高精度配电网电气设备故障识别检测方法
赵欢
阳浩
何亮
魏恩伟
郑杰
中国南方电网深圳供电局电力科学研究院,广东深圳518000
摘要：针对电气设备红外图像边界模糊、噪声大等问题,结合卷积神经网络模型和图像识别技术,利用可见光图像与红外成像,实现了对配电网电气设备的高精度远程识别和发热诊断.采用卷积神经网络和边框回归算法完成了对识别对象的标记,基于灰度梯度信息矩阵提取了配电网红外图像的纹理信息特征参数,采用主成分分析的方法得到特征参数的主成分分量,并将其作为输入向量,对设备运行状态进行识别.结果表明,样本训练及测试的准确率能够分别达到95％、90％以上,设备发热故障识别准确率约为85％.
关键词：卷积神经网络图像识别红外成像灰度梯度信息矩阵主成分分析故障识别边框回归算法对象识别
分类号：TM744(输配电工程、电力网及电力系统)
资助基金：中国南方电网项目(090000KK52170154)
论文发表日期：2021-11-25
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：5( 614-618 )
英文信息