基于深度神经网络的变电站继电保护装置状态监测技术

监测变电站中继电保护装置的实时状态对避免设备损坏或故障,维持电网稳定运行有重要意义.传统的状态监测依赖于定期的人工检查,在耗费大量人力的同时,也难以做到不间断实时监测,且检测精度容易受到主观因素的限制.针对这一困境,提出基于深度神经网络与计算机视觉技术的变电站继电保护设备状态监测技术.利用平移变焦摄像机拍摄的变电站实时画面,首先进行图像去噪,并利用图像相关性进行图像配准.根据尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)描述,使用深度神经网络进行图像分类,识别出设备的状态.同时,提出一种对标准图像配准框架的修改方案,使得算法在不同光照条件下具有更高鲁棒性.在实际应用中,该算法可以达到超过99％的检测准确率,大幅提升了变电站的安全性.