基于ResNet-18-KNN的变电站人员电气违规行为识别

为了降低变电站工作人员在作业过程中的电气违规行为发生率,减少电力事故频次,将迁移学习方法、残差网络和K最近邻(KNN)分类器进行有效结合,建立了ResNet-18-KNN模型。使用图像增强方法对样本进行数据增强扩充,解决样本数据不足且不均衡的问题;使用残差网络完成数据特征向量的提取;采用KNN分类器完成变电站人员电气违规行为的识别。根据实际电网算例,该方法与其他网络模型相比较,具有更好的性能,可以准确地判断变电站人员是否有电气违规行为,准确率达到90.7%。