一种基于多模态数据的输电架空线路健康状态评估系统

专利主权项内容

1.一种基于多模态数据的输电架空线路健康状态评估系统，其特征在于，包括：多模态数据获取模块(1)，用于获取输电架空线路部件的电流数据与图像数据，并构建输电架空线路的健康状态指标；所述电流数据包括：绝缘子漏电数据、导线异常电流数据、电阻数据、地线短路数据；所述图像数据包括：杆塔倾斜数据、杆塔表面脱落及锈蚀数据、金具锈蚀数据、销子短缺数据、导线风偏角数据；所述健康状态指标包括：杆塔健康状态指标、绝缘子健康状态指标、金具健康状态指标、导线健康状态指标、地线健康状态指标；多模态数据处理模块(2)，用于利用神经网络模型分别针对电流数据与图像数据进行故障特征的识别判断，获得电流与图像的故障特征向量，并将电流与图像的故障特征向量合并形成为综合特征向量；所述多模态数据处理模块(2)包括电流数据处理模块(21)、图像数据处理模块(22)与多模态数据融合模块(23)；所述电流数据处理模块(21)，用于基于电流数据，构建历史电流数据集，并使用历史电流数据集进行神经网络训练，构建电流数据神经网络模型，然后基于电流数据神经网络模型对输入的电流数据进行异常判断，获得电流故障特征向量；所述电流数据神经网络模型为基于Bi-LSTM的循环神经网络模型，其用于根据以下步骤获得电流故障特征向量：首先，收集正常与异常的电流数据，构建形成历史电流数据集，并对历史电流数据集进行标注，标注目标为电流数据所代表的正常或异常的状态；然后，利用上述数据训练Bi-LSTM的循环神经网络模型，使其具备分类与判断能力；最后，对输入的电流数据进行分类与判断异常，并将判断结果合成为包含部件类别、故障类别与异常等级的电流故障特征向量；所述图像数据处理模块(22)，用于基于图像数据，构建历史图像数据集，并使用历史图像数据集进行神经网络训练，构建图像数据神经网络模型，然后基于图像数据神经网络模型对输入的图像数据进行异常判断，获得图像故障特征向量；所述多模态数据融合模块(23)，用于对电流故障特征向量与图像故障特征向量进行合并处理，形成为综合特征向量；健康状态判断模块(3)，用于基于综合特征向量，构建层次分析模型对输电架空线路的健康状态进行判断，输出输电架空线路的健康状态等级；复检模块(4)，用于基于健康状态等级，对故障部件进行复检，并将复检结果更新至多模态数据处理模块(2)中进行数据更新。