基于深度学习的配电网架空线故障识别技术的研究

• 作者: 周慧彬 章坚
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 深度学习 K-means聚类 架空线图像 故障识别
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 仪器仪表与检测技术
• 页码范围: 144-147,159
• 页数: 5页
• 分类号: TM75
• 字数: 3590字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2020.01.033

摘要

针对配电网线路走廊环境多样复杂,传统的人工巡线技术耗费大量人力物力财力的现状,本文提出基于深度学习算法的配电网架空线故障识别技术.通过分析架空线的图像信息,提出了一种基于深度学习的检测方法,将图像的线性特征提取出来以进行分析.并提出了基于K-means聚类算法的架空线故障评估方法,对识别出的架空线故障及故障隐患进行影响程度评估,通过对智能图像采集系统采集到的架空线图像进行故障检测,检测结果表明,该方法可有效检测出有故障隐患的架空线路,对架空线路巡检提供了一种新技术.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周慧彬		4	0	0.0	0.0
2	章坚		4	62	1.0	4.0