摘要
针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题,基于边缘计算的思想,提出了一种融合多维度特征的绝缘子状态边缘识别方法。利用云边协同和边边联邦协同的联合技术手段,构建了绝缘子状态的边缘识别框架。设计了一种融合多维度特征提取的深度学习网络,该网络采用ResNet101作为主干特征提取网络,使用Inception模块构建数据池化层,嵌入压缩激励模块和卷积注意力模块,从不同维度对特征进行高效提取。采用包括正常和缺陷2种状态的数据集进行绝缘子状态边缘识别实验,平均识别准确率达到了99%。实验表明了融合多维度特征的绝缘子状态边缘识别方法的有效性。
-
单位上海电力大学; 国家电网有限公司; 数理学院