[发明专利]配电房异常检测方法、系统、服务器、边缘网关和介质

权利要求书

1.一种配电房异常检测方法，其特征在于，所述方法包括：

接收多个边缘网关发送的异常检测模型；其中，所述异常检测模型为所述边缘网关根据感知层设备发送的配电房运行数据对服务器发送的初始异常检测模型进行训练得到的模型；

根据各所述异常检测模型之间的差异度，从各所述异常检测模型的模型参数中确定目标模型参数；

根据所述目标模型参数对所述初始异常检测模型进行训练，生成目标异常检测模型，并将所述目标异常检测模型发送至所述边缘网关，以使所述边缘网关能够根据所述目标异常检测模型在接收到所述配电房运行数据时进行数据异常预测。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述异常检测模型之间的差异度，从各所述异常检测模型的模型参数中确定目标模型参数，包括：

根据各所述异常检测模型的模型参数，确定各所述异常检测模型之间的差异度；

根据所述差异度从各所述异常检测模型的模型参数中确定中间模型参数；

根据所述中间模型参数和各所述异常检测模型的模型训练迭代次数，确定所述目标模型参数。

3.根据权利要求2所述的方法，其特征在于，根据所述中间模型参数和各所述异常检测模型的模型训练迭代次数，确定所述目标模型参数，包括：

根据各所述异常检测模型的模型训练迭代次数，确定各所述异常检测模型的权重；

根据各所述中间模型参数和各所述异常检测模型的权重，确定所述初始异常检测模型的目标模型参数。

4.根据权利要求2所述的方法，其特征在于，所述根据所述差异度从各所述异常检测模型的模型参数中确定中间模型参数，还包括：

若所述异常检测模型两两之间的所述差异度大于等于预设差异度阈值，则根据各所述异常检测模型的模型参数，确定所述中间模型参数；

若所述异常检测模型两两之间的所述差异度小于预设差异度阈值，则根据所述差异度较大的所述异常检测模型的模型参数，确定所述中间模型参数。

5.一种配电房异常检测方法，其特征在于，所述方法包括：

接收服务器发送的初始异常检测模型、以及接收感知层设备发送的配电房运行数据；

根据所述配电房运行数据对所述初始异常检测模型进行训练，生成异常检测模型；

将所述异常检测模型发送至所述服务器。

6.根据权利要求5所述的方法，其特征在于，所述将异常检测模型发送至所述服务器，包括：

对所述异常检测模型的模型参数和历史异常检测模型的模型参数进行比较，得到模型差异度；

若所述模型差异度大于预设模型差异度阈值，则发送所述异常检测模型至所述服务器。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

接收所述服务器发送的目标异常检测模型；所述目标异常检测模型为所述服务器在接收到各所述异常检测模型时，根据目标模型参数对所述初始异常检测模型进行训练生成的模型；其中，所述目标模型参数是根据各所述异常检测模型之间的差异度确定的参数；

根据所述目标异常检测模型，对接收到的所述配电房运行数据进行数据异常预测，得到数据异常结果。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若所述数据异常结果为数据异常，则向所述服务器发送预警信息。

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若所述模型差异度小于等于预设模型差异度阈值，采用剪枝和量化方法对所述目标异常检测模型进行压缩处理，得到压缩异常检测模型；

根据所述目标异常检测模型，对接收到的所述配电房运行数据进行数据异常预测，得到数据异常结果，包括：

根据所述压缩异常检测模型，对接收到的所述配电房运行数据进行数据异常预测，得到数据异常结果。