[发明专利]一种输电线路通道可视化机械类连续告警样本的标注方法

说明书

一种输电线路通道可视化机械类连续告警样本的标注方法，其中：可视化巡视设备图像历史告警数据为图像中出现机械类隐患的告警数据，且带有时间属性；划分聚类，其最佳簇数采用各簇成员到对应簇中心标准误差之和下降达到阈值确定；簇中心和值，指划分聚类后计算各簇中心点的和值，和值最大的簇内成员所对应日期的告警数据即为需要的机械类连续告警样本数据。本发明能采用无监督划分聚类的方法，自动标注出输电线路通道可视化图像历史告警数据中的机械类连续告警样本，解决了人工标注样本主观性强、工作量大等问题，为后续的应用场景如告警等级智能标注、图像识别模型疑似误报及漏报样本识别提供了基础的数据支撑，进而提高输电线路运检的智能化水平。

技术领域

本发明公开一种输电线路通道可视化机械类连续告警样本的标注方法，属于输电线路智能运检领域，尤指对输电线路通道可视化图像历史告警数据进行分析，自动找出属于机械类连续告警的样本数据。

背景技术

随着输电线路检修技术的升级，输电线路通道可视化巡视被广泛应用，目前已经实现对可视化信息的自动识别并标注出图像内出现的告警物体，如机械类、烟火类、异物类等。除基础的统计分析报表外，可以基于告警数据做数据挖掘，如识别出机械类连续告警后进行告警等级智能标注、图像识别模型疑似误报及漏报样本识别等，但进行上述场景的应用需要进行机械类连续告警样本标注，这个过程需要技术人员进行人工标注时，一般通过条件筛选缩小样本范围并结合波形可视化来辅助标记，不能实现自动标记，这个过程需要大量的人力而且标注质量受技术人员的主观判断影响很大。

综上所述，如何提供一种高效、高质量的机械类连续告警样本标注方法，为输电线路智能检修场景落地提供数据支撑，是目前本领域技术人员亟待解决的问题之一。

发明内容

针对现有技术的不足，本发明的目的是提供一种输电线路通道可视化机械类连续告警样本的标注方法。本发明利用无监督聚类机器学习算法，解决人工标注样本主观性强、工作量大等问题，为输电线路智能检修场景落地提供数据支撑，进而提高输电线路运检的智能化水平。

本发明为了实现上述目的，所采用的技术方案是：

一种输电线路通道可视化机械类连续告警样本的标注方法，其特征在于，包括以下步骤：

a、对输电线路某设备的可视化机械类告警数据进行预处理：按时间段划分，对划分时间段内出现可视化机械类告警数据进行数值1赋值；

b、用划分聚类结合阈值判定确定出最佳聚类簇数K；

c、基于步骤b所得最佳聚类簇数K进行划分聚类，将每个簇对应簇中心各个元素相加得到和值，和值最大的簇内成员所对应日期的告警数据即为机械类连续告警样本数据。

根据本发明优选的，所述步骤a包含以下详细步骤：

a1：从告警数据仓库中抽取输电线路某设备某时间段内的可视化机械类告警数据；某时间段，例如一年；

a2：以天为单位，按指定每天采样点数进行时段划分，构建一个值全为0的二维数组；

a3：遍历步骤a1所述告警数据，对步骤a2中数组进行赋值；

赋值原则为：在某划分的时段内如果有告警数据，则该时段在数组中对应位置的数值为1，同一时段有多条告警数据对应时，在数组中对应位置的数值同样设定为1。即只判断某时间段内是否有对应告警数据，不对具体数量进行处理，以达到采样均匀分布的目的。

根据本发明优选的，所述步骤b包含以下详细步骤：

b1：基于步骤a所得被赋值后的二维数组，按聚类簇数K＝2使用k-means算法进行聚类分析；

b2：计算各簇中各成员到各自簇中心的标准误差之和S₂；