Mask RCNN目標(biāo)識(shí)別網(wǎng)絡(luò)模型；將標(biāo)記的所述異常值輸入至所述Mask RCNN目標(biāo)識(shí)別網(wǎng)絡(luò)模型中進(jìn)行初步識(shí)別，輸出目標(biāo)識(shí)別結(jié)果；對(duì)LSSVM進(jìn)行訓(xùn)練和參數(shù)優(yōu)化，設(shè)定精度要求和閾值，訓(xùn)練完成后輸出定位模型；將所述目標(biāo)識(shí)別結(jié)果導(dǎo)入所述定位模型內(nèi)，獲得所述電力設(shè)備的異常位置信息。

作為本發(fā)明所述的基于MarkRCNN的變電設(shè)備異常識(shí)別定位方法的一種優(yōu)選方案，其中：包括，選取徑向基函數(shù)作為所述定位模型的目標(biāo)函數(shù)，如下，

其中，x＝{x₁；x₂；…；x₁₄}：變電設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)的頻率特性向量組成的頻率特性矩陣，y：變電設(shè)備歷史運(yùn)行相關(guān)數(shù)據(jù)的頻率特性向量，σ：核寬度，反應(yīng)訓(xùn)練的分布、范圍特性。

作為本發(fā)明所述的基于MarkRCNN的變電設(shè)備異常識(shí)別定位方法的一種優(yōu)選方案，其中：輸出所述定位模型包括，初始化懲罰參數(shù)C和σ，利用預(yù)處理的數(shù)據(jù)集對(duì)所述LSSVM進(jìn)行訓(xùn)練和測(cè)試；設(shè)定所述精度要求，若所述LSSVM模型精度未達(dá)到要求，根據(jù)誤差對(duì)所述C和所述σ進(jìn)行賦值優(yōu)化，直到測(cè)試數(shù)據(jù)精度達(dá)到所述精度要求；設(shè)定所述閾值，輸出所述定位模型。