基于ECA-CNN的高壓隔離開關狀態識別方法
張咪，鮑哲，吳澤鋒，江鈺韜
(西安西電開關電氣有限公司，陜西 西安 710077)
摘 要 ：為了解決高壓隔離開關狀態識別困難、實時監測能力不足的問題，構建了融合嵌入式感知和輕量化神經網絡的智能監測體系。硬件層采用模塊化設計，智能感知單元與后臺控制系統形成閉環聯動，捕捉開關動作觸頭狀態關鍵特征。軟件層提出雙階段優化策略：在數據預處理階段，構建融合幾何 變換 ( 旋轉 / 剪裁 )、直方圖均衡化、圖像濾波和噪聲注入等構成的圖像特征增強算法，有效提升圖像 質量并擴充樣本多樣性；在特征提取階段，設計深度優化的融合高效通道注意力 (ECA) 機制的卷積神經 網絡 (CNN) 模型，通過高效通道注意力機制模塊實現通道特征權重動態分配，強化關鍵特征提取能力。 算法分析驗證表明，設計的圖像增強算法能夠有效提升圖像質量，突出關鍵特征，使識別模型準確率提升超30%；提出的ECA-CNN模型能夠在圖像增強算法的基礎上，進一步提升對圖像關鍵特征的關注度， 其識別準確率高達 97% 以上，較CNN模型提升12%。
關鍵詞 ： 高壓隔離開關 ；狀態識別 ；圖像增強 ；卷積神經網絡 ；注意力機制
中圖分類號 ：TM564.1 文獻標識碼 ：A 文章編號 ：1007-3175(2025)12-0063-08
A State Recognition Method for High-Voltage Disconnect Switches Based on ECA-CNN
ZHANG Mi, BAO Zhe, WU Ze-feng, JIANG Yu-tao
（Xi’an XD Switchgear Electric Co., Ltd, Xi’an 710077, China）
Abstract: To overcome the challenges of state recognition and insufficient real-time monitoring capability in high-voltage disconnect switches, this study establishes an intelligent monitoring system integrating embedded sensing and lightweight neural networks. The hardware layer adopts modular design, where intelligent sensing units and background control systems form closed-loop linkage to capture critical characteristics of contact states during switching operations. The software layer proposes a dual-stage optimization strategy: In the data preprocessing stage, an image enhancement algorithm combining geometric transformations (rotation/cropping), histogram equalization, image filtering, and noise injection is developed to significantly improve image quality and augment sample diversity. During the feature extraction phase, a deep-optimized convolutional neural network(CNN) model incorporating an efficient channel attention (ECA)mechanism was designed. The efficient channel attention mechanism module enables dynamic allocation of channel feature weights, thereby enhancing the extraction of key features. Algorithm analysis and verification show that the designed image enhancement algorithm can effectively improve image quality, highlight key features, and increase the accuracy of the recognition model by over 30%. The proposed ECA-CNN model can further enhance the focus on key features of the image on the basis of the image enhancement algorithm, with a recognition accuracy rate of over 97%, which is 12% higher than that of the CNN model.
Key words: high-voltage disconnect switch; state recognition; image enhancement; convolutional neural network; attention mechanism
參考文獻
[1] 蔣健，陳宇昇，蔡潤慶，等 . 電網高壓隔離開關機械故障診斷 [J]. 沈陽工業大學學報，2023，45(2)：127-132.
[2] 劉偉杰，趙軍亮 . 一起隔離開關傳動機構失效原因分析及改進 [J]. 高壓電器，2024，60(8)：269-274.
[3] 公多虎，詹仲強，葛志杰，等 . 基于小波分析的高壓隔離開關故障檢測方法研究 [J]. 自動化技術與應用， 2024，43(3)：19-22.
[4] 關為民，卞超，李東風 . 基于主軸扭矩-轉角特性 的高壓隔離開關缺陷分析仿真 [J]. 高壓電器，2024， 60(1)：48-54.
[5] 王旭鵬，郝建，鐘堯，等 . 基于 ILPSO-LSSVM的GIS設備隔離開關機械異響振動識別方法研究 [J]. 高壓電器，2023，59(11)：172-183.
[6] 顧曉東，唐丹宏，黃曉華 . 基于深度學習的電網巡檢圖像缺陷檢測與識別 [J]. 電力系統保護與控制， 2021，49(5) ：91-97.
[7] 袁偉，趙玉凱，李楊，等 . 應用于光纖的高壓隔離開關狀態識別技術 [J]. 傳感器與微系統，2024， 43(8)：160-164.
[8] 杜耀文，謝靜，劉志堅，等 . 基于深度學習的高壓隔離開關分合狀態檢測算法研究 [J]. 電力系統保護與控 制，2023，51(19) ：114-123.
[9] 劉子英，張靖，鄧芳明 . 基于 B P 神經網絡的高壓隔離開關分合閘監測識別 [J]. 電力系統保護與控制， 2020，48(5)：134-140.
[10] 張靖，單長吉，周麗，等 . 基于圖像融合的高壓隔離開關分合閘狀態識別 [J]. 紅外技術，2024，46(5)：539-547.
[11] 陳富國，蔡杰，李中旗 . 基于機器視覺的高壓隔離開關設備狀態判別與故障診斷技術 [J]. 微型電腦應用， 2022，38(2)：191-194.
[12] 萬嘉龍，況立群，曹亞明，等 . 復合主干融合的圖像增強算法 [J]. 計算機系統應用，2024，33(4)：194-201.
[13] WANG Qilong， WU Banggu， ZHU Pengfei， et al.ECANet: Efficient channel attention for deep convolutional neural networks[C]//2020 IEEE/ CVF Conference on Computer Vision and Pattern Recognition，2020 ：11534-11542.
[14] 馬群，趙美蓉，鄭葉龍，等 . 基于自適應條件直方圖均衡的紅外圖像細節增強算法 [J]. 紅外技術，2024， 46(1)：52-60.
[15] 石野，王曉凱，劉慧鋒 . 基于局部濾波模板的雙邊濾波算法研究 [J]. 測試技術學報，2021，35(1)：49-53.
