基于机器学习的输电线路设备细微缺陷智能检测方法

作者：宁柏锋; 董召杰

来源：自动化与仪器仪表, 2020, (05): 161-165.

DOI：10.14016/j.cnki.1001-9227.2020.05.161

• 机器学习
• 输电线路设备
• Adaboost算法
• 细微缺陷
• 智能检测方法

针对现有输电线路设备细微缺陷智能检测方法存在的GZ-复刻率较高的问题,设计了基于机器学习的输电线路设备细微缺陷智能检测方法。根据设备实时监测、运行、历史故障维修次数等数据,构建基于机器学习的NFA模型,区分不同类型的输电线路设备的细微缺陷;对图像的亮度、对比度、拼接方式等方面进行处理,引入Adaboost算法完成图像识别,最后通过对相位编组梯度的计算,实现基于机器学习的输电线路设备细微缺陷的智能检测。实验结果表明,设计方法的GZ-复刻率平均值比传统方法的GZ-复刻率平均值降低了47.3%,故障信号检测性能更好,可以证明基于机器机器学习的输电线路设备细微缺陷智能检测方法的综合有效性。

• 单位
  深圳供电局有限公司