[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

说明书

本申请涉及一种配电房异常检测方法、系统、服务器、边缘网关和介质。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。采用本方法能够提高配电房异常检测的全局性。

技术领域

本申请涉及电力系统技术领域，特别是涉及一种配电房异常检测方法、系统、装置、计算机设备和介质。

背景技术

随着目前电力系统的不断发展，各类规模大小不等、设备数量不一的配电房分布于城市与乡村的居民集中区。由于配电房中存在着数量众多的电压配控设备，容易出现由各种异常情况而导致的电力系统崩溃。

目前实现无人化配电房电压配控设备的异常检测的方式，主要是通过边缘网关获取电压配控设备的检测数据，对电压配控设备的检测数据进行分析判断，确定该配电房电压配控设备是否存在异常。但是由于各个边缘网关仅可获取与之对应的感知层设备采集的电压配控设备的检测数据进行分析判断，且边缘网关的计算能力有限，因此，现有技术存在对多个配电房电压配控设备异常检测全局性较差的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高全局性的配电房异常检测方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种配电房异常检测方法，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，异常检测模型为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；

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

根据目标模型参数对初始异常检测模型进行训练，生成目标异常检测模型，并将目标异常检测模型发送至边缘网关，以使边缘网关能够根据目标异常检测模型在接收到配电房运行数据时进行数据异常预测。

在其中一个实施例中，根据各异常检测模型之间的差异度，从各异常检测模型的模型参数中确定目标模型参数，包括：

根据各异常检测模型的模型参数，确定各异常检测模型之间的差异度；

根据差异度从各异常检测模型的模型参数中确定中间模型参数；

根据中间模型参数和各异常检测模型的模型训练迭代次数，确定目标模型参数。

在其中一个实施例中，中间模型参数和各异常检测模型的模型训练迭代次数，确定目标模型参数，包括：

根据各异常检测模型的模型训练迭代次数，确定各异常检测模型的权重；

根据各中间模型参数和各异常检测模型的权重，确定初始异常检测模型的目标模型参数。

在其中一个实施例中，根据差异度从各异常检测模型的模型参数中确定中间模型参数，还包括：

若异常检测模型两两之间的差异度大于等于预设差异度阈值，则根据各异常检测模型的模型参数，确定中间模型参数；

若异常检测模型两两之间的差异度小于预设差异度阈值，则根据差异度较大的异常检测模型的模型参数，确定中间模型参数。

第二方面，本申请提供了一种配电房异常检测方法，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；