基于轻量级卷积神经网络的电力物联网系统技术方案

本发明专利技术公开了基于轻量级卷积神经网络的电力物联网系统，其包括输电终端、数据采集器、前端服务器、主服务器、光伏云平台，输电终端连接到数据采集器，在线监测模块包括变压器局部放电识别过程，变压器局部放电识别过程包括数据库建立、数据预处理、Z

【技术实现步骤摘要】
基于轻量级卷积神经网络的电力物联网系统


[0001]本专利技术涉及基于轻量级卷积神经网络的电力物联网系统，属于电力物联网


技术介绍

[0002]电力物联网是物联网在智能电网中的应用，是信息通信技术发展到一定阶段的结果，其将有效整合通信基础设施资源和电力系统基础设施资源，提高电力系统信息化水平，改善电力系统现有基础设施利用效率，为电网发、输、变、配、用电等环节提供重要技术支撑。作为泛在电力物联网建设中重要的环节之一，在线检测和故障诊断是设备信息全面感知和整个电力系统互联互通及多方位服务性应用的前提和基础。

技术实现思路

[0003]本专利技术要解决的技术问题，在于提供基于轻量级卷积神经网络的电力物联网系统，该系统通过轻量级卷积神经网络，对输电终端局部放电故障进行智能识别，准确率高，确保电力物联网系统的正常运行。
[0004]本专利技术通过下述方案实现：基于轻量级卷积神经网络的电力物联网系统，其包括输电终端、数据采集器、前端服务器、主服务器、光伏云平台，所述输电终端连接到所述数据采集器，所述据采集器连接到所述前端服务器，所述前端服务器连接到所述主服务器，所述主服务器连接到所述光伏云平台，同时，所述输电终端通过在线监测模块之间连接到所述主服务器，所述在线监测模块包括变压器局部放电识别过程，所述变压器局部放电识别过程包括数据库建立、数据预处理、Z
‑
score归一化处理、监测识别放电模式、数据传输至服务器。
[0005]所述数据库建立包括数据集、卷积、池化、全连接、Softmax。
[0006]对采集的数据集进行验证，首先对其他目标任务下取得优异效果的数据集进行知识迁移,然后采用GIS局部放电信号对数据集进行级联微调,进而对数据集进行验证，对数据进行卷积、池化、构建全连接层，通过Softmax函数进行验证。
[0007]所述数据预处理包括图像增广和图像合成处理。
[0008]所述图像增广：包括旋转、平移、缩放、亮度变换、添加噪声。
[0009]所述图像合成处理：包括放射变换、计算图像掩膜、添加背景图像。
[0010]所述Z
‑
score归一化处理是利用Z
‑
score标准化方法对输入数据进行归一化处理，以解决不同来源的数据指标之间的可比性。
[0011]在数据预处理时，局部放电时域图谱通过二值化处理转化为单通道,并利用图像压缩技术将输人图片转化为相应卷积神经网络模型要求的大小。
[0012]所述验证包括泛化能力、故障识别准确率以及模型测试时间的验证。
[0013]本专利技术的有益效果为：
[0014]1、本专利技术基于轻量级卷积神经网络的电力物联网系统通过轻量级卷积神经网络，
对输电终端局部放电故障进行智能识别，准确率高，确保电力物联网系统的正常运行；
[0015]2、本专利技术基于轻量级卷积神经网络的电力物联网系统的数据预处理包括图形增广和图像合成处理，使得图像预处理后识别的准确率提高。
附图说明
[0016]图1为本专利技术基于轻量级卷积神经网络的电力物联网系统的变压器局部放电识别过程流程图。
[0017]图2为本专利技术基于轻量级卷积神经网络的电力物联网系统的流程图。
具体实施方式
[0018]下面结合图1
‑
2对本专利技术进一步说明，但本专利技术保护范围不局限所述内容。
[0019]其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向，且附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本专利技术实施例的目的。
[0020]为了清楚，不描述实际实施例的全部特征，在下列描述中，不详细描述公知的功能和结构，因为它们会使本专利技术由于不必要的细节而混乱，应当认为在任何实际实施例的开发中，必须做出大量实施细节以实现开发者的特定目标，例如按照有关系统或有关商业的限制，由一个实施例改变为另一个实施例，另外，应当认为这种开发工作可能是复杂和耗费时间的，但是对于本领域技术人员来说仅仅是常规工作。
[0021]基于轻量级卷积神经网络的电力物联网系统，其包括输电终端、数据采集器、前端服务器、主服务器、光伏云平台，输电终端连接到数据采集器，据采集器连接到前端服务器，前端服务器连接到主服务器，主服务器连接到光伏云平台，同时，输电终端通过在线监测模块之间连接到主服务器，在线监测模块包括变压器局部放电识别过程，变压器局部放电识别过程包括数据库建立、数据预处理、Z
‑
score归一化处理、监测识别放电模式、数据传输至服务器。
[0022]数据库建立包括数据集、卷积、池化、全连接、Softmax，对采集的数据集进行验证，首先对其他目标任务下取得优异效果的数据集进行知识迁移,然后采用GIS局部放电信号对数据集进行级联微调,进而对数据集进行验证，对数据进行卷积、池化、构建全连接层，通过Softmax函数进行验证。
[0023]数据预处理包括图像增广和图像合成处理，图像增广：包括旋转、平移、缩放、亮度变换、添加噪声，图像合成处理：包括放射变换、计算图像掩膜、添加背景图像。
[0024]Z
‑
score归一化处理是利用Z
‑
score标准化方法对输入数据进行归一化处理，以解决不同来源的数据指标之间的可比性。
[0025]在数据预处理时，局部放电时域图谱通过二值化处理转化为单通道,并利用图像压缩技术将输人图片转化为相应卷积神经网络模型要求的大小。
[0026]验证包括泛化能力、故障识别准确率以及模型测试时间的验证。
[0027]尽管已经对本专利技术的技术方案做了较为详细的阐述和列举，应当理解，对于本领域技术人员来说，对上述实施例做出修改或者采用等同的替代方案，这对本领域的技术人
员而言是显而易见，在不偏离本专利技术精神的基础上所做的这些修改或改进，均属于本专利技术要求保护的范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于轻量级卷积神经网络的电力物联网系统，其特征在于：其包括输电终端、数据采集器、前端服务器、主服务器、光伏云平台，所述输电终端连接到所述数据采集器，所述据采集器连接到所述前端服务器，所述前端服务器连接到所述主服务器，所述主服务器连接到所述光伏云平台，同时，所述输电终端通过在线监测模块之间连接到所述主服务器，所述在线监测模块包括变压器局部放电识别过程，所述变压器局部放电识别过程包括数据库建立、数据预处理、Z
‑
score归一化处理、监测识别电模式、数据传输至服务器。2.根据权利要求1所述的基于轻量级卷积神经网络的电力物联网系统，其特征在于：所述数据库建立包括数据集、卷积、池化、全连接、Softmax。3.根据权利要求2所述的基于轻量级卷积神经网络的电力物联网系统，其特征在于：对采集的数据集进行验证，首先对其他目标任务下取得优异效果的数据集进行知识迁移,然后采用GIS局部放电信号对数据集进行级联微调,进而对数据集进行验证，对数据进行卷积、池化、构建全连接层，通过Softmax函数进行验证。4.根据权利要求1所述的基于轻量...

【专利技术属性】
技术研发人员：谢荣华，
申请(专利权)人：江西北斗变电科技协同创新有限公司，
类型：发明
国别省市：