陈 翔，邹庆年，谢绍宇，陈翠琼

(广东电网有限责任公司广州供电局，广东 广州 510620)

0 引 言

随着电力系统结构日益复杂和智能电网的逐步推进，电力系统安全运维面临前所未有的挑战。在此背景下，有效提升设备运行与维护的自动巡检水平逐步成为建设重点之一[1]。压板状态、数字表读数、指针表读数等设备的识别和管理作为继保装置巡检的重要内容，其智能化和信息化水平却相对较低，难以与当前变电站智能化进程相适应，因此采用人工智能方法开展相关领域的研究，减少人为干预，有助于提升变电站运行的可靠性和安全性。

具体针对压板状态的识别，已有方法主要有图像识别方法和智能识别方法。其中大量的工作集中在图像识别领域，例如邓应松等[2]运用去噪聚类、边缘检测、布局排列分析和整体分割等图像处理算法，构建了压板状态的辨识系统；肖立军等[3]通过建立压板开关状态的标准图像数据库，基于Meanshift算法对采集的压板图像进行分割，辅以支持向量机分类器实现了压板状态的识别；许超等人[4]在研究中采用基于模型的K-means聚类学习和颜色匹配，选取最小外接矩形等特征辨识压板开关的状态；吕志宁等[5]将轮廓定位算法和仿射变换技术相结合完成压板开关的定位，而后再获取图像的Sobel边缘图像作为训练图像样本，采用SVM分类器实现压板开关状态的分类；付文龙等人[6]依据形态特征进行面积、尺寸、形状分析，对有效压板区域进行筛选，最后实现压板开关状态的识别；……