-
公开(公告)号:CN119760395A
公开(公告)日:2025-04-04
申请号:CN202411807371.0
申请日:2024-12-10
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F18/213 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于残差结构卷积神经网络的绝缘子污秽度定量检测系统,属于绝缘子污秽度检测技术领域,针对积污取样布区域提取高光谱谱线数据,按照光谱划分的比例分为训练集和测试集;随机初始化网络参数,将全波段光谱数据输入特征提取网络进行污秽度特征提取;将提取的特征向量输入到回归层中进行回归训练,使用均方误差作为损失函数,计算预测值与真实标签之间的误差;使用优化器来更新网络参数,通过自适应学习率调整来加速训练过程;待测的未知样本输入训练好的检测模型得到检测结果;本发明实现了绝缘子污秽度的定量检测,有助于优化维护计划,提高电力系统的运维效率,及时发现和消除潜在故障,从而提高电力系统的可靠性和安全性。
-
公开(公告)号:CN119760394A
公开(公告)日:2025-04-04
申请号:CN202411807369.3
申请日:2024-12-10
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F18/213 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了基于不平衡回归的绝缘子污秽度定量检测方法,属于绝缘子污秽度检测技术领域,根据原始标签分布密度得到一个核平滑后的标签分布,随机初始化网络参数,将数据集输入特征提取网络进行污秽度特征提取,得到特征向量进行回归训练,使用误差敏感损失函数,计算预测值与真实标签之间的误差;降低极端少数类样本的权重,将每个样本的损失项乘以相应的权重,再进行反向传播和参数更新,最后将待测的未知样本输入训练好的检测模型得到检测结果;本发明提升了残差网络模型在面对绝缘子污秽度关键指标检测时不平衡回归任务的准确性,在针对非平衡数据集的绝缘子污秽度关键指标检测上具有可行性。
-