摘要: 智能变电站的建设不仅需要数据的自动捕获，更要求数据的智能分析。而限于电网内部数据的保密性要求，针对电力设备部件的智能识别研究往往难以获得标注完整的大规模数据库。因此，提出一种基于多高斯混合映射的电力设备部件识别网络模型，实现在仅有部分类别图像数据和标注作为训练数据的情况下，对非训练数据类别的电力设备进行识别。这一研究以机器学习领域的广义零样本学习技术为基础，网络设计结合高斯混合分布模型的思想，通过引入多通道结构，辅助增设的网络权重层控制模型的先验分布，拟合生成特征的真实分布特性。最后通过将多通道结构融入生成对抗网络（GAN）的生成器设计，实现了面向智能变电站电力设备部件的广义零样本图像识别。针对三个数据库的实验验证结果表明，算法的调和指标H分别达到了84.1，78.1和51.2。最终结果验证了这种加权多通道结构实现的多混合高斯映射模型在电力设备图像识别领域的有效性。