基于深度学习的间隔棒故障识别方法

摘要

间隔棒作为输电线路的重要金具,对输电线路和电网的正常运行具有重要意义.针对传统人工巡检、 仪器探测和传感器监测等方式巡检周期长、效率低等问题,结合深度学习技术提出了一种智能高效的间隔棒故障诊断方法.选择全卷积神经网络DenseNet预训练模型和单发多盒探测器目标检测算法(Single Multibox Detector,SSD),建立间隔棒故障样本数据集,对算法模型进行测试.结果显示,该算法有效地对间隔棒的故障区域进行检测,与基于VGG-16网络模型的SSD算法相比较,取得91.2％的平均精确度,在满足高识别率的同时满足实时性要求.