来源：期刊VIP网 时间：
作者：郝帅;田卓;马旭;李威;李嘉豪;
单位：西安科技大学电气与控制工程学院;
摘要：针对传统选线方法精度低、实时性差、易受噪声干扰的问题，提出一种混合数据驱动的轻量化YOLOv5选线方法，简记为MSE-YOLOv5。首先，以零序电流作为区分故障线路与非故障线路的判断依据，为了增强二者间数据对比差异性，利用小波变换将零序电流信号映射为二维时频图；其次，为了扩充样本数量，利用搭建的小电流接地系统仿真模型，通过改变故障点位置、初相位以及接地电阻等参数生成仿真数据，与真实数据构成混合数据集；然后，为了减少选线时背景噪声对微弱故障信号特征的影响，在所搭建检测网络的颈部网络中引入通道注意力模块，从而增强故障特征的表达能力；最后，为了提高选线实时性，在网络中引入轻量化网络以减少其参数量与运算量。为了验证所提出方法的优势，利用某变电站真实故障数据进行测试，并与4种经典算法进行比较。结果表明：所提混合数据驱动的轻量化YOLOv5故障选线方法具有较高精度，其选线精度可达95.2%,即使在噪声干扰条件下，选线精度依然可以保持在90%以上；具有更轻的体量及更快的选线速度，参数量下降至原网络的1/5,计算量下降至1/7,检测速度可达7.7 ms。因此，混合数据驱动的轻量化YOLOv5故障选线方法具有体量小、速度快、精度高的优点，有利于后期将其部署到现场设备中。
关键词：故障选线;;小波变换;;混合数据集;;通道注意力模块;;轻量化网络
基金资助：国家自然科学基金项目(51804250);; 中国博士后科学基金项目(2020M683522);; 陕西省自然科学基础研究计划项目(2024JC-YBMS-490)
