典型文献
基于改进孪生网络的变电站设备缺陷判别算法
文献摘要：
变电站缺陷检测诊断是保证电力安全生产的重要手段之一.针对变电站设备缺陷识别中现有方法鲁棒性较差、数据采集成本高、新类别泛化性差等问题,提出了一种改进孪生网络的变电站设备缺陷判别算法.该方法针对变电站内的可见光图片进行分析,网络结构中加入了特征金字塔结构增强多尺度信息,并使用欧式距离与K最近邻(KNN)算法进行特征相似性度量与分类,实现了对缺陷目标的有效识别与分类.且可在无须扩充数据集的条件下,依据实际应用场景扩充缺陷类型,有效提升了模型对新类别的泛化能力与实时检测能力,大幅降低了数据采集成本.建立了变电站可见光图片设备缺陷数据集,并在该数据集上进行大量训练,模型实验准确率达到91.25％,召回率达到95.36％,均比普通卷积神经网络提升35％左右.实验结果表明,该方法能有效提升变电站设备缺陷检测能力.
文献关键词：
变电站;孪生网络;相似度度量;缺陷识别;K最近邻算法
中图分类号：
作者姓名：
孙杨;徐波;洪石林;章海兵
作者机构：
国家电网有限公司,北京 100000;国网江西省电力有限公司超高压分公司,江西南昌 330096;合肥科大智能机器人技术有限公司,安徽合肥 230000
文献出处：
引用格式：
[1]孙杨;徐波;洪石林;章海兵-.基于改进孪生网络的变电站设备缺陷判别算法)[J].供用电,2022(08):100-107
A类：
B类：
孪生网络,变电站设备,缺陷判别,缺陷检测,检测诊断,电力安全生产,缺陷识别,新类,泛化性,站内,可见光图,特征金字塔结构,结构增强,多尺度信息,欧式距离,KNN,特征相似性,相似性度量,识别与分类,无须,充数,缺陷类型,泛化能力,实时检测,检测能力,缺陷数据,模型实验,召回率,相似度度量,最近邻算法
AB值：
0.30199
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
