买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山西省电力公司大同供电公司

摘要：本申请公开了一种基于改进EfficientNet的输变电设备异常声源定位方法，包括：利用声音采集单元，采集电力设备运行过程中的样本功率谱图，对样本功率谱图中的异常功率谱图进行异常功率值标注；根据卷积神经网络，引入复合系数，构建初始分类模型，并利用样本功率谱图对初始分类模型进行训练，将训练后的初始分类模型记作功率谱图分类模型；采集待检设备的待检功率谱图，根据功率谱图分类模型对待检功率谱图进行异常功率识别，当识别出异常功率时，采用融合算法，计算待检设备的异常声源坐标。通过本申请中的技术方案，结合三通道异常功率特征值，根据麦克风与异常声源间的传播时延，实现异常声源坐标的计算，完成电力设备运行过程中的异常声源定位。

主权项：1.一种基于改进EfficientNet的输变电设备异常声源定位方法，其特征在于，该方法包括：步骤1，利用声音采集单元，采集电力设备运行过程中的样本功率谱图，对所述样本功率谱图中的异常功率谱图进行异常功率值标注，其中，所述样本功率谱图包括正常功率谱图以及所述异常功率谱图；步骤2，根据卷积神经网络和EfficientNet网络，引入复合系数，构建初始分类模型，并利用所述样本功率谱图对所述初始分类模型进行训练，将训练后的初始分类模型记作功率谱图分类模型；步骤3，采集待检设备的待检功率谱图，根据所述功率谱图分类模型对所述待检功率谱图进行异常功率识别，当识别出异常功率时，采用融合算法，计算所述待检设备的异常声源坐标，所述初始分类模型包括初始卷积层，所述初始卷积层用于对输入数据进行卷积及标准化计算，所述步骤2中，利用所述样本功率谱图对所述初始分类模型进行训练，具体包括：步骤21，将所述样本功率谱图随机分为训练数据和测试数据；步骤22，所述训练数据输入至所述初始卷积层，得到标准化输入图像；步骤23，对所述标准化输入图像进行多层卷积模块计算，并根据所述复合系数对每一层网络计算出的中间值进行数据增强，其中，所述复合系数的计算公式为： 式中，w为当前网络的宽度，d为当前网络的深度，h,p为标准化输入图像的分辨率，r是分辨率倍率，α是当前网络的学习率；步骤24，根据多层卷积模块计算的计算结果，对所述初始分类模型中的参数进行第一修订，其中，所述参数包括所述学习率α；步骤25，根据所述测试数据，对所述第一修订后的初始分类模型中的参数进行第二修订，将所述第二修订后的初始分类模型记作所述功率谱图分类模型。

全文数据：

权利要求：

百度查询： 国网山西省电力公司大同供电公司 一种基于改进EfficientNet的输变电设备异常声源定位方法