基于ResNet-18-KNN的变电站人员电气违规行为识别

作者：白景涛; 周照宇; 王中一; 孙黎霞

来源：机械制造与自动化, 2020, 49(02): 174-177.

DOI：10.19344/j.cnki.issn1671-5276.2020.02.042

• 深度学习
• 迁移学习
• 数据增强
• 电气违规
• 行为识别
• KNN
• 智能变电站

为了降低变电站工作人员在作业过程中的电气违规行为发生率,减少电力事故频次,将迁移学习方法、残差网络和K最近邻(KNN)分类器进行有效结合,建立了ResNet-18-KNN模型。使用图像增强方法对样本进行数据增强扩充,解决样本数据不足且不均衡的问题;使用残差网络完成数据特征向量的提取;采用KNN分类器完成变电站人员电气违规行为的识别。根据实际电网算例,该方法与其他网络模型相比较,具有更好的性能,可以准确地判断变电站人员是否有电气违规行为,准确率达到90.7%。

• 单位
  河海大学; 电气学院