(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211221948.0 (22)申请日 2022.10.08 (65)同一申请的已公布的文献号 申请公布号 CN 115294411 A (43)申请公布日 2022.11.04 (73)专利权人 国网浙江省电力有限公司 地址 310007 浙江省杭州市西湖区黄龙路8 号 (72)发明人 王光增　方建亮　刘国良　王云烨　 周青睐　徐宏　孙钢　姚一杨　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 专利代理师 魏亮 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06F 16/58(2019.01)G06F 16/583(2019.01) G06F 16/587(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111813130 A,2020.10.23 CN 114881225 A,202 2.08.09 CN 105978144 A,2016.09.28 CN 110929847 A,2020.0 3.27 CN 111797986 A,2020.10.20 CN 109146 062 A,2019.01.04 CN 112784976 A,2021.0 5.11 CN 1097842 25 A,2019.0 5.21 CN 114091549 A,202 2.02.25 CN 110674931 A,2020.01.10 CN 114266387 A,202 2.04.01 EP 3576019 A1,2019.12.04 (续) 审查员 范园园 (54)发明名称 基于神经网络的电网输变电图像数据处理 方法 (57)摘要 本发明公开了一种基于神经网络的电网输 变电图像数据处理方法， 包括： 将属于相同类别 的输入神经元、 隐藏神经元以及输出神经元一一 连接； 服务端实时接收采集端所发送的电网输变 电图像， 神经网络的输入层根据电网输变电图像 的种类信息确定与其相对应的输入神经元； 根据 电网输变电图像所对应的时间维度信息和/或地 理维度信息， 确定相对应的隐藏神经元的权重， 输入神经元将电网输变电图像输入至相对应的 隐藏神经元； 隐藏神经元将电网输变电图像与预 设输变电图像进行比对， 得到图像比对结果； 输 出神经元统计所有隐藏神经元的图像比对结果， 根据图像比对 结果、 隐藏神经元的权重生成最终的电网输 变电监测结果。 [转续页] 权利要求书4页 说明书15页 附图1页 CN 115294411 B 2022.12.30 CN 115294411 B (56)对比文件 张慧娜 等.基 于Haar－CNN模型的自然场景 图像分类的研究. 《四川师 范大学学报( 自然科 学版)》 .2017,第40卷(第1期), 王孝余 等.一种基 于监督学习的输电线监 测中杆塔的检测方法. 《东北电力技 术》 .2017,第 38卷(第1 1期),Yi-Chi 等.Ap plication of Back Propagation Neuron Network on Data Linkage Trans mission of Semico nductor Hydrogen Detecti on Device. 《2017 IE EE 8th Internati onal Conference o n Awarenes s Science and Tec hnology》 .2017,2/2 页 2[接上页] CN 115294411 B1.基于神经网络的电网输变电图像数据处 理方法， 其特 征在于， 包括： S1， 初始化进行图像处理的神经网络， 所述神经网络包括依次连接的输入层、 隐藏层以 及输出层， 所述输入层、 隐藏层以及输出层分别具有相对应输入神经元、 隐藏神经元以及输 出神经元； S2， 根据配置数据对所有的输入神经元、 隐藏神经元以及输出神经元进行归类， 将属于 相同类别的输入神经 元、 隐藏神经 元以及输出神经 元一一连接； S3， 服务端实时接收采集端所发送的电网输变电图像， 神经网络的输入层根据所述电 网输变电图像的种类信息确定与其相对应的输入神经 元； S4， 根据电网输变电图像所对应的时间维度信 息和/或地理维度信息， 确定相对应的隐 藏神经元的权重， 输入神经 元将所述电网输变电图像输入至相对应的隐藏神经 元； S5， 隐藏神经元将所述电网输变电图像与预设输变电图像进行比对， 得到图像比对结 果， 将所述图像比对结果输出至相对应的输出神经 元； S6， 输出神经元统计所有隐藏神经元的图像比对结果， 根据 所述图像比对结果、 隐藏神 经元的权重生成最终的电网输变电监测结果； 所述S2包括： 提取所述配置数据中的输变电设备种类， 根据所述输变电设备种类对所有的输入神经 元进行划分， 以使每 个输入神经 元对应不同的输变电设备种类； 提取所述配置数据中每个输变电设备种类所对应的故障种类， 根据所述故障种类建立 不同的隐藏神经 元， 将所述隐藏神经 元与相应的输入神经 元一一连接； 提取所述配置数据中每个输变电设备种类所对应的故障结果， 根据所述故障结果建立 不同的输出神经 元， 将所述输出神经 元与相应的隐藏神经 元连接； 所述S3包括： 服务端实时接收采集端所发送的电网输变电图像、 以及相应采集端所处 的地理位置信 息， 将所述地理位置信息与预设位置信息表进行比对， 得到相对应的所述电网输变电图像 的种类信息； 若判断所述种类信 息为大于1或所述种类信 息为0， 则对所述电网输变电图像进行图像 识别， 得到电网输变电图像的种类信息； 若判断无法根据图像识别方式得到电网输变电图像的种类信 息， 则将所述电网输变电 图像输出， 基于 工作人员对所述电网输变电图像进行种类信息的添加； 所述S5包括： 隐藏神经元对所述电网输变电图像内的输变电设备进行识别得到第一白光图像信息 和/或第一红外图像信息， 所述电网输变电图像为白光图像和/或红外图像； 将所述第一 白光图像信息与预设白光图像信息比对， 和/或将所述第一红外 图像信息 与预设红外图像信息比对， 得到图像比对结果； 若判断所述图像比对结果为正常结果， 则将相应图像比对结果输出至正常结果所对应 的输出神经 元； 若判断所述图像比对结果为异常结果， 则将相应图像比对结果输出至异常结果所对应 的输出神经 元； 所述S6包括：权　利　要　求　书 1/4 页 2 CN 115294411 B 3