【技术实现步骤摘要】
本专利技术涉及电力设备，尤其涉及一种电力设备状态监测和模型训练方法、电子设备及存储介质。
技术介绍
1、随着电网越来越深入的朝着智能化、数字化方向发展，电力设备的监测愈加依赖于数字技术。在监测电力设备状态时，通常会使用摄像机、巡视机器人、无人机拍摄等巡视设备获取现场设备的巡视图像，之后根据巡视图像确定设备的运行状态。然而，由于电网安全距离的要求，例如，500kv等级的电压下最小安全距离为5米，220kv等级的电压下最小安全距离为3米，巡视设备也无法近距离拍摄高压场内设备图像，远距离拍摄就会导致拍摄的巡视图像分辨率较低，所包含的关键信息较少，因此无法基于巡视图像监测获取电力设备的准确运行状态。
技术实现思路
1、本专利技术实施例提供一种电力设备状态监测和模型训练方法、电子设备及存储介质，能够基于巡视图像监测获取电力设备的准确运行状态。
2、第一方面，本专利技术实施例提供一种电力设备状态监测方法，包括：
3、将电力设备的巡视图像输入至预训练的图像重建模型中，所述图像重建模型包括：特征提取模块、非线性映射模块和上采样重建模块；
4、通过所述特征提取模块对所述巡视图像进行浅层特征提取得到浅层图像特征，并通过所述非线性映射模块，基于所述浅层图像特征获取深层图像特征；
5、通过所述上采样模块，基于所述浅层图像特征和所述深层图像特征采用上采样操作，获取重建高分辨巡视图像；以及
6、基于所述重建高分辨巡视图像，确定所述电力设备的运行状态。
7、第二方面，本专利技术实施例提供一种图像重建模型训练方法，包括：
8、将样本低分辨图像输入至待训练的图像重建模型中，所述图像重建模型包括：特征提取模块、非线性映射模块和上采样重建模块；
9、通过所述特征提取模块对所述样本低分辨图像进行浅层特征提取得到浅层图像特征，并通过所述非线性映射模块，基于所述浅层图像特征获取深层图像特征；
10、通过所述上采样模块，基于所述浅层图像特征和所述深层图像特征采用上采样操作，获取重建样本高分辨图像；
11、基于样本高分辨图像和所述重建样本高分辨图像确定训练损失函数的函数值，并根据所述训练损失函数的函数值对所述图像重建模型中的模型参数进行调整。
12、第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的电力设备状态监测方法或图像重建模型训练方法。
13、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的电力设备状态监测方法或图像重建模型训练方法。
14、本专利技术实施例提供的一种电力设备状态监测和模型训练方法、电子设备及存储介质，通过预训练包括特征提取模块、非线性映射模块和上采样重建模块的图像重建模型，并通过预训练的图像重建模型提取巡视图像的浅层特征和深层特征，并基于浅层图像特征和深层图像特征进一步采用上采样操作获取巡视图像对应的重建高分辨图像，既可以保留巡视图像的浅层图像特征中的细节和结构信息，也可以提高巡视图像的分辨率，增加巡视图像的关键信息，进而能够获取更全面更准确的高分辨巡视图像，避免巡视设备无法近距离采集获取电力设备的巡视图像，导致的无法基于巡视图像监测获取电力设备的准确运行状态的问题，从而对电力设备进行有效监测。
本文档来自技高网...【技术保护点】
1.一种电力设备状态监测方法，其特征在于，包括：
2.根据权利要求1所述的电力设备状态监测方法，其特征在于，
3.根据权利要求2所述的电力设备状态监测方法，其特征在于，每个加权残差密集块包括：通过加权残差连接的方式顺次连接的多个残差单元、特征融合单元、密集连接单元和局部加权残差学习块；
4.根据权利要求3所述的电力设备状态监测方法，其特征在于，所述通过所述当前加权残差密集块的所述局部加权残差学习块，基于所述当前密接连接特征获取所述当前加权残差密集块的输出特征，包括：
5.根据权利要求1所述的电力设备状态监测方法，其特征在于，
6.根据权利要求5所述的电力设备状态监测方法，其特征在于，所述上采样模块包括第二全局加权残差学习块，
7.一种图像重建模型训练方法，其特征在于，包括：
8.根据权利要求7所述的图像重建模型训练方法，其特征在于，还包括：在所述将样本低分辨图像输入至待训练的图像重建模型中之前，
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一所述的电力设备状态监测方法，或者实现如权利要求7或8所述的图像重建模型训练方法。
...【技术特征摘要】
1.一种电力设备状态监测方法，其特征在于，包括：
2.根据权利要求1所述的电力设备状态监测方法，其特征在于，
3.根据权利要求2所述的电力设备状态监测方法，其特征在于，每个加权残差密集块包括：通过加权残差连接的方式顺次连接的多个残差单元、特征融合单元、密集连接单元和局部加权残差学习块；
4.根据权利要求3所述的电力设备状态监测方法，其特征在于，所述通过所述当前加权残差密集块的所述局部加权残差学习块，基于所述当前密接连接特征获取所述当前加权残差密集块的输出特征，包括：
5.根据权利要求1所述的电力设备状态监测方法，其特征在于，
6.根据权利要求5所述的电力设备状态监测方法，其特征在于，所述上采样模块包括第二...
【专利技术属性】
技术研发人员：王鹤铭，包卫军，寨战争，江顺乐，王延凯，陈浩瀚，孙震方，
申请(专利权)人：广东电网有限责任公司，
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。