輕量化卷積神經(jīng)網(wǎng)絡(luò)

基于輕量化卷積神經(jīng)網(wǎng)絡(luò)的變電站高壓斷路器分合狀態(tài)檢測

變電站內(nèi)的高壓斷路器對維護電力系統(tǒng)的穩(wěn)定意義重大 , 其分合狀態(tài)直接控制著高壓線路和電氣設(shè)備的運行工況 。 針對現(xiàn)有變電站斷路器分合狀態(tài)識別精度低 、抗噪性弱 、計算效率低等問題 , 提出 了 一種基于輕量化卷積神經(jīng)網(wǎng)絡(luò)(MobileNet)的變電站高壓斷路器分合狀態(tài)檢測方法 ,采集多種復(fù)雜場景下的高壓斷路器分合狀態(tài)圖像 ,構(gòu)建檢測數(shù)據(jù)集 ,并進行模型的訓練和驗證。實驗結(jié)果表明 ,MobileNet模型在識別高壓斷路器“分 ”“合”狀態(tài)時 ,準確率高達96. 25% ,精準率、召回率均顯著優(yōu)于SVM、樸素貝葉斯等經(jīng)典的二分類模型 ,可為變電站斷路器狀態(tài)的自動化檢測提供理論支持。