李继东，赵 锴，黄 佳，郑静媛，张淞杰

(1.国家电网北京丰台供电公司，北京 100073；2.浙江大学电气工程学院，浙江 杭州 310027)

0 引 言

随着我国城市的发展，环形配电网逐渐成为电网建设的主流方向。环网柜是环形配电网中的重要高压开关设备，一旦出现问题，必将造成城市电网供电中断甚至瘫痪，带来重大经济损失[1]，因此针对环网柜的施工验收是电网施工验收的重要环节。在电网施工验收环节中，及时发现并排除故障隐患成为电网运维非常重要的环节[2-3]。由于环网柜数量众多，施工人员素质良莠不齐，极易出现安装错误或违规的情况，进而引发电力线路故障[4-5]。电缆接线错误是比较常见的安装错误之一。一旦出现，便导致电路相序错误，进而引发设备反转、短路等事故。目前，环网柜的施工验收通常采取人工验收的方式，通过验收人员实地考察来判断，导致验收工作无法有效快速的进行。

近年来，基于各种深度学习方法的目标检测与定位技术不断成熟，计算机视觉技术获得巨大突破。卷积神经网络(Convolution Neural Network，CNN)是深度学习的理论基础，在检测识别领域有着广泛应用。在卷积神经网络的基础上，逐渐发展出基于区域的卷积神经网络(Region-based Convolutional Neural Network, R-CNN)[6]、空间金字塔池网络(Spatial Pyramid Pooling Network, SPP-net)[7]、快速的基于区域的卷积神经网络(Fast Region-based Convolutional Neural Network, Fast R-CNN)[8]、更快速的基于区域的卷积神经网络(Faster Region-based Convolutional Neural Network, Faster R-CNN)[9]等一系列主流的深度学习算法分支。目前，针对环网柜施工验收进行目标检测的相关研究甚少。本文结合卷积神经网络技术，分析环网柜特征，提出一种基于Faster R-CNN的环网柜电缆相序检测方法，为电网公司提供一种相对更稳定、高效的环网柜施工验收方案。……