| 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 |
