基于图像深度学习的电力计量设备故障监测方法

• 作者: 张海永
• 来源期刊: 电子设计工程
• 关键词: 图像深度学习 电力计量设备 故障监测 卷积神经网络
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 电力电子技术|Power Electronic Technology
• 页码范围: 103-106,111
• 页数: 5页
• 分类号: TN99|TM933.4
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.09.022

摘要

采用FCM算法、改进模糊c均值聚类算法进行电力计量设备故障监测时缺乏约束规则,导致监测效果较差,为此提出基于图像深度学习的电力计量设备故障监测方法.构建CNN模型,确定深度神经网络权值最优解,避免出现过拟合现象.经过前向传播和反向传播网络训练,不断更新权值,经过图像预处理后识别故障.设置关联规则,结合抄读电能表相关数据,设计故障监测流程.以电能表为例,通过拓扑结构进行仿真实验分析,由实验结果可知,该方法电压和电流监测曲线与实际值曲线基本吻合,具有精准的监测效果,能够更好地保障电力计量装置发挥好其自身作用.