[發明專利]基于深度對抗網絡的電力線路監控異常識別方法及系統

在審

• 申請號: 202110059517.8
• 申請日: 2021-01-18
• 公開（公告）號: CN112613494A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 秦源汛;何紅太;周環;桂菲菲;熊鵬
• 申請（專利權）人: 北京國網富達科技發展有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 韓雪梅

本發明涉及一種基于深度對抗網絡的電力線路監控異常識別方法及系統。該方法包括：構建深度對抗網絡；所述深度對抗網絡包括生成器和判別器；所述生成器用于生成虛假圖片；所述判別器用于判別輸入的圖像是否為虛假圖片；基于訓練樣本集，對所述深度對抗網絡中的生成器和判別器交替訓練，得到訓練好的判別器；所述訓練樣本集包括多個真實樣本和對應的多個虛假樣本；獲取待識別電力線路監控圖像；將所述待識別電力線路監控圖像輸入所述訓練好的判別器，識別所述待識別電力線路監控圖像是否為虛假圖片，得到識別結果。本發明可以提高電力線路監控異常識別的準確度。

技術領域

本發明涉及電力線路檢測領域，特別是涉及一種基于深度對抗網絡的電力線路監控異常識別方法及系統。

背景技術

電力線路巡視工作是配電專業日常運維管理的重要工作。在線路運行過程中，如高壓電氣設備長期存在局部放電，會加速設備老化，最終導致故障發生。目前我國電力企業對生產運維精益化要求不斷提高，新設備、新材料的持續增長以及電網設備整體規模數量的急劇增加，導致現場檢修、日常運行維護工作劇增，生產結構性缺員與供電可靠性要求的矛盾日益突出。傳統的通過外觀檢查、手工記錄開展電力線路日常巡視檢查的工作方式，無法對設備狀態機潛伏性故障有效掌握，特別是當前對輸配電設備施行定期檢修等方式，針對性不強。

目前采用的視頻圖像采集與監控設備，智能化程度低，人工查找缺陷工作量大，特別是當視頻設備的數量大幅增加后，人工查閱數據的方式變得越來越困難，可靠性不高。

目前有部分廠家提出了智能化的視頻監控技術，但是目前的智能識別技術多為基于單向的神經元網絡，采用的是圖片分類以及圖片檢測技術，由于電力設備的多樣性和復雜性，這種圖片識別技術效果較差。

有些文獻提出了使用生成對抗網絡進行識別模型效果提升的方法，但是這些方法基本上是使用生成對抗網絡來豐富訓練數據庫，對于模型識別模型的識別效果提升作用差，導致電力線路監控異常識別效果差。

發明內容

本發明的目的是提供一種基于深度對抗網絡的電力線路監控異常識別方法及系統，以提高電力線路監控異常識別的準確度。

為實現上述目的，本發明提供了如下方案：

一種基于深度對抗網絡的電力線路監控異常識別方法，包括：

構建深度對抗網絡；所述深度對抗網絡包括生成器和判別器；所述生成器用于生成虛假圖片；所述判別器用于判別輸入的圖像是否為虛假圖片；

基于訓練樣本集，對所述深度對抗網絡中的生成器和判別器交替訓練，得到訓練好的判別器；所述訓練樣本集包括多個真實樣本和對應的多個虛假樣本；

獲取待識別電力線路監控圖像；

將所述待識別電力線路監控圖像輸入所述訓練好的判別器，識別所述待識別電力線路監控圖像是否為虛假圖片，得到識別結果。

可選的，所述深度對抗網絡還包括：第一解碼器網絡和第二解碼器網絡；所述真實樣本通過所述第一解碼器網絡生成所述真實樣本對應的第一潛空間變量；所述第一潛空間變量經過所述生成器，生成所述真實樣本對應的虛假圖片；所述虛假圖片通過所述第二解碼器網絡生成第二潛空間變量。

可選的，所述基于訓練樣本集，對所述深度對抗網絡中的生成器和判別器交替訓練，得到訓練好的判別器，具體包括：

根據所述訓練樣本集，基于生成器生成每個真實樣本的生成樣本，得到多個訓練樣本對；所述生成樣本為所述真實樣本對應的虛假圖片，每個訓練樣本對包括一個真實樣本及對應的生成樣本；

固定所述生成器，基于所有訓練樣本對對所述判別器進行一次訓練，并基于第一損失函數更新所述判別器的參數，完成一次判別器迭代；

當完成k次判別器迭代后，基于學習率更新一次所述生成器的參數，完成一次生成器初始迭代；