基于机器学习的电力设备故障红外智能诊断方法
托娅1
王伟1
毛华敏2
程宏波2
王林2
1.内蒙古电力(集团)有限责任公司 内蒙古 呼和浩特 0100002.华东交通大学 电气与自动化工程学院,江西 南昌 330013
摘要：针对电力设备红外检测诊断方法落后、效率低等问题,采用双层网络进行设备类型识别和结构区域划分,从而实现快速有效的诊断.首先利用R-FCN建立电力设备识别模型,利用Mask RCNN实现电力设备区域结构的识别结果自动分割,根据划分结构自动提取不同区域的最高温度,依据识别设备类型调用不同判据自动诊断设备状态.搭建红外智能诊断平台进行实验,结果表明:该方法识别准确率高、状态判断结果可靠,无需大量的故障样本,可为电力设备故障的红外智能诊断提供一种快速有效的处理方法.
关键词：电力设备红外检测深度学习智能诊断
分类号：TP206+.3(自动化技术及设备)
资助基金：国家自然科学基金(51967007)江西省重点研发计划项目(20202BBEL53008)江西省杰出青年人才培养项目(20162BCB23046)
论文发表日期：2022-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 121-126 )
英文信息