基于CNN图像识别算法的保护装置智能巡视技术

摘要：

继电保护装置是保障电力系统安全稳定运行的重要环节.随着变电站及继电保护装置的数量大幅增加,日常巡视工作量已经趋于饱和,无法保证每次都实现高质量、无死角的巡视,给保护装置的可靠运行带来了隐患.文中提出基于卷积神经网络(CNN)图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视.首先,介绍保护装置智能巡视系统,并对可实现的智能巡视项目进行分析,引出可利用CNN对其进行图像识别;然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出巡视项目的CNN层级;再利用训练样本集对不同巡视项目的CNN进行训练;最后,对各网络进行了测试.测试结果表明,各个巡视项目的神经网络图像识别率都在96％以上,有的可以达到98％,识别效果良好.

关键词：卷积神经网络(CNN)、图像识别、智能巡视、保护装置、二次回路

所属期刊栏目：41

分类号：TM77(输配电工程、电力网及电力系统)

资助基金：国网江苏省电力有限公司科技项目SGJS0000DKJS2000746

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：252-257