一种基于边缘计算的电力设备故障监控方法技术

技术编号:43129097 阅读:18 留言:0更新日期:2024-10-29 17:37
本发明专利技术公开了一种基于边缘计算的电力设备故障监控方法,包括边缘计算、深度学习分类、迁移学习、数据融合和时序信息预测建模;边缘计算用于在靠近电力设备的边缘节点上进行数据处理和分析,以提高系统的实时性和效率;深度学习分类用于提取数据中的特征信息,且在复杂的场景中处理噪声和异常值;迁移学习用于减少目标任务或领域所需的数据量和训练时间,以提高模型的泛化能力和准确性。本发明专利技术利用边缘计算节点部署在电力设备附近,收集并处理来自传感器、摄像头等多种数据源的数据,使用迁移学习技术实现对不同类型和规模的电力设备的快速适应和精准识别,实现对电力设备的智能监控和故障预警。

【技术实现步骤摘要】

本专利技术属于电力设备故障监控,具体涉及一种基于边缘计算的电力设备故障监控方法


技术介绍

1、电力设备是国家经济和社会发展的重要基础设施,其安全稳定运行关系到国计民生。然而,由于电力设备的复杂性、多样性和分布性,传统的监控方式难以满足实时性、准确性和普适性的要求。因此,需要开发一种利用人工智能技术实现对电力设备的实时监测和故障诊断的智能监控方法。


技术实现思路

1、为了解决现有技术的不足,本专利技术旨在提供一种于边缘计算的电力设备故障监控方法,该方法利用边缘计算节点部署在电力设备附近,收集并处理来自传感器、摄像头等多种数据源的数据,使用迁移学习能够对不同类型和规模的电力设备的快速适应和精准识别,实现对电力设备的智能监控和故障预警。

2、为了实现上述目的,本专利技术采用的技术方案为:

3、一种基于边缘计算的电力设备故障监控方法,该方法是基于以下步骤实现的:

4、1)边缘计算:在靠近电力设备的边缘节点上进行数据处理和分析;

5、2)深度学习分类:提取数据中的特征信本文档来自技高网...

【技术保护点】

1.一种基于边缘计算的电力设备故障监控方法,其特征在于:该方法是基于以下步骤实现的:

2.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤1)边缘计算具体包括:

3.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤2)中深度学习具体包括有:

4.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤3)中迁移学习过程包括电力设备的特征提取,具体有:

5.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤4)数据融合具体包括:

<p>6.根据权利要求...

【技术特征摘要】

1.一种基于边缘计算的电力设备故障监控方法,其特征在于:该方法是基于以下步骤实现的:

2.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤1)边缘计算具体包括:

3.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤2)中深度学习具体包括有:

4.根据权利要求1所述的基于边缘计算的电力设备故障监控方法,其特征在于:步骤3)中迁移学习过程包括电力设备的特征提取,具体有:

5...

【专利技术属性】
技术研发人员:冯宁王晓东霍宣敏贾玉洁姚博
申请(专利权)人:国网河南省电力公司新乡供电公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1