基于深度学习的变电站设备部件的识别方法

(整期优先)网络出版时间:2017-12-22
/ 1

基于深度学习的变电站设备部件的识别方法

李永祥王天正杨罡王志鹏张娜

(国网山西省电力公司电力科学研究院山西太原030001)

摘要:基于深度学习的变电站设备部件的识别,是利用深度学习的高层语义特征提取模型,构建从图像底层视觉特征到高级语义特征逐层迭代、逐层抽象的深度网络映射模型,旨在减小语义鸿沟,得到图像语义特征,然后利用全局特征预测每个位置可能的设备目标,不断进行迭代回归调整,再通过一系列的识别分析后得到最终的识别结果。该研究可以大大提高变电站设备部件识别率,从而更加针对性的进行变电站的故障检测。

关键字:深度学习、识别分析

引言

在我国现代化建设和科技的飞速发展的大背景下,加大了对各行各业的考验,国家电网也不例外,尤其是对国家电网的安全指数和运行效能都有了新的要求,而现阶段我国对变电站设备的识别、故障诊断都存在短板,迫切需要这方面的突破,所以基于深度学习的变电站设备部件的识别方法具有一定的实际和现实意义,同时也具有一定的研究价值。

一深度学习

假设系统x有m层,x1,…,xm,深度学习的基本思想就是堆叠多个层,把上一层的输出作为下一层的输入,通过这种方式实现对输入信息的分级表达。典型深度学习结构如图1所示,此图形象的说明了深度学习模型是如何从一副图像中提取简单的特征,用于目标识别的。从图中可以看出,深度学习为一系列简单映射,每种映射作为模型的一层。由此看出,这种分层的无监督的特征学习是深度学习的重要基础,它通过逐层的特征变换,将样本在原空间的特征表示映射到一个新的特征空间中,用大量简单的特征构建复杂的表示,消除输入数据中与学习任务无关的因素对学习性能的影响,从而保留对学习任务有用的信息。

图1典型深度学习结构

深度学习采用“两步走”的方式来进行各层参数的学习,即自下而上的非监督学习方式和自上而下的有监督学习方式。

1.自下而上的非监督学习

这一步是一个无监督的训练过程,从最底层开始,采用无标签的数据分层训练各层参数,将第m-1层的输出作为第m层的输入,以此类推,逐层向顶层训练。这一步类似于传统神经网络的初值随机初始化过程,但这里的初值是通过学习输入数据的结构得到的,比随机初始化更接近全局最优。当所有层训练完之后,除最顶层之外,将其它层与层之间的连接变为双向连接,这样一来,最顶层仍然保持一个单层神经网络,其它层则变成了图模型。对于连接的权重,向上的表示“认知权重”,向下的表示“生成权重”,采用Wake-Sleep算法调整所有的权重,使得认知和生成达成一致,尽可能保证生成的最顶层表示能够恢复最底层的结点。

Wake-Sleep算法

(1)Wake过程:醒的时候是一个认知过程,通过外界的特征和认知权重产生各层的节点值,同时采用梯度下降方法修改各层之间的生成权重。

(2)Sleep过程:做梦的时候是一个生成过程,通过醒的时候学习的顶层表示和生成权重,生成底层的状态,同时修改各层之间的认知权重。

2.自上而下的有监督学习:

这一步是一个有监督的训练过程,在第一步学习得到的各层参数的基础上,通过带标签的数据去训练,误差自顶向下传递,对各层参数进行微调。

二识别分析

研究变电站设备部件识别分析模型,模型图如图2所示。

图像信息获取、图像预处理及重构和判决识别,设备特征提取要综合考虑设备颜色特征、纹理特征、形状(轮廓特征)和尺度空间信息;根据几何特征的计算机视觉中典型设备特点,并借鉴图像处理与识别技术,将图像处理和模式识别的算法运用到电力设备的识别,再通过一定的算法就可以在图中找到目标,确定其坐标位置,从而识别出电力设备的类型。

图2基于深度学习的变电站设备影像识别模型

针对变电站不同设备部件的特性,需做以下处理。

a)首先进行变电站设备部件影像的预处理,提升所获得的设备影像的质量;

b)接着,基于深度学习的高层语义特征提取模型,构建从图像底层视觉特征到高级语义特征逐层迭代、逐层抽象的深度网络映射模型,旨在减小语义鸿沟,得到图像语义特征,为变电设备自动识别提供良好的基础;

c)通过基于神经网络的有监督分类器或全链接神经网络,从目标的颜色、纹理、形状以及语义特征上进行分类,从而实现变电设备的识别。

总结

本文主要介绍了基于深度学习的变电站设备部件的识别方法,由上述分析可证明此种方法可以进一步全面分析电力图像,判断电力设备运行状态。由此说明此种方法对于变电站部件的识别是行之有效的,且具有实用价值的。

参考文献:

[1]威飞虎.模式识别与图像处理[M].上海:上海交通大学出版社,2001

[2]闫敬文.数字图像处理技术与图像图形学基本教程[M].北京:科学出版社,2002

[3]张成海,张绎.现代图像处理技术与应用[M].北京:清华大学出版社,2001

[4]韩风,理会,王智冬,等.法国电网发展分析以及我国的启示[J].电网技术,2009(08):41-47