[發明專利]輸電線路故障檢測方法、系統及嵌入式設備

在審

• 申請號: 202110997315.8
• 申請日: 2021-08-27
• 公開（公告）號: CN113705001A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 侯興松;朱登柯
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G06N3/04;G06N3/08;G06Q50/06;G06F113/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

本發明公開了一種輸電線路故障檢測方法、系統及嵌入式設備，采集待測輸電線路的電力圖像；將采集的待測輸電線路的電力圖像作為預設的輸電線路故障檢測模型的輸入，輸出得到待測輸電線路的故障檢測結果；其中，預設的輸電線路故障檢測模型為能夠部署在嵌入式設備上的量化模型，量化模型為基于Caffe格式的YOLOv4網絡模型；本發明將基于Caffe格式的YOLOv4網絡模型作為量化模型，對待測輸電線路的電力圖像進行識別；將深度學習應用于輸電線路圖像的故障識別，實現對輸電線路故障的快速高效檢測；將量化模型作為預設的輸電線路故障檢測模型移植在具有便攜性和低功耗的嵌入式設備中，為實際應用中的輸電線路故障檢測、智能巡線等提供了更好的技術支撐。

技術領域

本發明屬于輸電線路智能監測技術領域，特別涉及一種輸電線路故障檢測方法、系統及嵌入式設備。

背景技術

隨著經濟的發展和城市化進程的加快，現代社會對電力的使用需求不斷增長；輸電線路是電力系統的關鍵組成部分之一，因長期暴露在惡劣環境中，線路難免發生穩定性故障，直接影響著電力系統的安全運行。因此，對輸電線路的日常檢查維護面臨巨大挑戰。

對于輸電線路的管理，由于其點多線長面廣的特殊性，曾長期依賴人工觀測的方式巡檢電力線路并對已發生故障和存在故障隱患的輸電設備進行更換；傳統人力巡檢主要依靠巡檢人員攜帶相關設備進行故障檢測，其效率低且成本高，無法對大量數據進行保質保量檢測，存在未能及時發現故障的風險；另外，巡檢人員也面臨著嚴峻的交通問題和較大的安全隱患；目前，直升機搭載設備巡檢相對人工巡檢效率有所提升，但是高昂的成本卻讓眾多電網望而卻步。

發明內容

針對現有技術中存在的技術問題，本發明提供了一種輸電線路故障檢測方法、系統及嵌入式設備，以解決現有的輸電線路故障檢測方法檢測效率低，存在未能及時發現故障的風險的技術問題。

為達到上述目的，本發明采用的技術方案為：

本發明提供了一種輸電線路故障檢測方法，包括以下步驟：

采集待測輸電線路的電力圖像；

將采集的待測輸電線路的電力圖像作為預設的輸電線路故障檢測模型的輸入，輸出得到待測輸電線路的故障檢測結果；

其中，預設的輸電線路故障檢測模型為能夠部署在嵌入式設備上的量化模型，量化模型為基于Caffe格式的YOLOv4網絡模型。

進一步的，能夠部署在嵌入式設備上的量化模型的構建過程，具體如下：

采集真實場景下輸電線路的電力圖像，篩選，得到真實故障圖像，并構建得到真實圖像數據集；

對真實圖像數據集中的真實故障圖像進行仿真、標簽標注，得到仿真標簽圖像，并構建得到故障仿真數據集；

利用真實圖像數據集中的真實故障圖像，對故障仿真數據集中的仿真標簽圖像進行數據增廣，得到模型訓練樣本集，并將訓練樣本隨機劃分為訓練集及測試集；

利用訓練集，對YOLOv4網絡模型進行訓練，得到訓練后的YOLOv4網絡模型；

利用剪枝策略，對訓練后的YOLOv4網絡模型進行剪枝改進，得到剪枝后的YOLOv4網絡模型；

對剪枝后的YOLOv4網絡模型進行微調，以使模型收斂至最佳，得到微調后的YOLOv4網絡模型；

將微調后的YOLOv4網絡模型進行格式轉化，得到Caffe格式的YOLOv4網絡模型，并對Caffe格式的YOLOv4網絡模型進行量化，得到量化模型，并將量化模型部署在嵌入式設備中，得到所述的部署在嵌入式設備的量化模型；其中，量化過程，采用測試集對量化模型進行校準。

進一步的，采集真實場景下輸電線路的電力圖像，篩選，得到真實圖像數據集的過程，具體如下：