基于图像处理和半监督学习的变电设备故障诊断 |
| |
作者姓名: | 于希娟 孙宏伟 |
| |
作者单位: | 国网北京市电力公司 |
| |
基金项目: | 国家电网有限公司科技项目资助(52022319004X) |
| |
摘 要: | 变电设备是电力系统中的关键部分,维护其安全稳定运行具有重要意义。当变电设备发生故障时,需要及时、准确对其故障类型进行诊断。提出一种基于图像处理和半监督学习的变电设备故障类型诊断方法。对收集到的红外图像数据进行特征提取,将其中的温度特征、纹理特征和形状特征作为模型的参考向量;利用SMOTE算法,对有标签样本的少数类样本进行样本扩充;汇总样本数据,构建图半监督学习网络,并对其进行训练。相比于传统的有监督学习方法,该文提出的方法能够学习无标签样本数据中的信息。使用真实的样本数据进行测试,验证所提方法的有效性,实验结果表明利用特征提取、样本扩充以及半监督学习模型能够提高变电设备故障的分类准确度。
|
关 键 词: | 变电设备 故障诊断 红外图像 样本生成 半监督学习 |
Fault Diagnosis of Substation Equipment Based on Image Processing and
Semi-Supervised Learning |
| |
Authors: | YU Xijuan SUN Hongwei |
| |
Affiliation: | State Grid Beijing Power Supply Company |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |