基于卷积神经网络的变电站监控图像识别方法研究

发布时间：2017-08-26 11:17

  本文关键词：基于卷积神经网络的变电站监控图像识别方法研究

  更多相关文章： 深度学习 卷积神经网络 非线性修正函数 矩阵2-范数 奇异值 变电站监控图像

【摘要】：随着电力系统生产自动化水平的不断提高,越来越多的变电站实现了无人值守运行模式,采用数字图像处理技术对监控图像进行分析与识别,大大提高了无人值守变电站运行的安全性和可靠性。为了实现对变电站监控图像智能识别的任务,采用深度学习技术为解决该问题提供了一个重要的方向。深度学习模仿人脑的视觉机制来学习样本数据之间的内在规律和表示层次,能够深刻表达数据的本质特征,是机器学习领域中一个备受关注的研究方向。卷积神经网络是深度学习模型中最为高效的一种图像识别技术,可以直接将原始图像作为网络的输入,对于识别具有旋转、平移、缩放或者其他扭曲不变形式的物体有很好的鲁棒性。本文在对卷积神经网络进行深入理论研究的基础上,将其应用于变电站监控图像的异常识别中。本文基于线性修正函数和柔性光滑函数的优点,提出了一种使用非线性修正函数作为神经元激励的方法,非线性修正函数不仅具备稀疏表达的能力,而且将大于零的数据进行了非线性映射,加快了网络收敛速度,并且提高了识别准确率;根据矩阵的奇异值分解对于图像的几何失真具有高度不变性的原理,考虑到图像信息的主要能量集中于奇异值中较大的几个,提出一种基于矩阵2-范数的池化方法,它是将卷积层的特征图划分为若干个互不重叠的子块图像,然后分别计算子块图像矩阵的奇异值,将矩阵的最大奇异值作为池化区域统计结果,该方法将图像的能量信息作为下一层网络传播的特征,仿真结果表明该方法具有更高的识别率,可以反映隐含在图像中的能量信息特征;通过构建人员闯入、误入限制或者危险区域的变电站监控图像异常状况的卷积神经网络模型,验证了本文方法的可行性和很好的适应性,对于电网智能化建设有较高的工程应用价值。
【关键词】：深度学习 卷积神经网络 非线性修正函数 矩阵2-范数 奇异值 变电站监控图像
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-15
• 1.1 本文研究的背景和意义9-10
• 1.2 国内外研究动态10-13
• 1.2.1 卷积神经网络的研究进展10-12
• 1.2.2 变电站监控图像识别技术的研究与发展现状12-13
• 1.3 论文的主要研究内容和结构安排13-15
• 第2章 卷积神经网络理论15-25
• 2.1 多层感知器神经网络15-19
• 2.1.1 MLP的网络结构15-16
• 2.1.2 MLP神经网络的训练算法16-19
• 2.2 卷积神经网络19-23
• 2.2.1 卷积神经网络的结构20-22
• 2.2.2 卷积神经网络的训练算法22-23
• 2.3 本章小结23-25
• 第3章 基于非线性修正函数的CNNs图像识别方法25-34
• 3.1 引言25
• 3.2 常用激活函数及其特性25-26
• 3.3 非线性修正激活函数及其特性26-27
• 3.4 实验及结果分析27-33
• 3.4.1 MNIST实验27-31
• 3.4.2 Caltech-101实验31-32
• 3.4.3 CIFAR-10实验32-33
• 3.5 本章小结33-34
• 第4章 基于矩阵 2-范数池化的CNNs图像识别方法34-41
• 4.1 引言34
• 4.2 CNNs的池化方法34-36
• 4.3 矩阵 2-范数池化方法36-38
• 4.4 实验及结果分析38-40
• 4.4.1 MNIST实验结果38-39
• 4.4.2 Caltech-101实验结果39-40
• 4.4.3 CIFAR-10实验结果40
• 4.5 本章小结40-41
• 第5章 CNNs在变电站监控图像识别中的应用41-49
• 5.1 引言41
• 5.2 基于CNNs的变电站监控图像识别实验41-48
• 5.2.1 人员闯入实验及结果41-46
• 5.2.1.1 图像采集和预处理41-43
• 5.2.1.2 卷积神经网络模型结构设计43-44
• 5.2.1.3 识别结果与分析44-46
• 5.2.1.4 与其他方法的对比46
• 5.2.2 误入限制或者危险区域实验及结果46-48
• 5.3 本章小结48-49
• 第6章 结论与展望49-51
• 参考文献51-54
• 攻读硕士学位期间发表的论文及其它成果54-55
• 致谢55

【相似文献】

中国期刊全文数据库 前10条

1 李汉杰;;变电站图像监控系统技术的应用[J];青海电力;2007年04期

2 周晓芬;;变电站监控五防一体化方案探讨[J];电力与电工;2010年03期

3 章建欢;;500kV变电站监控自动化系统运行存在问题分析与建议[J];中国新技术新产品;2010年21期

4 秦梁栋;林榕;邵华;宋静;;变电站网络数字视频监控系统建设[J];河北电力技术;2010年06期

5 江骏;;变电站视频监控系统的设计与实现[J];科技传播;2011年21期

6 刘剑;;集中控制变电站的运行管理模式探讨[J];通信电源技术;2014年01期

7 梁跃龙;变电站监控和保护系统更新策略探讨[J];湖南电力;2003年03期

8 刘鹏杰;;变电站视频监控系统的设计和应用[J];自动化应用;2011年08期

9 胡丽清;肖艳炜;李英;;变电站监控信息告警直传技术及其在浙江电网的应用[J];浙江电力;2012年12期

10 许建刚;吴曦;;智能化变电站运维问题探讨[J];供用电;2013年01期

中国重要会议论文全文数据库 前8条

1 刘洪正;袁广宏;高厚磊;邹贵彬;李学鹭;张亮;;变电站智能预警系统设计与开发[A];山东电机工程学会第十二届优秀论文汇编[C];2011年

2 邹宏亮;周晨;郑远德;冯波;王玲;李帆;贺彪;曾晓;;嵌入式Internet技术在变电站监控中的应用研究[A];2008中国电力系统保护与控制学术研讨会论文集[C];2008年

3 王德成;丁建华;石德民;;变电站监控技术在工矿企业中的开发及应用[A];全国冶金自动化信息网2013年会论文集[C];2013年

4 王兆华;孟文;王文玺;黄敏;;一种适用于中小型变电站的监控组态软件的开发[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 韩熙媛;王元冬;;变电站监控后台机远程维护及保护定值远程修改的实现[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

6 韩熙媛;王元冬;;变电站监控后台机远程维护及保护定值远程修改的实现[A];2012年云南电力技术论坛论文集[C];2012年

7 程明;;浅析煤矿变电站监控解决方案[A];煤矿综合自动化与机电技术[C];2012年

8 秦勇;刘曙光;罗兵;;基于IEC 61850 GOOSE的变电站远程视频监控系统[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年

中国重要报纸全文数据库 前7条

1 本报记者 秦虹;给变电站装上“千里眼”[N];中国电力报;2014年

2 燕艳;九江电网变电站监控中心挂牌[N];国家电网报;2010年

3 冯迪邋陈非 张健;常州成立500千伏监控中心[N];国家电网报;2008年

4 买秀芳　陈建华;吐鲁番电业局调控一体化试运行[N];国家电网报;2010年

5 本报记者 王广文 殷曾宏;变电站的“守护神”[N];运城日报;2010年

6 记者 金振文　通讯员 付艳华 方琼;天津公司变电站集约化运行管理出效益[N];国家电网报;2009年

7 国家电网公司西北分部;全面实现750千伏变电站集中监控功能[N];国家电网报;2013年

中国博士学位论文全文数据库 前1条

1 崔巨勇;智能变电站信息一体化平台数据挖掘技术研究[D];沈阳工业大学;2015年

中国硕士学位论文全文数据库 前10条

1 程智;智能变电站智能告警技术研究[D];华北电力大学;2015年

2 郝景昌;智能变电站技术在县级供电企业的研究与应用[D];华北电力大学;2015年

3 孔祥雯;500kV无人值守新一代智能变电站辅助控制系统的设计与研究[D];郑州大学;2014年

4 左国明;变电站自动化综合智能监控系统设计与实现[D];电子科技大学;2013年

5 汤沁;35kV变电站智能远程监控系统的通信管理机设计[D];长沙理工大学;2014年

6 金剑;10kV变电站监控网络系统的设计与应用[D];山东大学;2015年

7 马新国;变电站交直流电源在线监测系统设计[D];济南大学;2015年

8 杨炳炉;变电站现场通信网络架构及其关键技术研究[D];重庆大学;2015年

9 何金鑫;基于无线传感网络的智能变电站环境监测系统设计[D];安徽理工大学;2016年

10 侯晓东;220KV变电站机器人巡检系统的设计[D];长春工业大学;2016年

，

本文编号：741240