[發明專利]一種從局部到整體感知的電網場景預警分類方法及系統

有效

• 申請號: 202110326603.0
• 申請日: 2021-03-26
• 公開（公告）號: CN112907138B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 孫浩飛;王南;高峰;高坤;魏昊焜;郭安祥;王辰曦;張海軍;李群;楊彪
• 申請（專利權）人: 國網陜西省電力公司電力科學研究院;哈爾濱工業大學（深圳）;國家電網有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/0635;G06Q50/06;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 范巍

1.一種從局部到整體感知的電網場景預警分類方法，其特征在于，包括以下步驟：

將待分類電網場景圖片輸入訓練好的分類模型，通過所述訓練好的分類模型獲得電網場景圖片預警分類結果；

所述訓練好的分類模型的獲取步驟包括：

通過第一骨干網絡模型和局部分類器，構建獲得局部像素塊分類模型；其中，所述第一骨干網絡模型用于局部像素塊的特征提取，所述局部分類器用于根據所述第一骨干網絡模型提取的特征輸出局部像素塊分類結果；

根據標注的電網場景圖片訓練集提取獲得局部像素塊訓練集，通過所述局部像素塊訓練集訓練所述局部像素塊分類模型，獲得訓練好的局部像素塊分類模型；

通過第二骨干網絡模型、特征集成模塊和全局分類器，構建獲得分類模型；其中，所述第二骨干網絡模型用于電網場景圖片的特征提取，所述特征集成模塊用于集成所述第二骨干網絡模型提取的特征并輸出，所述全局分類器用于根據所述特征集成模塊輸出的特征輸出電網場景圖片預警分類結果；所述第二骨干網絡模型加載有所述第一骨干網絡模型的訓練權重參數；

通過標注的電網場景圖片訓練集對所述分類模型進行訓練，獲得訓練好的分類模型。

2.根據權利要求1所述的一種從局部到整體感知的電網場景預警分類方法，其特征在于，所述根據標注的電網場景圖片訓練集提取獲得局部像素塊訓練集，通過所述局部像素塊訓練集訓練所述局部像素塊分類模型，獲得訓練好的局部像素塊分類模型的步驟具體包括：

基于預標注過的電網場景視頻數據集構建獲得電網場景圖片訓練集；

提取電網場景圖片訓練集中的預定局部像素塊，獲得局部像素塊訓練集；

利用局部像素塊訓練集訓練所述局部像素塊分類模型，使局部像素塊分類模型中的深度卷積編碼譯碼網絡具備局部像素塊的分類能力，獲得訓練好的局部像素塊分類模型；

其中，訓練完成后，凍結所述第一骨干網絡模型的訓練權重參數。

3.根據權利要求1所述的一種從局部到整體感知的電網場景預警分類方法，其特征在于，第一骨干網絡模型或第二骨干網絡模型為Resnet網絡模型。

4.根據權利要求1所述的一種從局部到整體感知的電網場景預警分類方法，其特征在于，所述局部像素塊分類模型的分類過程表示為，

p＝MLP_L(f_L(X_s))，

式中，f_L(·)表示像素塊響應器，X_s為輸入的像素塊，MLP_L(·)表示具有多層感知器的像素塊分類器，表示η類別的概率分類得分。

5.根據權利要求4所述的一種從局部到整體感知的電網場景預警分類方法，其特征在于，所述分類模型的分類過程表示為，

ρ＝FC_G(FIM(f_L(I_G)))，

式中，I_G為電網場景圖片，FIM(·)表示特征集成模塊，FC_G(·)表示全局分類器，表示c類預警的得分向量。

6.根據權利要求5所述的一種從局部到整體感知的電網場景預警分類方法，其特征在于，所述分類模型訓練時采用的損失函數為交叉熵損失。