使用深度分离卷积网络实现继保压板状态识别

曾庆祝，李新海，尹雁和，夏曼，廖伟全，梁景明

(广东电网有限责任公司中山供电局，广东 中山 528401)

1 引言

在电力系统中，对于继电保护压板的巡检大多数采用的是人工巡检，即一个人读取压板数据，一个人校对数据库压板的信息，该方式花费时间多，依靠人工读取，并且容易出现误投、误退的情况。一旦继电保护压板误投或误退，可能导致保护误动或者拒动，引发严重的电网事故，对电网运行造成威胁[1]。

为了防止对继电保护压板的误操作，目前主要采用的方式是严格规范操作流程、使用颜色标识、人工智能图像识别技术等[2]。其中图像识别技术由于识别速度快、识别效果好、使用方便等优点，受到众多学者的重视[3－5]。

本文结合以往的一些研究，一种利用深度可分离卷积网络实现继电保护压板识别的方法。该方法首先基于TensorFlow机器学习平台创建深度可分离卷积网络；然后，对采集的压板图像进行标注，形成数据集，并对网络进行训练，得到图像识别模型；最后，使用TensorFlow Lite对模型进行转换和优化，并将其应用于嵌入式系统。该方法在嵌入式设备上应用时，没有延迟、离线情况发生，满足变电站工作人员使用手持嵌入式设备完成继电保护压板状态的核对任务要求，具有广泛应用价值。

2 深度可分离卷积网络

2.1 深度可分离卷积网络与传统卷积神经网络区别

卷积神经网络是一种带有卷积结构的深度神经网络，它的本质是一个共享权重的多层复合函数[9]。……