本公开涉及一种电力设备实时监测方法、装置、电子设备及计算机可读介质。该方法包括：通过物联网获取电力设备的实时图像；对所述实时图像进行预处理，生成图像数据；将所述图像数据输入目标检测模型中，生成目标检测结果，其中，所述目标检测模型为基于牛顿法优化损失函数以进行压缩的深度神经网络模型；基于所述目标检测结果对所述电力设备的状态进行实时监测。本公开涉及的电力设备实时监测方法、装置、电子设备及计算机可读介质，能够将高精度、低复杂度的计算模型布置在边缘计算设备中，以便实时对电力设备进行监控，保证电网安全运行的同时减轻物联网的数据压力。同时减轻物联网的数据压力。同时减轻物联网的数据压力。
【技术实现步骤摘要】
电力设备实时监测方法、装置、电子设备及可读介质
[0001]本公开涉及电力设备运检领域，具体而言，涉及一种电力设备实时监测方法、装置、电子设备及计算机可读介质。
技术介绍
[0002]我国电网的变电设备有种类多、分布广泛、结构参数各异的特点，在长期运行的过程中，电力设备出现故障几乎不可避免，引起故障的原因包括制造过程中遗留的设备缺陷，安装检修维护中存在的问题，长期运行后导致的绝缘老化及结构劣化等因素。目前，变电站内的巡视业务多利用智能化巡视设备进行，如无人机、机器人、智能头盔等，大大减轻了运维工作人员的工作量，降低电力设备日常运维的成本，通过对设备状态进行实时拍摄，会产生大量的设备图像数据，并需要人工根据图像判断设备状态是否正常，这个过程增加了运维工作人员的工作量，占用大量人力，因此运用智能识别技术对数据进行分析处理，获取关键信息，进而实现数据处理自动化是非常有必要的。
[0003]边缘计算让更多的监控应用程序的计算任务能够在网络边缘的分散节点上执行，所以可以利用这些边缘设备减少时间延迟，并且可以实现实时在线决策。在电力设备运维和检测领域，需要对电力物联网环境下的电力设备进行实时状态监测，由于电力企业部署的电力物联网由大量的电力终端设备构成，所以一般采用基于边缘计算的电力监控应用系统对采集到的电力设备实时图像进行分析和处理，来监测这些设备是否良好。然而复杂网络模型在终端或边缘设备部署时存在资源限制问题。
[0004]在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]有鉴于此，本公开提供一种电力设备实时监测方法、装置、电子设备及计算机可读介质，能够将高精度、低复杂度的计算模型布置在边缘计算设备中，以便实时对电力设备进行监控，保证电网安全运行的同时减轻物联网的数据压力。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的一方面，提出一种电力设备实时监测方法，该方法包括：通过物联网获取电力设备的实时图像；对所述实时图像进行预处理，生成图像数据；将所述图像数据输入目标检测模型中，生成目标检测结果，其中，所述目标检测模型为基于牛顿法优化损失函数以进行压缩的深度神经网络模型；基于所述目标检测结果对所述电力设备的状态进行实时监测。
[0008]在本公开的一种示例性实施例中，还包括：获取电力设备的多个历史图像；对所述多个历史图像进行预处理以生成多个历史图像数据；基于所述多个历史图像数据对深度神经网络模型进行训练以生成初始目标检测模型；基于牛顿法优化损失函数以对所述初始目
标检测模型进行压缩生成所述目标检测模型。
[0009]在本公开的一种示例性实施例中，对所述多个历史图像进行预处理以生成多个历史图像数据，包括：对所述多个历史图像进行数据清洗以生成多个历史图像数据；和/或对所述多个历史图像进行数据转换以生成多个历史图像数据；和/或对所述多个历史图像进行数据归一化处理以生成多个历史图像数据。
[0010]在本公开的一种示例性实施例中，基于牛顿法优化损失函数以对所述初始目标检测模型进行压缩生成所述目标检测模型，包括：生成指数损失函数；生成压缩函数；基于牛顿法对所述指数损失函数进行优化计算以得到最小化指数损失函数和其对应的模型参数；解耦所述压缩函数以获取压缩后的所述目标检测模型的权重；基于所述模型参数和所述权重生成所述目标检测模型。
[0011]在本公开的一种示例性实施例中，生成指数损失函数，包括：获取初始化参数，所述初始化参数包括压缩目标、算法迭代次数、样本迭代次数；基于所述初始化参数生成所述指数损失函数。
[0012]在本公开的一种示例性实施例中，生成压缩函数，包括：获取所述初始目标检测模型的原始权重张量；基于所述原始权重张量生成所述压缩函数。
[0013]在本公开的一种示例性实施例中，基于牛顿法对所述指数损失函数进行优化计算以得到最小化指数损失函数和其对应的模型参数，包括：确定迭代初始值；确定搜索方向；基于所述搜索方向进行迭代计算以求解最小化指数函数；基于所述最小化指数函数确定所述模型参数。
[0014]在本公开的一种示例性实施例中，确定搜索方向，包括：基于所述迭代初始值通过Hessian矩阵在梯度上进行线性变换得到搜索方向。
[0015]在本公开的一种示例性实施例中，解耦所述压缩函数以获取压缩后的所述目标检测模型的权重，包括：确定对偶变量；基于所述对偶变量和交替方向乘子法解耦所述压缩函数；基于迭代计算对解耦后的所述压缩函数进行计算以获取所述目标检测模型的权重。
[0016]根据本公开的一方面，提出一种电力设备实时监测装置，该装置包括：图像模块，用于通过物联网获取电力设备的实时图像；处理模块，用于对所述实时图像进行预处理，生成图像数据；计算模块，用于将所述图像数据输入目标检测模型中，生成目标检测结果，其中，所述目标检测模型为基于牛顿法优化损失函数以进行压缩的深度神经网络模型；监测模块，用于基于所述目标检测结果对所述电力设备的状态进行实时监测。
[0017]在本公开的一种示例性实施例中，还包括：模型训练模块，用于获取电力设备的多个历史图像；对所述多个历史图像进行预处理以生成多个历史图像数据；基于所述多个历史图像数据对深度神经网络模型进行训练以生成初始目标检测模型；基于牛顿法优化损失函数以对所述初始目标检测模型进行压缩生成所述目标检测模型。
[0018]根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
[0019]根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
[0020]根据本公开的电力设备实时监测方法、装置、电子设备及计算机可读介质，通过物
联网获取电力设备的实时图像；对所述实时图像进行预处理，生成图像数据；将所述图像数据输入目标检测模型中，生成目标检测结果，其中，所述目标检测模型为基于牛顿法优化损失函数以进行压缩的深度神经网络模型；基于所述目标检测结果对所述电力设备的状态进行实时监测的方式，能够将高精度、低复杂度的计算模型布置在边缘计算设备中，以便实时对电力设备进行监控，保证电网安全运行的同时减轻物联网的数据压力。
[0021]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
[0022]通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是根据一示例性实施例示出的一种电力设备实时监本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电力设备实时监测方法，其特征在于，包括：通过物联网获取电力设备的实时图像；对所述实时图像进行预处理，生成图像数据；将所述图像数据输入目标检测模型中，生成目标检测结果，其中，所述目标检测模型为基于牛顿法优化损失函数以进行压缩的深度神经网络模型；基于所述目标检测结果对所述电力设备的状态进行实时监测。2.如权利要求1所述的电力设备实时监测方法，其特征在于，还包括：获取电力设备的多个历史图像；对所述多个历史图像进行预处理以生成多个历史图像数据；基于所述多个历史图像数据对深度神经网络模型进行训练以生成初始目标检测模型；基于牛顿法优化损失函数以对所述初始目标检测模型进行压缩生成所述目标检测模型。3.如权利要求2所述的电力设备实时监测方法，其特征在于，对所述多个历史图像进行预处理以生成多个历史图像数据，包括：对所述多个历史图像进行数据清洗以生成多个历史图像数据；和/或对所述多个历史图像进行数据转换以生成多个历史图像数据；和/或对所述多个历史图像进行数据归一化处理以生成多个历史图像数据。4.如权利要求2所述的电力设备实时监测方法，其特征在于，基于牛顿法优化损失函数以对所述初始目标检测模型进行压缩生成所述目标检测模型，包括：生成指数损失函数；生成压缩函数；基于牛顿法对所述指数损失函数进行优化计算以得到最小化指数损失函数和其对应的模型参数；解耦所述压缩函数以获取压缩后的所述目标检测模型的权重；基于所述模型参数和所述权重生成所述目标检测模型。5.如权利要求4所述的电力设备实时监测方法，其特征在于，生成指数损失函数，包括：获取初始化参数，所述初始化参数包括压缩目标、算法迭代次数、样本迭代次数；基于所述初始化参数生成所述指数损失函数。6.如权利要求4所述的电力设备实时监测方法，其特征在于，生成压缩函数，包括：获取所述初始目标检测模型的原始权重张量；基于所述原始权重张量生成所述压缩函数。7.如权利要求4所述的电力设备实时监测方法，其特征在于，基于牛顿法对所述指数损...
【专利技术属性】
技术研发人员：尚芳剑，李信，张希，王博，彭柏，陈重韬，王艺霏，李欣怡，娄竞，张少军，闫忠平，王东升，李贤，来骥，赵婷，陈江琦，夏卫尚，刘思言，吴春鹏，刘慧丽，
申请(专利权)人：国家电网有限公司全球能源互联网研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。