基于深度学习的高压隔离开关分合状态检测算法研究

作者：杜耀文; 谢静^*; 刘志坚; 于虹; 周帅; 林杰

来源：电力系统保护与控制, 2023, 51(19): 114-123.

DOI：10.19783/j.cnki.pspc.230248

• 神经网络
• 隔离开关
• 模型轻量化
• 目标检测
• 深度学习

高压隔离开关的正常工作是电力系统稳定运行的前提。为正确识别隔离开关的分合状态，提出一种轻量化改进型YOLOv5s目标检测算法。首先，针对隔离开关数据集，采用二次优化K-means++聚类算法重新获取锚框参数。然后，将模型中的损失函数由CIOU替换为具有更强收敛性能的EIOU，加快模型训练的收敛速度。最后，在模型主干特征提取网络的最后一层添加CBAM注意力模块，加强模型特征提取能力。在此基础上，采用通道稀疏化剪枝的方法对改进后的模型进行轻量化处理，减小模型体积和算力消耗。实验结果表明，改进后的模型识别平均精度均值到达97.4%，轻量化处理后的模型大小为3.92 MB，使得模型更加容易部署到移动端设备完成实时检测。

• 单位
  昆明理工大学; 云南电网有限责任公司电力科学研究院; 云南电网有限责任公司