基于神经网络的变电站远程智能巡检方法及系统技术方案

本发明专利技术公开了基于神经网络的变电站远程智能巡检方法及系统，该方法包括：从云端获取实时更新后的云端变电站巡检数据分析模型，并基于实时更新后的数据库中的监测数据对分析模型进行更新，获取边缘端变电站巡检数据分析模型；基于边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；在确定边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异符合预设条件时，上传数据到云端，以使云端实时更新云端变电站巡检数据分析模型，本发明专利技术基于云边协同机制，实现巡检数据训练样本的自动上传和变电站巡检数据分析模型的定期更新，可不断提升智能识别、判别的效率和准确性。别的效率和准确性。别的效率和准确性。

【技术实现步骤摘要】
基于神经网络的变电站远程智能巡检方法及系统


[0001]本专利技术涉及变电站巡检
，具体涉及基于神经网络的变电站远程智能巡检方法及系统。

技术介绍

[0002]对变电站设备进行例行巡检是保障电力设备安全稳定运行的常规手段。随着电网规模的不断扩大，设备的数量和种类越来越多，在现有电力体制下，主要靠运维人员进行人工巡检完成设备状态的检查，这就导致现场作业工作量较大、巡检效率较低，且巡检过程会出现巡检全面性、完整性和准确性低的情况。

技术实现思路

[0003]针对上述现有技术存在的问题，本专利技术提供了一种基于神经网络的变电站远程智能巡检方法及系统，提升智能巡检的效率和准确性。该技术方案如下：
[0004]本专利技术实施例的第一方面，提供了一种基于神经网络的变电站远程智能巡检方法，包括：
[0005](1)从云端获取实时更新后的云端变电站巡检数据分析模型；
[0006](2)基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；...

【技术保护点】

【技术特征摘要】
1.基于神经网络的变电站远程智能巡检方法，其特征在于，包括：(1)从云端获取实时更新后的云端变电站巡检数据分析模型；(2)基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；(3)基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；(4)重复步骤(2)和(3)，判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件，若是，则进入步骤(5)；(5)将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到步骤(1)。2.根据权利要求1所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述第一监测数据包括主设备监控系统、一次设备在线监测系统、辅助设备全面监控系统的在线监测数据；所述第二监测数据包括变电站视频图像监测数据；所述第三监测数据包括巡检机器人巡检监测数据。3.根据权利要求1所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述(3)，还包括：对于新接收的第一监测数据、第二监测数据、第三监测数据进行联动确认数据的有效性和正确性,并进行关联分析。4.根据权利要求3所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述进行联动确认数据的有效性和正确性,并进行关联分析，包括：基于监测数据分别获取故障属性集，基于第一故障属性集、第二故障属性集、第三故障属性集，获取同一设备的所有故障属性以及参数值；判断故障属性中的重合项对应的参数值是否一致；若不一致，则计算各个监测数据的置信度，并基于所述置信度对故障属性参数值进行融合。5.根据权利要求4所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述计算各个监测数据的置信度，包括：基于第一监测数据、第二监测数据、第三监测数据与参考数据，训练置信度预测模型；基于所述置信度预测模型输出各个监测数据的置信度；所述置信度预测模型的获取方法包括：将监测数据与参考数据的差值计算各个监测数据的理论置信度；以第一监测数据、第二监测数据、第三监测数据作为待训练置信度预测模型的输入，以所述理论置信度作为输入数据的标注数据，进行网...

【专利技术属性】
技术研发人员：高志国，倪杰，童旸，倪修峰，简丽娜，邱昌龙，王进，
申请(专利权)人：国网安徽省电力有限公司铜陵供电公司，
类型：发明
国别省市：