[发明专利]一种输电设备缺陷状态评价方法

说明书

本发明公开了一种输电设备缺陷状态评价方法，该方法包括：当待评价的输电设备的图片上传到电力部门远程运维中心时，调用训练后的基于深度学习网络与VGG‑16模型的输电设备状态平均网络，并将待评价的输电设备的图片输入到所述输电设备状态平均网络，得到所述输电设备的初始状态评分；调用融合专家经验的扣分体系对所述输电设备的初始状态评分重新进行评分，得到最终评分。本发明提供的一种输电设备缺陷状态评价方法，可以更好地掌握输电线路的运行状态，更好地反映恶劣天气下运行绝缘子的缺陷情况，及时的排除故障、消除隐患，提高电力系统的稳定性和可靠性，保障电网的稳定运行。

技术领域

本发明涉及电力系统技术领域，尤其涉及一种输电设备缺陷状态评价方法。

背景技术

输电线路作为电力系统中传输电能的重要部分，具有点多线长面广、运行环境复杂等特点。及时掌握输电线路运行状态，发现线路的缺陷以及周围通道环境情况对于电力系统的可靠性具有积极作用。

目前，采用现有技术对输电线路的状态进行评价时存在以下几点缺陷：

一、随着电力系统监测手段的不断增多，积累了大量非结构化数据；

二、通过无人机图片进行设备的状态评价依靠运维人员主观判断，评价主观性较高且费时费力；

三、传统的计算机图像识别需要对数据进行额外的预处理要求，且传统神经网络训练对于样本的数量要求较高；

四、基于导则的状态评价没有充分考虑到雷雨、污秽等恶劣天气对输电设备运行造成的负面影响，评价结果具有局限性。

发明内容

本发明提供一种输电设备缺陷状态评价方法，以解决现有技术的不足。

为实现上述目的，本发明提供以下的技术方案：

一种输电设备缺陷状态评价方法，包括：

当待评价的输电设备的图片上传到电力部门远程运维中心时，调用训练后的基于深度学习网络与VGG-16模型的输电设备状态平均网络，并将待评价的输电设备的图片输入到所述输电设备状态平均网络，得到所述输电设备的初始状态评分；

调用融合专家经验的扣分体系对所述输电设备的初始状态评分重新进行评分，得到最终评分。

进一步地，所述输电设备缺陷状态评价方法中，所述方法还包括：

建立VGG-16网络模型；

对VGG-16网络模型进行训练，得到基于深度学习网络与VGG-16模型的输电设备状态平均网络。

进一步地，所述输电设备缺陷状态评价方法中，所述对VGG-16网络模型进行训练的步骤包括：

使用多尺度样本扩充方法对历史样本进行图形变换，增大训练样本的数量；

对训练样本进行状态标注，实现模型输入样本与输出状态的对应关系；

采用监督学习模式对VGG-16网络模型进行训练，将训练样本作为模型输入，运行状态作为模型输出，通过计算机实现对VGG-16网络模型的内部参数的计算调整；

通过大量历史样本的训练确保VGG-16网络模型的状态评价的准确性，并设定相应的误差阈值；

当VGG-16网络模型的状态分类误差小于误差阈值后，完成模型训练。

进一步地，所述输电设备缺陷状态评价方法中，所述VGG-16网络模型包含5个卷积模块与3个全链接层，其中每个卷积模块包括若干个卷积层与1个最大池化层，各层之间的激活函数连接参数由历史样本训练得到。

进一步地，所述输电设备缺陷状态评价方法中，所述方法还包括：