Resumen

El equipo de subestación no solo es la parte principal de la red eléctrica, sino también la parte esencial para garantizar el desarrollo de la economía nacional y la vida diaria de las personas como una infraestructura importante. Cómo garantizar su funcionamiento normal y encontrar la falla repentina se ha convertido en un tema candente que debe resolverse con urgencia. Para el diagnóstico de fallas térmicas es necesario clasificar e identificar primero diferentes equipos de energía, este artículo diseñó un clasificador de imágenes infrarrojas SVM, que puede identificar eficazmente tres tipos de equipos de energía comunes. El clasificador extrae características HOG de las imágenes infrarrojas de los equipos de energía procesados por la segmentación mencionada anteriormente y las combina con la multiclase SVM para lograr el propósito de mejorar la precisión de reconocimiento. El experimento utiliza el clasificador para identificar tres tipos de equipos, y los resultados muestran que la precisión de reconocimiento integral del clasificador es superior al 95.3%, lo que es mejor que el método de clasificación tradicional y cumple con la demanda de

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Equipo de subestación; Diagnóstico de fallas térmicas; Clasificador de imágenes infrarrojas SVM; Características HOG; Precisión de reconocimiento; Nivel de falla térmica
• Keywords:Substation equipment; Thermal fault diagnosis; SVM infrared image classifier; HOG features; Recognition accuracy; Thermal failure level