-
公开(公告)号:CN110516551B
公开(公告)日:2023-04-07
申请号:CN201910686677.8
申请日:2019-07-29
申请人: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC分类号: G06V20/17 , G06V10/25 , G06V10/774 , G05D1/12
摘要: 本发明提供了一种基于视觉的巡线位置偏移识别系统,包括:特征提取网络、电力线识别模块、电力塔架及部件识别模块;各个部分相互配合,在无人机巡线时实时执行当前位置识别,并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征,用于后续的识别工作。电力线识别模块在训练时仅需类别标签,大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法,在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型,根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别,并在位置偏移时发出信号,可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号:CN110334948A
公开(公告)日:2019-10-15
申请号:CN201910602681.1
申请日:2019-07-05
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法,其包括训练步骤和评估步骤,其中:训练步骤包括:(1)收集电力设备的案例PRPS图谱数据;(2)对收集的案例PRPS图谱数据进行预处理;(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量;(4)构建门控循环单元模块,输入局部放电特征向量以对其进行训练,以使其输出预测局部放电特征向量;(5)构建基于卷积神经网络的故障二分类模块,采用预测局部放电特征向量作为输入以对其进行训练,以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号:CN110334865A
公开(公告)日:2019-10-15
申请号:CN201910602682.6
申请日:2019-07-05
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法,其包括训练步骤和预测步骤,其中,训练步骤包括:(1)收集电力设备的案例PRPS图谱;(2)对收集的案例PRPS图谱数据进行预处理;(3)构建第一卷积神经网络模块,并对第一卷积神经网络模块进行训练,以使其输出为案例PRPS图谱数据对应的缺陷类型;(4)基于缺陷类型构建各个缺陷类型的数据集;(5)对应各个缺陷类型分别构建各自的故障二分类子模块,其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建;训练第二卷积神经网络,以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值,而输出电力设备是否发生故障的判断。
-
公开(公告)号:CN110334612A
公开(公告)日:2019-10-15
申请号:CN201910529984.5
申请日:2019-06-19
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要: 本发明涉及具有自学习能力的电力巡检图像目标检测方法,包括:将含有目标对象的图片样本、目标对象位置标注文件送入Context CNN,训练Context模型;基于Context模型对输入的背景图片、扩充的目标对象图片进行图像融合处理得到扩充的图片样本及目标对象位置标注文件;基于送入Faster R-CNN的图片样本、位置标注文件训练目标检测模型1、目标检测模型2;Faster R-CNN基于目标检测模型1、和/或目标检测模型2输出采集的图片样本中是、否含有目标对象的检测结果。有益效果是克服电力行业应用图像识别技术存在的训练数据集不足的情况,在使用过程中自动提升识别性能。
-
公开(公告)号:CN110503135B
公开(公告)日:2023-04-25
申请号:CN201910698625.2
申请日:2019-07-31
申请人: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC分类号: G06F18/21
摘要: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法,通过直接修改已训练完成的深度学习模型,实现相关识别模型的压缩和加速,包括:批量归一化层融合:将批量归一化层与其之前的卷积层进行融合;针对全连接层的奇异值分解:基于矩阵的奇异值分解算法,在全连接层之前加入中间层,对全连接层的参数进行压缩;模型权重的量化:采用权值共享方法,根据深度学习模型的冗余性,对参数进行量化转换。各步骤既可独立使用,也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速,在当前电力公司积极推进泛在电力物联网的环境下,有着广泛的应用前景。
-
公开(公告)号:CN110334948B
公开(公告)日:2023-04-07
申请号:CN201910602681.1
申请日:2019-07-05
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号: G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
摘要: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法,其包括训练步骤和评估步骤,其中:训练步骤包括:(1)收集电力设备的案例PRPS图谱数据;(2)对收集的案例PRPS图谱数据进行预处理;(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量;(4)构建门控循环单元模块,输入局部放电特征向量以对其进行训练,以使其输出预测局部放电特征向量;(5)构建基于卷积神经网络的故障二分类模块,采用预测局部放电特征向量作为输入以对其进行训练,以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号:CN110334866B
公开(公告)日:2022-11-11
申请号:CN201910602683.0
申请日:2019-07-05
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要: 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法,其包括步骤:(1)采集电力设备的PRPS图谱数据并对其进行预处理;(2)基于经过预处理的PRPS图谱数据提取局部放电特征;(3)将局部放电特征输入经过训练的卷积神经网络,经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk);并且还将局部放电特征输入经过训练的长短时记忆神经网络,经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk);(4)基于下述公式获得电力设备的最终故障概率P(F):此外,本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号:CN110516551A
公开(公告)日:2019-11-29
申请号:CN201910686677.8
申请日:2019-07-29
申请人: 上海交通大学烟台信息技术研究院 , 上海交通大学
摘要: 本发明提供了一种基于视觉的巡线位置偏移识别系统,包括:特征提取网络、电力线识别模块、电力塔架及部件识别模块;各个部分相互配合,在无人机巡线时实时执行当前位置识别,并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征,用于后续的识别工作。电力线识别模块在训练时仅需类别标签,大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法,在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型,根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别,并在位置偏移时发出信号,可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号:CN110334866A
公开(公告)日:2019-10-15
申请号:CN201910602683.0
申请日:2019-07-05
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要: 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法,其包括步骤:(1)采集电力设备的PRPS图谱数据并对其进行预处理;(2)基于经过预处理的PRPS图谱数据提取局部放电特征;(3)将局部放电特征输入经过训练的卷积神经网络,经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk);并且还将局部放电特征输入经过训练的长短时记忆神经网络,经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk);(4)基于下述公式获得电力设备的最终故障概率P(F):此外,本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号:CN109784672A
公开(公告)日:2019-05-21
申请号:CN201811587468.X
申请日:2018-12-25
申请人: 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要: 本发明提供了一种基于区域推荐卷积网络的针对电网异常的实时监测报警系统,包括:固定式的摄像装置、区域推荐卷积神经网络、样本生成系统、报警系统。各个部分相互配合,自动完成对电网指定位置的实时监测工作。区域推荐卷积神经网络由两个网络组成,区域推荐网络预测可能出现异常的区域,卷积神经网络精确定位异常对象的种类及其大小和位置。在发现异常情况后立即通过邮件、短信等方式报警,通知巡检员。同时提供了一种上述针对电网异常的实时监测报警系统的实时监测报警方法。本发明实现了对电网指定位置的指定异常情况的自动化实时监测,节约大量人力。
-
-
-
-
-
-
-
-
-