一种基于联邦学习的电缆质量监测系统及方法技术方案

本发明专利技术公开了一种基于联邦学习的电缆质量监测系统及方法，涉及电力系统技术领域

【技术实现步骤摘要】
一种基于联邦学习的电缆质量监测系统及方法


[0001]本专利技术涉及电力系统
，尤其涉及一种基于联邦学习的电缆质量监测系统及方法
。

技术介绍

[0002]随着社会的快速发展，电力系统已渗透到社会生活的方方面面
。
电力电缆作为电能或信号的传输装置，常用于城市地下电网
、
发电站引出线路
、
工矿企业尼日不供电及过江海水下输电线等，在电力系统中起到至关重要的作用
。
电缆需要长期使用，因此其质量需要进行严格把关，否则会出现重大的安全隐患
。
在电缆生产过程中，进行高标准严要求的生产监控，从源头对电缆质量进行把关，则是对电力系统安全运行的一大保障
。
[0003]现有技术针对电缆质量的监测主要通过上传生产过程中采集的电缆数据，并进行处理分析得到检测结果
。
为了保障检测精度，检测过程多采用机器学习的方法，提高电缆质量监测过程中的鲁棒性
。
然而电缆生产过程中，单一的数据集可靠性低，而大量收集数据的过程中，生产厂家众多且分布十分分散，监控过程需要将所有采集的数据进行处理并建模分类，再将分类结果下发到各个生产厂家，过程繁琐且数据处理量巨大，而许多生产厂家为了保护生产数据，不愿意进行数据共享，且各个生产厂家的算力参差不齐，导致现有的电缆质量监测方法在实际生产过程中难以正常实施
。
另外，电缆的生产环境也是影响电缆质量的一大因素，许多电缆质量监测过程中忽视了对厂家生产环境的监测
。
[0004]综上所述，如何在保证数据安全的前提下实现分布式不平衡电缆生产过程数据的高效监控成为现有技术亟待解决的技术问题
。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的是提供一种基于联邦学习的电缆质量监测系统及方法，通过引入联邦学习机制对难以学习的电缆质量数据进行处理，各个成员只需要互换中间数据，保障了数据之间的安全性，大大减少了计算量
。
同时采用边缘计算网络实现联邦学习部署，提高了各个成员的数据处理能力，增加了电缆生产的高质量监控在实际生产过程中的可行性
。
[0006]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0007]本专利技术第一方面提供了一种基于联邦学习的电缆质量监测系统，包括：
[0008]数据采集模块，用于采集各个成员的电缆图像数据和生产条件数据；将电缆图像数据发送至边缘模块；将生产条件数据发送至数据监控模块；
[0009]边缘模块，用于根据各成员的算力资源构建本地电缆质量模型，根据电缆图像数据对电缆缺陷进行模拟仿真，根据仿真结果提取缺陷权重，并根据数据监控模块的全局电缆质量模型参数对本地电缆质量模型的缺陷权重进行更新；
[0010]联邦学习模块，用于根据所有生产条件数据进行训练得到生产检测模型，还用于接收所有缺陷权重，对所有缺陷权重进行不均衡处理，之后构建全局电缆质量模型，利用缺
陷权重对全局电缆质量模型进行训练，将训练后的全局电缆质量模型参数和生产检测模型参数下发到边缘模块；
[0011]生产监控模块，用于根据更新后的本地电缆质量模型和生产检测模型对各个成员的电缆生产过程进行监控
。
[0012]进一步的，生产条件数据包括电缆生产信息和生产环境数据
。
[0013]进一步的，边缘模块包括本地模型模块，所述本地模型模块用于根据各成员的算力资源构建本地电缆质量模型，具体过程为：
[0014]获取每个成员的算力资源；
[0015]根据算力资源预设等级确定本地电缆质量模型结构；
[0016]根据本地电缆质量模型结构进行电缆图像数据卸载
。
[0017]更进一步的，算力资源根据成员的生产规模
、
采集的数据量以及边缘设备的处理能力计算得到
。
[0018]进一步的，边缘模块还包括模拟仿真模块，所述模拟仿真模块用于根据电缆图像数据对电缆缺陷进行模拟仿真，根据仿真结果提取缺陷权重，具体过程为：
[0019]利用数字孪生技术对电缆图像数据进行三维模型构建；
[0020]根据缺陷类型将电缆图像数据进行分类；
[0021]按照分类结果与预设数据库内的缺陷参数和正常参数进行比对，得到三维模型中的正常参数和异常参数；
[0022]利用正常参数和异常参数训练本地电缆质量模型，得到梯度参数作为当前本地电缆质量模型的缺陷权重
。
[0023]更进一步的，根据缺陷类型将电缆图像数据进行分类的具体过程为：
[0024]确定典型缺陷类型，根据缺陷类型确定缺陷所处电缆位置；
[0025]根据电缆图像内容按照电缆位置进行分类
。
[0026]进一步的，联邦学习模块包括数据处理模块，所述数据处理模块用于对所有缺陷权重进行不均衡处理，具体过程包括：
[0027]采用聚类算法进行缺陷权重进行聚类，得到多数类样本和少数类样本；
[0028]将多数类样本进行随机舍去操作，少数类样本进行数据扩充操作
。
[0029]进一步的，联邦学习模块还包括全局模型模块，所述全局模型模块用于生成全局电缆质量模型，对全局电缆质量模型进行训练，具体过程为：
[0030]根据预设数据库中的电缆参数构建全局电缆质量模型；
[0031]将不均衡处理过的缺陷权重进行融合，融合后分为训练集和测试集；
[0032]根据训练集对初步全局电缆质量模型进行再训练并采用测试集对训练结果进行测试，得到更新后的全局电缆质量模型参数
。
[0033]进一步的，还包括通信模块，用于实现各个模块间的数据通信
。
[0034]本专利技术第二方面提供了一种基于联邦学习的电缆质量监测方法，包括以下步骤：
[0035]采集各个成员的电缆图像数据和生产条件数据；
[0036]根据各成员的算力资源构建本地电缆质量模型，根据电缆图像数据对电缆缺陷进行模拟仿真，根据仿真结果提取缺陷权重；
[0037]根据所有生产条件数据进行训练得到生产检测模型；
[0038]对所有缺陷权重进行不均衡处理，之后构建全局电缆质量模型，利用缺陷权重对全局电缆质量模型进行训练；
[0039]根据全局电缆质量模型参数对本地电缆质量模型的缺陷权重进行更新；
[0040]根据更新后的本地电缆质量模型和生产检测模型对各个成员的电缆生产过程进行监控
。
[0041]以上一个或多个技术方案存在以下有益效果：
[0042]本专利技术公开了一种基于联邦学习的电缆质量监测系统及监控方法，基于仿真平台实现电缆的三维模型构建，并引入联邦学习机制对难以学习的电缆质量数据进行处理，各个成员只需要互换中间数据，保障了数据之间的安全性，大大减少了计算量
。
同时采用边缘计算网络结合每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于联邦学习的电缆质量监测系统，其特征在于，包括：数据采集模块，用于采集各个成员的电缆图像数据和生产条件数据；将电缆图像数据发送至边缘模块；将生产条件数据发送至数据监控模块；边缘模块，用于根据各成员的算力资源构建本地电缆质量模型，根据电缆图像数据对电缆缺陷进行模拟仿真，根据仿真结果提取缺陷权重，并根据数据监控模块的全局电缆质量模型参数对本地电缆质量模型的缺陷权重进行更新；联邦学习模块，用于根据所有生产条件数据进行训练得到生产检测模型，还用于接收所有缺陷权重，对所有缺陷权重进行不均衡处理，之后构建全局电缆质量模型，利用缺陷权重对全局电缆质量模型进行训练，将训练后的全局电缆质量模型参数和生产检测模型参数下发到边缘模块；生产监控模块，用于根据更新后的本地电缆质量模型和生产检测模型对各个成员的电缆生产过程进行监控
。2.
如权利要求1所述的基于联邦学习的电缆质量监测系统，其特征在于，生产条件数据包括电缆生产信息和生产环境数据
。3.
如权利要求1所述的基于联邦学习的电缆质量监测系统，其特征在于，边缘模块包括本地模型模块，所述本地模型模块用于根据各成员的算力资源构建本地电缆质量模型，具体过程为：获取每个成员的算力资源；根据算力资源预设等级确定本地电缆质量模型结构；根据本地电缆质量模型结构进行电缆图像数据卸载
。4.
如权利要求3所述的基于联邦学习的电缆质量监测系统，其特征在于，算力资源根据成员的生产规模
、
采集的数据量以及边缘设备的处理能力计算得到
。5.
如权利要求1所述的基于联邦学习的电缆质量监测系统，其特征在于，边缘模块还包括模拟仿真模块，所述模拟仿真模块用于根据电缆图像数据对电缆缺陷进行模拟仿真，根据仿真结果提取缺陷权重，具体过程为：利用数字孪生技术对电缆图像数据进行三维模型构建；根据缺陷类型将电缆图像数据进行分类；按照分类结果与预设数据库内的缺陷参数和正常参数进行比对，得到三维模型中的正常参数和异常...

【专利技术属性】
技术研发人员：李冰，张勇，张伟，张兵，李晓雷，颜鑫，宫静，
申请(专利权)人：国网山东省电力公司济宁供电公司，
类型：发明
国别省市：