[发明专利]云-边协同下电网设备运行状态预测方法及系统

权利要求书

1.一种云-边协同下电网设备运行状态预测方法，包括：

监测至少一个电网设备连续的运行状态参数，并提取所述连续的运行状态参数中的运行特征数据；

将提取到的所述运行特征数据输入预设的状态预测模型，以通过所述状态预测模型获取所述电网设备的状态预测结果；

将所述状态预测结果传输至指定客户端，由所述客户端进行可视化展示。

2.根据权利要求1所述的方法，其特征在于，监测至少一个电网设备连续的运行状态参数，并提取所述运行状态参数中的运行特征数据，包括：

利用预置的综合性边缘侧设备监测所述电网设备连续的运行状态参数，将所述连续的运行状态参数传输至预设云平台；

通过所述云平台在所述连续的运行状态参数中提取所述电网设备的运行特征数据；

其中，所述综合性边缘侧设备为集成多种传感器、摄像头和/或物理机械臂的硬件设备。

3.根据权利要求2所述的方法，其特征在于，将提取到的所述运行特征数据输入预设的状态预测模型，以通过所述状态预测模型获取所述电网设备的状态预测结果之前，还包括：

收集电网设备的多组样本数据；其中，所述样本数据包括所述电网设备在正常运行状态下的正样本数据和/或所述电网设备在异常运行状态下的负样本数据；

标记各组所述样本数据对应的电网设备的运行状态类型；所述运行状态类型包括正常运行状态和/或异常运行状态；

将每组所述样本数据和对应的运行状态类型输入状态预测模型进行训练，从而得到已训练的基于样本数据确定运行状态类型的状态预测模型。

4.根据权利要求3所述的方法，其特征在于，所述状态预测模型为数字孪生深度学习模型。

5.根据根据权利要求3所述的方法，其特征在于，将提取到的所述运行特征数据输入预设的状态预测模型，以通过所述状态预测模型获取所述电网设备的状态预测结果，包括：

将提取到的所述运行特征数据输入已训练的所述状态预测模型；

通过所述状态预测模型对所述运行特征数据进行分析，获取所述电网设备处于正常运行状态或异常运行状态的概率的状态预测结果。

6.一种云-边协同下电网设备运行状态预测系统，包括：

状态监测模块，其配置成监测至少一个电网设备连续的运行状态参数，并提取所述连续的运行状态参数中的运行特征数据；

状态预测模块，其配置成将提取到的所述运行特征数据输入预设的状态预测模型，以通过所述状态预测模型获取所述电网设备的状态预测结果；

结果传输模块，其配置成将所述状态预测结果传输至指定客户端，由所述客户端进行可视化展示。

7.根据权利要求6所述的系统，其特征在于，所述状态监测模块还配置成：

利用预置的综合性边缘侧设备监测所述电网设备连续的运行状态参数，将所述连续的运行状态参数传输至预设云平台；

通过所述云平台在所述连续的运行状态参数中提取所述电网设备的运行特征数据；

其中，所述综合性边缘侧设备为集成多种传感器、摄像头和/或物理机械臂的硬件设备。

8.根据权利要求7所述的系统，其特征在于，还包括：

模型训练模块，其配置成收集电网设备的多组样本数据；其中，所述样本数据包括所述电网设备在正常运行状态下的正样本数据和/或所述电网设备在异常运行状态下的负样本数据；

标记各组所述样本数据对应的电网设备的运行状态类型；所述运行状态类型包括正常运行状态和/或异常运行状态；

将每组所述样本数据和对应的运行状态类型输入状态预测模型进行训练，从而得到已训练的基于样本数据确定运行状态类型的状态预测模型。

9.根据权利要求8所述的系统，其特征在于，所述状态预测模型为数字孪生深度学习模型。

10.根据根据权利要求8所述的系统，其特征在于，所述状态预测模块还配置成：

将提取到的所述运行特征数据输入已训练的所述状态预测模型；

通过所述状态预测模型对所述运行特征数据进行分析，获取所述电网设备处于正常运行状态或异常运行状态的概率的状态预测结果。