[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

说明书

一种基于自适应智能边缘代理的配电设备在线监测方法，包括以下步骤：步骤1，对远端配电设备的数据进行采集，并对数据进行预处理；步骤2，基于预处理数据生成预警信息，并发送预警信息和预处理数据至报警或显示设备中，以显示当前预警；步骤3，若未生成预警信息，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生成预警信息，以及将预警信息和配电设备场景图像传输至在线监测系统的报警或显示设备中；步骤4，重复步骤1‑3，以实现对基于自适应智能边缘代理的配电设备的实时监测。本发明中的方法，能够对配电设备的自适应智能边缘代理装置进行在线监测数据采集、分析、监控和预警，提高配电设备运行的可靠性和安全性。

技术领域

本发明涉及配电设备在线监测及故障预警领域，更具体地，涉及一种基于自适应智能边缘代理的配电设备在线监测方法及系统。

背景技术

电能从生产到消费具有发、输、变、配四个重要环节，其中，配电网作为最后一个环节，主要用于向用户分配和提供电能。作为配电网中的最基本、最重要的单元，配电设备的正常使用在确保供电可靠性与电网安全性上起着至关重要的作用。一旦配电设备发生故障，无法正常的向用户分配及提供电能，就势必会引发大面积的停电，对国民经济造成严重影响。

然而，现有技术中配电设备的检修方式还主要停留在计划检修模式。在计划检修模式中，检修人员会依照特定的时间周期对配电设备进行检查维护。这种模式不仅耗费人力，而且无法对配电设备进行实时监测。对于在非检修周期内发生故障的配电设备，检修人员也很难及时响应，无法在第一时间了解故障信息，造成了配电设备运行的不可靠及不安全性，影响电网可靠稳定的运行。

因此，亟需一种新的配电设备的监测方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于自适应智能边缘代理的配电设备在线监测方法，通过采集配电设备数据，并基于偏差度、智能运检模型、深度图像识别等方法对配电设备的异常运行情况进行监测。

本发明采用如下的技术方案。一种基于自适应智能边缘代理的配电设备在线监测方法，包括以下步骤：步骤1，对在线监测系统中远端配电设备的数据进行采集，并对数据进行预处理；步骤2，基于预处理数据生成预警信息，并发送预警信息和与预警信息对应的预处理数据至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分析生成预警信息，以及将预警信息和与预警信息对应的配电设备场景图像传输至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，以实现对基于自适应智能边缘代理的配电设备的实时监测。

优选地，步骤1中对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，配电设备环境数据包括环境温度、环境湿度、环境水位；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。

优选地，步骤1中的预处理包括：对采集到的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。

优选地，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，则将分组数据与历史数据进行对比，以计算出分组数据的偏差度并生成分析报告，若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分组数据、历史数据和分析报告进行分析，若分析结果异常，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。