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：国网福建省电力有限公司漳浦县供电公司

摘要：本发明公开了一种基于深度学习的微粒识别方法及电力设备智能运维系统，涉及电力运维技术领域，该方法和系统综合了传统技术的微粒识别精度和深度学习模型的智能化优势，通过实时的微粒图像采集和温湿度数据关联，全面监测电力设备关键区域的微粒分布情况，并结合深度学习模型的精准分类，提高了对微粒行为的全面理解。该系统充分考虑了温湿度对微粒行为的影响，通过润湿安全因子Aq的计算，为电力设备运行环境提供了更加智能的评估。系统通过深度学习模型的训练和优化，实现对多类别微粒的准确识别，提高电力设备运行的安全性能。系统在实时性和准确性上取得了平衡，使得对微粒污染的监测更为及时、全面，降低了误报警的风险。

主权项：1.基于深度学习的微粒识别方法，其特征在于：包括以下步骤：步骤一、在电力设备的若干个区域内部署微粒图像采样点，在若干个区域内采用气溶胶采样器与透射电子检测器实时采集，获取微粒图像样本数据，建立微粒图像样本集；步骤二、同步在若干个区域内部微粒图像采样点部署湿度传感器和温度传感器，采集若干个区域内的空气湿度值H和温度值T，建立温湿度数据集；并将相对应区域的微粒图像样本和相对应区域的温湿度数据进行相关联；步骤三、提取微粒图像样本集中的若干个微粒特征，作为标注任务目标；所述微粒特征包括金属微粒特征、油脂微粒特征、灰尘颗粒物微粒特征、绝缘材料物理特征和电气击穿微粒特征；并对若干个微粒特征进行标注，确定不同类别的微粒；步骤四、构建微粒识别模型，所述微粒识别模型包括设计卷积神经网络CNN结构，并将微粒图像样本集作为训练集进行深度学习和训练后，更新微粒识别模型；步骤五、重复步骤一中在微粒图像采样点步骤，分时间轴实时采集微粒图像数据和实时空气湿度值H，获得实时待识别微粒数据集和实时温湿度数据集；并将实时待识别微粒数据集输入至微粒识别模型中，对实时待识别微粒数据集进行分类和识别；获取相对应类别的微粒标签，并提取温湿度数据集中不同湿度值的微粒图像样本，分析计算获得：微粒分布浓度系数Fbnd、微粒润湿变化系数Rs和温湿度差系数WSd；并将微粒润湿变化系数Rs和温湿度差系数WSd进行相关联分析后，生成润湿安全因子Aq；所述微粒分布浓度系数Fbnd通过以下公式计算获得： 式中，Ni表示类别i的微粒分布样本数量，No表示除了类别i微粒之外的微粒样本数量；FGTX表示图像分割映射的实际空间大小；h1和h2是权重值，具体h1＝0.7；h2＝0.3；1表示为修正自然值；所述微粒润湿变化系数Rs通过以下公式计算获得： 式中，D表示微粒的直径，表示微粒直径对湿度的微分；表示在吸附过程中微粒直径对湿度的偏导数；表示在脱附过程中微粒直径对湿度的偏导数；表示在环境湿度变化中微粒直径对湿度的偏导数；表示在温度变化中微粒直径对湿度的偏导数；公式的含义为，微粒润湿变化系数Rs在吸附、脱附、环境湿度和环境温度的润滑特性的变化预测值；所述温湿度差系数WSd的获取方式为，通过时间轴，采集若干个时间段的温度值T和湿度值H，无量纲处理后，通过以下公式计算生成温湿度差系数WSd： 式中，n表示时间段的数量，ΔTi表示第i个时间段内的温度变化，即Ti-Ti-1；ΔHi表示第i个时间段内的湿度变化，即Hi-Hi-1；所述生成润湿安全因子Aq通过以下相关联公式生成： 式中，F1和F2分别表示微粒润湿变化系数Rs和温湿度差系数WSd的比例系数，且0＜F1＜0.6，0＜F2＜2，0.85≤F1+F2≤1.0；步骤六、设置第一分布阈值Y1和第二安全阈值Y2；将微粒分布浓度系数Fbnd与第一分布阈值Y1进行对比，当微粒分布浓度系数Fbnd大于第一分布阈值Y1时，依据识别后相对应类别的微粒标签生成相对应第一报警信息和第一策略；并将润湿安全因子Aq与第二安全阈值Y2进行对比，当润湿安全因子Aq大于第二安全阈值Y2时，表示当前微粒润湿度高，使微粒吸湿聚集形成沉淀层，对电气设备性能产生风险情况，生成第二报警信息和第二策略。

全文数据：

权利要求：

百度查询： 国网福建省电力有限公司漳浦县供电公司 基于深度学习的微粒识别方法及电力设备智能运维系统