基于ResNet-18-KNN的变电站人员电气违规行为识别

• 作者: 周照宇 孙黎霞 王中一 白景涛
• 来源期刊: 机械制造与自动化
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电气与自动化
• 页码范围: 174-177
• 页数: 4页
• 分类号: TM73
• 字数: 2950字
• 语种: 中文
• DOI: 10.19344/j.cnki.issn1671-5276.2020.02.042

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙黎霞	河海大学能源与电气学院	26	153	7.0	12.0
2	白景涛	河海大学能源与电气学院	3	1	1.0	1.0
3	周照宇	河海大学能源与电气学院	5	3	1.0	1.0
4	王中一	河海大学能源与电气学院	1	0	0.0	0.0