[发明专利]一种基于自适应边缘代理的配电设备在线监测方法及系统

权利要求书

1.一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于，包括以下步骤：

步骤1，对所述在线监测系统中远端配电设备的数据进行采集，并对所述数据进行预处理；

步骤2，基于预处理数据生成预警信息，并发送所述预警信息和与所述预警信息对应的预处理数据至所述在线监测系统的报警或显示设备中，以显示当前预警；

步骤3，若步骤2中未生成预警信息，则基于深度学习图像识别模型，对配电设备场景图像进行分析并基于所述分析生成预警信息，以及将所述预警信息和与所述预警信息对应的配电设备场景图像传输至所述在线监测系统的报警或显示设备中，以显示当前预警；

步骤4，重复步骤1-3，以实现对所述基于自适应智能边缘代理的配电设备的实时监测。

2.根据权利要求1中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述步骤1中对所述在线监测系统中远端配电设备的数据进行采集包括：

采集配电设备环境数据、配电设备运行数据、配电设备运行场景图像；

其中，所述配电设备环境数据包括环境温度、环境湿度、环境水位；

所述配电设备运行数据包括配电设备电压、配电设备电流、配电设备电量。

3.根据权利要求1中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述步骤1中的预处理包括：

对采集到的所述数据按固定时间段进行分组，并计算分组数据的平均值、最大值和最小值。

4.根据权利要求1中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述步骤2中基于预处理数据生成预警信息包括：

步骤2.1，判断所述分组数据的最大值和最小值是否落入预先设定的当前数据的合理范围内，若未落入预先设定的当前数据的合理范围内，则生成预警信息；

步骤2.2，若落入预先设定的当前数据的合理范围内，则将所述分组数据与历史数据进行对比，以计算出所述分组数据的偏差度并生成分析报告，若所述分组数据的偏差度超过预先设定的合理阈值，则生成预警信息；

步骤2.3，若所述分组数据的偏差度未超过预先设定的合理阈值，则基于智能运检模型对所述分组数据、历史数据和分析报告进行分析，若所述分析结果异常，则生成预警信息；

步骤2.4，若分析结果正常，则在预设时间间隔内重复步骤2.1至2.4以对预设时间间隔中新采集并执行过预处理的数据进行分析。

5.根据权利要求4中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述发送所述预警信息和与所述预警信息对应的预处理数据至所述在线监测系统的报警或显示设备还包括：

将所述步骤2或步骤3中生成的所述预警信息发送至告警信息报警设备，以实现报警；

将所述步骤2.2中生成的分析报告发送至分析报告显示设备，以实现分析报告在在线监测系统中的显示；

将所述步骤3中生成的与所述预警信息对应的配电设备场景图像发送至现场场景显示设备，以实现场景图像在在线监测系统中的显示。

6.根据权利要求4中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述分析报告用于记录所述分组数据的最大值、最小值和偏差度。

7.根据权利要求4中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述智能运检模型将所述分组数据以及所述分组数据的最大值、最小值和偏差度输入预先训练得到的深度神经网络中，以基于所述深度神经网络的计算，判断所述分组数据是否存在异常。

8.根据权利要求7中所述的一种基于自适应智能边缘代理的配电设备在线监测方法，其特征在于：

所述深度神经网络是基于所述历史数据的预先训练得到的。