电子技术杂志社

摘要：阐述一种面向嵌入式设备的轻量化深度学习算法，用于局部放电模式识别。实验结果表明，该模型的识别准确率达到97.24%，在嵌入式设备上的部署大小为73.36kB，适用于智能电力物联网中的故障检测与监控场景。该模型利用Sandglass结构减少了信息损失和梯度混淆，采用SE注意力机制进一步提升模型的特征表达和稳定性，利用过渡层压缩特征图尺寸和通道数，实现模型轻量化，降低过拟合风险。经实验发现，此模型提高了对局部放电信号的识别准确率，降低了计算复杂度和模型参数量，适合部署在嵌入式设备上运行，有利于实现智能电力物联网功能。

关键词： 局部放电;沙漏结构;SE注意力;模式识别;嵌入式设备;

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业

分类号： TM855

在线公开时间： 2025-04-10 19:53（知网平台在线公开时间，不代表文献的发表时间）