摘要
电力系统巡维图像中存在缺陷的样本图像极少,导致正常样本和缺陷样本不均衡,无法使用深度学习等算法来进一步研究输电线路的故障检测.目前各种基于深度机器学习的图像生成方法均存在分辨率低、缺陷特征不明显等问题,导致生成的样本图像难以满足研究人员的需要.本文提出一种基于集成学习(ensemble learning,EL)的PCA加权平均多元融合(diverse integra-tion,DI)生成方法.采用正常和含有缺陷的输电线路绝缘子图像进行实验,实验结果表明生成图像质量效果明显,可以有效运用于电力系统构建专业的样本库,为后续相关研究提供大数据支撑,也为该领域提出一种新颖可行的研究方法.
基金项目
云南电网有限责任公司省公司下达科技项目(YNKJXM20190719)
NETL
NSTL
维普
万方数据