【技术实现步骤摘要】
本专利技术涉及深度学习领域，尤其涉及一种电能质量判断模型的训练方法、装置、设备及介质。
技术介绍
1、随着现代电网的快速发展和广泛应用，电能质量问题成为电力系统中不可忽视的重要问题。电能质量问题主要包括电压波动、谐波、暂态脉冲及电压中断等，这些问题不仅影响电力系统的安全运行，还可能导致电力设备的损坏和电能浪费。因此，快速准确地辨识电能质量是否扰动对于保障电力系统的可靠性和稳定性具有重要意义。
2、当前的电能质量的判断方式主要依靠人工识别电能质量数据，进而判断当前电力设备的电能质量，但是，人工判断的方法，速度低下且准确率低。
技术实现思路
1、本专利技术实施例提供一种电能质量判断模型的训练方法、装置、设备及介质，本专利技术的技术方案训练的电能质量判断模型，可以准确判断电力设备的电能质量，提高了电能质量判断的准确性，提高电力设备的电能质量判断的速度。
2、第一方面，本专利技术实施例提供了一种电能质量判断模型的训练方法，应用于多个边缘服务器，所述多个边缘服务器与中心服务器...
【技术保护点】
1.一种电能质量判断模型的训练方法，其特征在于，应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据电能质量数据样本集中各候选样本的数据权重确定训练样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述各候选样本的数据权重确定训练样本，包括：
4.根据权利要求2所述的方法，其特征在于，在发送当前电能质量运行数据及所述边缘训练参数至所述中心服务器之前，还包括：
5.根据权利要求1所述...
【技术特征摘要】
1.一种电能质量判断模型的训练方法，其特征在于，应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据电能质量数据样本集中各候选样本的数据权重确定训练样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述各候选样本的数据权重确定训练样本，包括：
4.根据权利要求2所述的方法，其特征在于，在发送当前电能质量运行数据及所述边缘训练参数至所述中心服务器之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述判断所述边缘训练模型的训练精度是否满足精度要求，包括：
6.一种电能质量判断模型的训练方法，其特征在于，应用于中心服务器，所述中心服务器与多个边缘服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述当前电能质量运行数据确定各边缘服务器对应的服务器数...
【专利技术属性】
技术研发人员：吴志超，王义国，李琦，姚勇，林峰，苏礼顺，
申请(专利权)人：广东能源集团科学技术研究院有限公司，
类型：发明
国别省市：
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。