[发明专利]一种基于云边协同的输电线路监测方法及系统

说明书

本申请公开了一种基于云边协同的输电线路监测方法及系统，一种基于云边协同的输电线路监测系统通过获取预设周期内，若干输电线路监拍装置中各监拍装置对相应输电线路的隐患识别的失误值；在所述预设周期内的所述输电线路隐患识别的失误值达到或超过预设激活阈值；向GPU集群发送指令，以激活对所述失误值达到或超过预设激活阈值的监拍装置，所对应的神经网络模型的训练任务；通知所述达到或超过预设激活阈值的监拍装置，使所述监拍装置向GPU集群获取由所述训练任务而得到的更新的神经网络模型。本发明实现了在输电线路故障监拍的过程中，显著提升了输电线路隐患识别的实时性，另一方面提升了相应输电线路神经网络模型对该监拍场景下的识别精度。

技术领域

本申请涉及输电线路在线监测技术领域，尤其涉及一种基于云边协同的输电线路监测方法及系统。

背景技术

输电线路是电网的重要组成部分，受人为及自然条件的影响，输电线路中经常会出现各种安全隐患，包括特定种类的物体如：塔吊、吊车、泵车和挖掘机等。若输电线路存在的安全隐患不能得到及时排查，不仅会危及电网安全运行，而且会影响用户的生产与生活。

目前电网监测终端主要进行数据采集、数据传输，由云端进行识别分析并进行分析报警。随着输电线路监拍装置数量不断增多、监拍间隔不断缩短，实时产生海量图片数据，网络带宽与计算吞吐量均成为云端识别分析的瓶颈，造成实时分析延迟，隐患无法及时通知到用户，给输电线路的安全带来巨大隐患。

发明内容

本申请实施例提供了一种基于云边协同的输电线路监测方法及系统，用以解决现有的云端服务器进行输电线路隐患识别时的压力大，输电线路隐患实时告警延迟，以及云端服务器训练的轻量级神经网络模型去识别所有输电线路场景下的隐患，导致神经网络模型与具体识别的输电线路监拍场景融合不足，导致大量误报，识别精度降低的技术问题。

一方面，本申请提供了一种基于云边协同的输电线路监测方法，包括：获取预设周期内，若干输电线路监拍装置中各监拍装置对相应输电线路的隐患识别的失误值；所述失误值与监拍装置的漏报率和/或误报率相关；确定所述若干输电线路监拍装置中的任意一个监拍装置，在所述预设周期内的所述输电线路隐患识别的失误值达到或超过预设激活阈值；向GPU集群发送指令，以激活对所述失误值达到或超过预设激活阈值的监拍装置，所对应的神经网络模型的训练任务；其中，所述训练任务为非首次训练任务；通知所述达到或超过预设激活阈值的监拍装置，使所述监拍装置向GPU集群获取由所述训练任务而得到的更新的神经网络模型。

由于输电线路场景千变万化，云端服务器训练的轻量级神经网络模型去识别所有输电线路场景下的隐患，导致神经网络模型与具体识别的输电线路监拍场景融合不足，导致大量误报，识别精度降低，因此，通过由输电线路监拍装置端进行隐患推理识别，针对输电线路监拍装置失误值超过预设激活阈值的网络模型训练任务进行激活，对特定输电线路监拍场景做定制化模型训练，输电线路隐患识别的神经网络模型对相应输电线路场景理解的更好，并且赋予了输电线路隐患识别的神经网络模型持续优化提升的能力，减少了误报率，输电线路隐患识别更加准确。

在一个示例中，基于标准样本数据库，对输电线路隐患识别的神经网络模型进行初始训练，将所述初始训练后的神经网络模型，下发给所述若干输电线路监拍装置；所述初始训练是对输电线路隐患识别的神经网络模型的头部和骨干部全部进行训练。

由于输电线路监拍装置数量不断增多、监拍间隔不断缩短，实时产生海量图片数据，云端服务器不能及时分析处理海量的图片数据，造成大量的图片积压，引发告警延迟，隐患无法及时通知到用户，因此，通过将输电线路隐患识别分析迁移至输电线路监拍装置进行前端分析，利用输电线路监拍装置端侧隐患识别的推理能力，极大降低了云端服务器分析压力，提升了输电线路隐患实时告警的能力。