基于跨域少样本学习的电网作业违章动作分类

作     者：孟令雯 班国邦 刘芳媛 邱伟 贺迪 张澜 王思雨 MENG Lingwen;BAN Guobang;LIU Fangyuan;QIU Wei;HE Di;ZHANG Lan;WANG Siyu

作者机构：贵州电网有限责任公司电力科学研究院贵州贵阳550002 南方电网数字电网集团有限公司贵州贵阳550001 贵州创星电力科学研究院有限责任公司贵州贵阳550000 天津大学电气自动化与信息工程学院天津300072 

基　　金：贵州电网有限责任公司科技项目(GZKJXM20222320) 

出 版 物：《电力大数据》 (Power Systems and Big Data)

年 卷 期：2024年第27卷第9期

页      码：69-76页

摘      要：为了实现电网作业智能监控中的违章动作分类,以提高电力系统运维的效率和安全性,减少对样本标注的依赖,该文提出了一种基于跨域少样本学习的电网作业违章动作分类方法。该方法设计了一种创新的跨域对齐机制,通过构建域间生成机制和域内扩展机制生成跨域辅助数据集和目标域扩展数据集,帮助分类模型更好地理解和适应不同域之间的特征变化,以及增强模型在目标域中的不变性学习能力,从而提高在电网作业场景中不同客观因素下违章动作分类的准确性和效率。实验结果表明,提出的方法有效地降低了对大规模标注数据的依赖性,通过跨域少样本学习方法,将未知的无标注样本数据输入分类模型,实现了对电网作业场景中违章动作的高效准确分类,展现出在实际电网运维中的广泛应用前景。

主 题 词：电网作业 违章动作分类 迁移学习 跨域少样本学习 分类模型 

学科分类：080805[080805] 0808[工学-自动化类] 08[工学] 

D　O　I：10.19317/j.cnki.1008-083x.2024.09.008

馆 藏 号：203155991...