$ L, n, w$ h8 {# c$ ]: U, ~5 T4 s: a G7 O, f, N6 j
: K8 n% G7 O9 j+ x" R) r0 V
倒闸操作过程是变配电运行过程中的一项重要操作,是电气设备安全运行的重要保障,因此对倒闸操 * D3 u U+ p: J. e- B3 c& _/ E作过程的识别研究具有现实意义。通过对倒闸操作过程中涉及的多种动作进行数据采集、数据分析处理、进 Q- D' E( ?: o2 `) v
行仿真实验选择合适的分类识别模型可对倒闸操作过程进行实时监测,减少误操作现象的发生。卷积神经网, b7 Q: }9 X3 H8 C x
络(CNN)和混合专家模型(MoE)分别在特征提取和特征空间利用方面表现较好,因此,用CNN实现MoE3 H. x1 m/ v. i
模型中的Expert网络从而将两种算法融合使用可以提高模型识别的准确率,从而达到更好的效果。通过在构 & K' b/ J5 V# L3 |3 {建的倒闸操作数据集上进行对比实验,融合算法的识别效果优于多个常见的传统机器学习和深度学习方法。 : _$ z' b& G" \/ y1 ]+ c 5 i+ G8 ~1 m. Q. q# \! p* W 9 d2 L/ g: x8 t