一种基于卷积神经网络的电网设备分类方法

    公开(公告)号:CN106897739A

    公开(公告)日:2017-06-27

    申请号:CN201710079894.1

    申请日:2017-02-15

    IPC分类号: G06K9/62 G06N3/02

    摘要: 本发明公开了一种基于卷积神经网络的电网设备分类方法,步骤1,根据已有的电网设备图像训练集和测试集,训练卷积神经网络模型;输入层对输入的图像数据进行预处理,用以增大数据量;卷积层的数量不大于N,N+1为常用卷积神经网络卷积层的层数;步骤2,利用训练完成的卷积神经网络模型对需分类的电网设备图像进行分类。本发明利用数据增强技术将输入图像数据进行预处理,增大数据量,解决了数据量不足会导致网络过拟合,精度下降的问题;鉴于训练数据的数量较少,削减了卷积层数量和卷积核数目,同时增大卷积核的尺寸,减小了每层卷积层所提取出的特征图的大小,从而减少了卷积层提取出的特征数量,同样起到了防止过拟合的作用,提高了精度。

    一种基于卷积神经网络的电网设备分类方法

    公开(公告)号:CN106897739B

    公开(公告)日:2019-10-22

    申请号:CN201710079894.1

    申请日:2017-02-15

    IPC分类号: G06K9/62 G06N3/02

    摘要: 本发明公开了一种基于卷积神经网络的电网设备分类方法,步骤1,根据已有的电网设备图像训练集和测试集,训练卷积神经网络模型;输入层对输入的图像数据进行预处理,用以增大数据量;卷积层的数量不大于N,N+1为常用卷积神经网络卷积层的层数;步骤2,利用训练完成的卷积神经网络模型对需分类的电网设备图像进行分类。本发明利用数据增强技术将输入图像数据进行预处理,增大数据量,解决了数据量不足会导致网络过拟合,精度下降的问题;鉴于训练数据的数量较少,削减了卷积层数量和卷积核数目,同时增大卷积核的尺寸,减小了每层卷积层所提取出的特征图的大小,从而减少了卷积层提取出的特征数量,同样起到了防止过拟合的作用,提高了精度。

    一种变压器局部放电定位方法

    公开(公告)号:CN107192930A

    公开(公告)日:2017-09-22

    申请号:CN201710478810.1

    申请日:2017-06-22

    IPC分类号: G01R31/12

    CPC分类号: G01R31/1209

    摘要: 本发明公开了一种变压器局部放电定位方法,对同一待测局放源,分别采用声‑声定位算法和声‑电联合定位算法,测定该局放源的坐标;对测定的两个坐标分别赋予不同的权重;最终的坐标即为两个测定坐标的加权和。本发明为在线运行的变压器的巡检提供有效的巡检依据,保证带电状态下变压器设备的正常巡检测试,并能及时发现设备存在的放电位置,为变压器设备需要停电维修提供依据;为变压器的检修提供技术保证,方便检修人员快速高效找到变压器的局部放电位置,以便对变压器进行检修;本发明为变电站的运维管理带来极大便利,减少了运维成本,提高了管理效率和水平。