申请/专利权人：国网浙江省电力有限公司;国网浙江省电力有限公司舟山供电公司

申请日：2023-12-21

公开（公告）日：2024-04-12

公开（公告）号：CN117435980B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/20;G06Q10/20;G06Q50/06;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了基于小样本学习的海岛光伏智能运维状态分析方法，涉及光伏智能运维领域。目前因为缺少样本，光伏电站缺陷的得不到准确的分类。本发明包括以下步骤：获取光伏电站运维图片并输入训练好的缺陷识别模型中，缺陷识别模型进行缺陷检测和分类；其中缺陷识别模型的训练，采用损失函数来指导缺陷识别模型的学习，使用三元组损失来学习缺陷样本之间的相似性，以区分正常样本和缺陷样本，使用交叉熵分类损失函数来进行缺陷分类，以使缺陷识别模型识别不同类型的缺陷；本技术方案利用少量的缺陷样本图片，通过相似性匹配准则进行训练，利用有限的缺陷样本图片，学习缺陷共性特征，实现对新图片的准确分类和识别，有效提高运维效率，降低运维成本。

主权项：1.基于小样本学习的海岛光伏智能运维状态分析方法，其特征在于包括以下步骤：1）获取光伏电站运维图片；2）将获取的光伏电站运维图片输入训练好的缺陷识别模型中；缺陷识别模型的训练包括：获取缺陷图片，缺陷图片来自于光伏电站中已有的缺陷样本，缺陷样本包含破损、附着物、鸟粪和刮痕；对缺陷图片进行预处理，包括图片清洗和标准化，以确保图片的质量和一致性，并通过包括对图片的随机裁剪、换向、缩放及视觉处理进行增强以扩充图片数量，生成更多的样本；构建基于视觉变换模型的缺陷识别模型，在训练过程中，采用损失函数来指导缺陷识别模型的学习，使用三元组损失来学习缺陷样本之间的相似性，以区分正常样本和缺陷样本，使用交叉熵分类损失函数进行缺陷分类，以使缺陷识别模型识别不同类型的缺陷；3）缺陷识别模型对光伏电站运维图片进行缺陷检测和分类，若光伏电站运维图片存在异常，则进行提示，并输出对应缺陷的类型，通知运维人员进行对应缺陷点的维护、检测和验证，并将运维人员确认状态后的运维图片存入光伏电站运维图片数据库中；缺陷识别模型训练包括以下步骤：201获取光伏电站的正常图片和缺陷图片，对缺陷图片进行处理，生成更多样式的光伏电站缺陷图片，并与原始图片合并，形成增强后的光伏电站缺陷图片集；202）从增强后的光伏电站缺陷图片集中随机选择一个缺陷样本作为第一个输入，并再次随机选择一个缺陷样本作为第二个输入；根据两样本的相似性进行标签设置，从而生成带有标签的训练样本对；其中，相同类别的两样本标签设置为正样本对，不同类别的两样本标签设置为负样本对；203）构建以视觉变换模型为基本架构的缺陷识别模型；204）构造缺陷特征池M,特征池的大小为K×d，其中K为缺陷的数量，d是特征的维度；205）根据缺陷识别模型对每张图片进行与缺陷相关特征的注意力计算，以构建缺陷图片和背景之间的关系，并提取图片的特征表示x；206）对缺陷图片的特征表示进行三元组损失计算；在计算时，对于每个训练样本，选择一个参照样本、一个缺陷正样本和另一种缺陷作为负样本，构成一个三元组，计算参照样本和正样本之间的距离；207）根据步骤206）的计算结果，将参照样本、正样本和负样本的特征表示连接起来，得到连接后的特征表示；使用全连接层的权重和偏置，计算相似度得分，并根据相似度得分对不同类别的图片进行优化，使得同类型图片相似度更近，不同类型更远；208）根据得到的特征表示，利用缺陷特征与正常特征之间的差异特征，对特征池M进行更新，更新的方式为：针对某一缺陷特征m，在得到与正常特征的对比特征后，对该缺陷特征池进行滑动更新： ；更新后的缺陷特征池是通过将当前时刻t的缺陷特征池乘以权重，再加上当前缺陷特征m乘以权重1-得到，k为当前缺陷特征的缺陷序号；209）根据特征和特征池之间的注意力权重，来加权特征池，从而得到丰富的特征；210）将缺陷识别模型扩展为两份，分别为教师模型和学生模型，针对增强后的图片，通过步骤205）至步骤209），将其馈入到教师模型中，计算得到特征表示；使用带有标签的训练集进行监督训练，通过计算第一损失函数的梯度更新教师模型的权重和参数；211）将增强后的图片进行图像变化得到再次增强的图片，输入训练学生模型，重复205）至209）步骤，计算得到特征表示；使用带有标签的训练集进行监督训练，通过计算第二损失函数的梯度更新学生模型的权重和参数；212）将增强后的无标签光伏电站图片输入到教师模型和学生模型中，计算得到特征表示；使用无监督的均方误差损失函数来衡量教师模型和学生模型之间的相似性；213）在每次更新学生模型的权重和参数后，使用滑动平均的方式更新教师模型的权重和参数；通过多次迭代训练得到优化后学生模型，将优化得到的学生模型作为最终的缺陷识别模型。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司;国网浙江省电力有限公司舟山供电公司 基于小样本学习的海岛光伏智能运维状态分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD