基于图像处理和半监督学习的变电设备故障诊断

变电设备是电力系统中的关键部分,维护其安全稳定运行具有重要意义.当变电设备发生故障时,需要及时、准确对其故障类型进行诊断.提出一种基于图像处理和半监督学习的变电设备故障类型诊断方法.对收集到的红外图像数据进行特征提取,将其中的温度特征、纹理特征和形状特征作为模型的参考向量;利用SMOTE算法,对有标签样本的少数类样本进行样本扩充;汇总样本数据,构建图半监督学习网络,并对其进行训练.相比于传统的有监督学习方法,该文提出的方法能够学习无标签样本数据中的信息.使用真实的样本数据进行测试,验证所提方法的有效性,实验结果表明利用特征提取、样本扩充以及半监督学习模型能够提高变电设备故障的分类准确度.