基于边缘计算的电力设备状态监测与故障预警方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114298175A(43)申请公布日2022.04.08(21)申请号202111527177.3G01D21/02(2006.01)(22)申请日2021.12.14G06N3/08(2006.01)(71)申请人国网河北能源技术服务有限公司地址050000河北省石家庄市体育南大街238号申请人国家电网有限公司国网河北省电力有限公司电力科学研究院(72)发明人李天辉王向东曾四鸣庞先海高树国刘振顾朝敏甄利(74)专利代理机构石家庄国为知识产权事务所13120代理人彭竞驰(51)Int.Cl.G06K9/62(2022.01)权利要求书2页说明书10页附图3页(54)发明名称基于边缘计算的电力设备状态监测与故障预警方法及系统(57)摘要本发明涉及电力设备监测技术领域，尤其涉及一种基于边缘计算的电力设备状态监测与故障预警方法及系统，本发明方法将在获取到大量的运行数据后，对运行数据根据以对应节点进行分类，分类中的多个运行数据进行聚类，获得聚类中心。将多个节点的聚类中心输入到数据分析预警模型中，获得预警信息。在对数据进行聚类后，数据量大幅减少，同时保留尽可能多的运行数据的特征，减少了数据的传输量、计算量。聚类以节点为单位，根据预警结果定位到具体的节点，减少了电力设备监测数据的传输量、尽可能做到减少特征的丢失，减少了数据分析预警模型的运算量，加快了运算速度，并将预警信息定位到了设备节点，为电力设备的运行维护提供了必要的数据支撑。CN114298175ACN114298175A权利要求书1/2页1.一种基于边缘计算的电力设备状态监测与故障预警方法，其特征在于，包括：获取电力设备的多个运行数据以及预警模型，其中，所述运行数据包括预设时间段内电力设备的多个状态数据；以节点为单位，对所述多个运行数据进行聚类，获得多个节点的运行数据中心，所述节点的运行数据中心包括：所述节点的节点标识以及所述节点的多个运行数据的聚类中心；将所述多个节点的运行数据中心输入至所述预警模型，获得预警信息，所述预警信息包括节点标识；根据所述预警信息的节点标识，向所述节点发送所述预警信息。2.根据权利要求1所述的基于边缘计算的电力设备状态监测与故障预警方法，其特征在于，所述对所述多个运行数据进行聚类，获得多个节点的运行数据中心，包括：对每个节点，执行如下步骤：获取对应所述节点的所述节点标识、多个运行数据以及预设数量的聚类中心；计算所述多个运行数据与各个聚类中心的距离；将所述节点标识以及与所述多个运行数据距离最小的聚类中心，作为所述节点的运行数据中心。3.根据权利要求2所述的基于边缘计算的电力设备状态监测与故障预警方法，其特征在于，所述获取对应所述节点的预设数量的聚类中心，包括：获取所述预设数量以及多个样本；将所述多个样本分类为所述预设数量的类；对于每个所述类，执行如下步骤：计算所述类中各个样本的中心点，作为所述聚类中心。4.根据权利要求2所述的基于边缘计算的电力设备状态监测与故障预警方法，其特征在于，所述将所述节点标识以及与所述多个运行数据距离最小的聚类中心，作为所述节点的运行数据中心，之后包括：获取与所述多个运行数据距离最小的聚类中心所对应的类；将所述多个运行数据作为样本加入所述类；计算所述类中各个样本的中心点，作为所述类的聚类中心。5.根据权利要求1‑4任一项所述的基于边缘计算的电力设备状态监测与故障预警方法，其特征在于，所述获取预警模型，包括：获取多个预测样本、多个标签以及神经网络模型，其中，所述标签与所述预测样本相对应，用于标识预测样本的预期；根据所述多个预测样本以及所述多个标签对所述神经网络模型进行训练，直至所述神经网络模型预测准确率达到第一预设值；固定所述神经网络模型的参数，作为预警模型。6.根据权利要求5所述的基于边缘计算的电力设备状态监测与故障预警方法，其特征在于，所述根据所述多个预测样本以及所述多个标签对所述神经网络模型进行训练，直至所述神经网络模型预测准确率达到预设值，包括：将所述多个预测样本以及所述多个标签划分为训练集以及验证集；训练步骤：根据所述训练集训练所述神经网络模型，直至所述神经网络模型预测准确2CN114298175A权利要求书2/2页率达到第二预设值；验证步骤：固定所述神经网络模型的参数，根据所述验证集验证所述神经网络模型的预测准确率，若低于第一预设值，则通过降低中间层数量的方式改变所述神经网络模型的结构，重新返回至所述训练步骤。7.一种基于边缘计算的电力设备状态监测与故障预警系统，其特征在于，包括：传感器终端、节点监控装置以及服务器，所述服务器上运行有预警模型；所述传感器终端用于获取电力设备的状态数据；所述节点监控装置用于根据与之连接的所述传感器终端传输的所述