[發(fā)明專利]基于人工智能的地下電纜故障預(yù)警方法和預(yù)警系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011166762.0
• 申請(qǐng)日: 2020-10-27
• 公開（公告）號(hào): CN112215197A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 馬浩;印琪民;王嘉寅;鮑俊;周泉;管穎;張淯淏
• 申請(qǐng)（專利權(quán)）人: 華能國(guó)際電力股份有限公司上海石洞口第一電廠
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G16Y10/25
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 劉愛珍

1.基于人工智能的地下電纜故障預(yù)警方法，其特征在于，包括如下步驟：

S1、監(jiān)控預(yù)警主站向電纜參數(shù)檢測(cè)單元發(fā)送詢問信號(hào)；

S2、電纜參數(shù)檢測(cè)單元接收到詢問信號(hào)后，啟動(dòng)電纜參數(shù)采集，并向監(jiān)控預(yù)警主站發(fā)送檢測(cè)值；

S3、監(jiān)控預(yù)警主站接收到檢測(cè)值后，運(yùn)行基于卷積神經(jīng)網(wǎng)絡(luò)的人工智能的預(yù)警算法，判斷地下電纜的狀態(tài)，并對(duì)電纜故障進(jìn)行預(yù)警。

2.如權(quán)利要求1所述的地下電纜故障預(yù)警方法，其特征在于，

所述卷積神經(jīng)網(wǎng)絡(luò)包括依次連接的輸入層、隱含層、全連接層、和輸出層；所述隱含層由多個(gè)卷積層與池化層交叉堆疊而成；

所述步驟S3中，基于卷積神經(jīng)網(wǎng)絡(luò)的人工智能的預(yù)警算法包括以下步驟：

S31、輸入層輸入檢測(cè)值的原始數(shù)據(jù)并傳輸給隱含層；

S32、隱含層通過卷積層與池化層對(duì)原始數(shù)據(jù)進(jìn)行逐層特征提取，完成低層次特征到高層次特征的變換，實(shí)現(xiàn)特征學(xué)習(xí)；

S33、全連接層將卷積層與池化層傳遞后最終得到的特征向量連接在一起形成一維向量；

S34、輸出層通過分類器對(duì)一維向量數(shù)據(jù)進(jìn)行分類并完成診斷；

其中，步驟S32中，卷積層與池化層對(duì)原始數(shù)據(jù)進(jìn)行逐層特征提取時(shí)，每層特征提取的方法如下：

S321、卷積層對(duì)輸入該層的原始數(shù)據(jù)與卷積核進(jìn)行卷積運(yùn)算，實(shí)現(xiàn)特征向量提??；

S322、池化層對(duì)卷積層提取的特征向量進(jìn)行降維。

3.如權(quán)利要求2所述的地下電纜故障預(yù)警方法，其特征在于，所述隱含層和全連接層之間還具有Concat層；

在步驟S32之后和步驟S33之前，所述Concat層對(duì)池化后的淺層特征和最后一層卷積層提取的深層特征兩者進(jìn)行融合并生成融合特征；

所述分類器根據(jù)融合特征進(jìn)行分類。

4.如權(quán)利要求2所述的地下電纜故障預(yù)警方法，其特征在于，所述卷積層進(jìn)行特征提取的卷積操作公式如下：

其中，l表示層數(shù)，x_j^l表示第l層產(chǎn)生的第j個(gè)特征向量，M^l-1表示l-1層選擇輸入的特征圖，X_i^l-1表示第l-1層的輸出向量，表示卷積操作，K_ij^l表示對(duì)應(yīng)的卷積核，b_j^l表示偏置向量，f(·)是非線性激活函數(shù)。

5.如權(quán)利要求4所述的地下電纜故障預(yù)警方法，其特征在于，所述池化層用于對(duì)卷積層提取的特征向量進(jìn)行降維的池化計(jì)算公式為：

，

其中，down(·)表示池化函數(shù)，β表示權(quán)重，b表示偏置向量。