覆冰

基于多尺度特征融合目标检测与模型量化的电网覆冰状况边缘智能感知方法

绝缘子是输电线路的重要设备，绝缘子覆冰会严重影响输电线路的稳定运行，因此绝缘子覆冰状态监测对电力系统的安全稳定运行具有重要意义。因此，本文提出了一种面向前端覆冰监测装置的轻量级绝缘子覆冰厚度智能识别方法。该方法融合残差网络（ResNet）与特征金字塔网络（FPN）构建多尺度特征提取网络框架，使浅层特征与深层特征融合，减少信息损失，提高目标检测精度。然后采用全卷积神经网络（FCN）对覆冰绝缘子进行分类与回归，实现覆冰厚度的高精度识别。最后,通过模型量化对所提方法进行压缩,减少模型的大小和参数,以适应计算资源有限的结冰监测终端,并在边缘智能芯片上验证了该方法的性能,并与其他经典方法进行了比较。