一种基于蒸馏学习的变电站边缘图像识别与智能预警方法

本发明公开一种基于蒸馏学习的变电站边缘图像识别与智能预警方法，涉及电力系统智能运维技术领域。针对现有云端处理延迟高、边缘算力不足、单一数据源误报率高的问题，通过以下方案解决：在变电站布设可见光与红外感知设备，采集数据传输至边缘分析服务器；云端利用知识蒸馏技术结合特征图蒸馏与参数剪枝，生成参数量压缩至原1/10以下、FLOPs≤1GFLOPs的轻量级学生模型；边缘侧对图像高斯去噪、ROI提取后，通过滑动窗口时序分析推理异常，触发声光报警并通过电气量与图像加权评分(w1≥w2)双重验证，同步上传主站。本发明实现边缘实时推理(延迟≤500ms)，误报率降至3.2％以下，模型支持差分在线更新，满足变电站智能预警需求。