近些年,电力企业的运行管理模式正随着电力信息技术、人工智能技术、电网规模的快速发展而发生了显著的改变。当前的值守模式是将变电站的各类实时数据传送到调度中心,减少了人为因素的影响,但对变电站是否发生非法入侵、工作是否违规等现象仍需要人为分析监控视频进行判断。这种依赖工作人员昼夜查看视频的值守模式需要消耗大量的人力,可见对现有的变电站值守模式进行改造,实现更加智能化的管理模式已经成为变电站运行管理发展的必然趋势。随着深度学习的崛起,基于深度学习的目标检测算法能够高效、准确的识别物体,这种能力非常契合当前变电站值守模式的要求,故本文针对变电站室外工作环境,设计并实现了一种应用于变电站视频分析的卷积神经网络,完成了安全服、安全帽、绝缘手套、工作证等七类物体的识别。借助于识别结果,对非法入侵、没有佩戴安全帽等物品、没有在规定的时间、地点内进行操作等问题进行分析和警报。本系统以目标识别与视频分析为中心,分为用户注册登录、操作安全规则、物体识别、违规分析、日志管理与系统管理五个模块。操作安全规则为管理员对某个操作的具体要求,包括对时间、地点、人数、安全帽等物品的设定。违规分析模块通过读取变电站的视频图像,对其中的某些目标进行识别、对特定员工进行辨别,并与操作安全规则进行对比,得出分析结果。