来源：期刊VIP网 时间：
作者：欧蓉姗;朱永利;
单位：华北电力大学电气与电子工程学院;
摘要：针对基于深度学习的变压器局部放电识别模型参数规模大、难以在资源受限环境中部署的问题，提出一种基于MobileNetV3-Small网络改进的轻量化模型AMNetV3。首先，通过调整瓶颈模块中扩展层的通道参数，在保持输出通道一致性的同时压缩中间特征通道；其次，引入了无参数通道注意力机制，通过计算特征通道的均值和方差生成响应权重，以突出关键通道并抑制冗余信息；然后，利用L_2范数对参数密集的卷积层分别实施10%和5%的通道剪枝，以提升模型的稀疏性；最后，采用即时编译方法对模型进行推理加速，并将模型转换为TorchScript格式，以支持跨平台部署。同时，通过消融实验验证各模块的贡献。实验表明，AMNetV3模型的识别准确率达到97.92%，内存占用减少22.11%，识别时间减少53.08%，具备在资源受限平台部署的应用潜力。
关键词：变压器;;局部放电;;无参数通道注意力机制;;神经网络;;通道剪枝
基金资助：河北省自然科学基金资助项目（F2022502002）
