-
题名面向电力通信配电屏数字化的人工智能识别关键方法
- 1
-
-
作者
刘林
杨志敏
黄强
杨经纬
陈一童
-
机构
中国南方电网电力调度控制中心
-
出处
《电信科学》
北大核心
2025年第4期176-190,共15页
-
基金
南方电网重点科技项目(No.ZDKJXM20222029)。
-
文摘
为了提高电力通信网的运维管理效率,研究利用人工智能技术的通信电源系统配电屏数字化方法,通过目标检测和文字识别来实现配电屏中各下级支路供电状态的实时监测。首先,提出了一个多层嵌套识别网络(multi-layer nested recognition network,MLNRN)架构,结合轻量化策略,降低该架构对终端设备的存算需求,高效准确地实现了配电屏供电状态的结构化输出。其次,针对图元检测任务提出了一个改进的YOLOv5网络,通过引入ConvNext Block和双向特征金字塔网络(bidirectional feature pyramid network,Bi-FPN)结构,提高了对状态灯等小目标的识别精度。最后,基于卷积递归神经网络-连接时态分类(convolutional recurrent neural network-connectionist temporal classification,CRNN-CTC)网络构建针对配电屏下级支路标签的文本识别模型,采用迁移学习和图像增广的策略,提升模型对多字符种类、不规范配电屏图像中文本识别的准确率。仿真实验表明,图像识别的平均准确率为97.2%,文本方法的识别准确率为92%,这验证了所提架构在配电屏数字化任务中的有效性和适用性,为实现电力通信网的视频巡检和智慧运维提供了有效的解决方案。
-
关键词
电力通信网
配电屏数字化
图像识别
文字识别
YOLOv5
轻量化
卷积递归神经网络
-
Keywords
power communication network
digitization of power distribution panel
image identification
character recognition
YOLOv5
lightweight
CRNN
-
分类号
TM73
[电气工程—电力系统及自动化]
-
