[發明專利]基于邊緣計算和神經網絡預測區域電氣火災風險的方法

在審

• 申請號: 202010155294.0
• 申請日: 2020-03-09
• 公開（公告）號: CN111275270A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 王祥浩;宣筱青;夏東風
• 申請（專利權）人: 南京中電科能技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;H04L29/08;G06N3/08
• 代理公司: 南京中盟科創知識產權代理事務所(特殊普通合伙) 32279
• 代理人: 江冬萍

1.基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，包括以下步驟：

S1：構建“云端-邊緣計算網關-終端”一體化的電氣火災風險預測體系；

S2：電氣拓撲建模，保證云平臺與邊緣計算網關拓撲的一致性；

S3：將用電測控終端采集到的實時電氣數據上送到邊緣計算網關，邊緣計算網關處理后再將數據上送到云平臺，云平臺將采樣數據存入歷史數據庫；

S4：基于大量的歷史采樣數據作為訓練樣本，云平臺上運行的電氣火災風險分析應用采用BP神經網絡算法，推算電氣火災風險概率，生成最優預測模型；

S5：將優化好的預測模型同步到邊緣計算網關，邊緣計算網關上的電氣火災風險預測應用更新程序并運行，電氣火災風險預測應用負責對實時采集的電氣數據進行風險預測，核心程序為風險預測模型，風險預測模型由云平臺通過神經網絡優化生成并同步到邊緣計算網關；

S6：邊緣計算網關上的電氣火災風險預測應用運行，對區域內用電測控終端采集到的實時數據進行分析，得到當前時間斷面的電氣火災風險概率，當概率達到設定值時，發出告警通知管理人員處理或直接控制用電測控終端暫時切斷風險來源。

2.如權利要求1所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，步驟S1包括以下步驟：

S101：搭建云平臺，在云端搭建監控平臺，具備數據采集、實時監控基本功能，部署基于BP神經網絡的電氣火災風險分析應用；

S102：部署邊緣計算網關，以區域為單位，每個區域部署一臺邊緣計算網關，用于區域內實時數據計算處理，對終端設備的就地化控制；

S103：在用戶進戶線路安裝用電測控終端，作為采集終端和控制設備，用電測控終端通過多種通信方式與邊緣計算網關連接。

3.如權利要求1所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，在步驟S2中，在所述云平臺中對所管理的電網進行電氣拓撲建模，包括電力設備和線路，其中各個區域的拓撲模型同步更新到對應的管理該區域的邊緣計算網關中，邊緣計算網關能夠識別電網模型和拓撲結構。

4.如權利要求1所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，在步驟S3中，所述用電測控終端實時采集當前線路的電流、電壓、溫度、漏電流等，實時上送給邊緣計算網關，所述邊緣計算網關對實時數據進行預處理，對數據進行采樣，將采樣數據上送給云平臺，以減輕云平臺數據處理壓力。

5.如權利要求1所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，在步驟S4中，所述BP神經網絡采用三層結構，包括輸入層、隱藏層和輸出層，所述用電測控終端在連續n個采樣周期采集到的電流、電壓、漏電流和線路溫度四種歷史數據，參考該線路的電壓范圍、最大允許電流值，進行歸一化處理后作為輸入層，所述輸出層的一個節點輸出電氣火災概率，范圍在（0~1），訓練樣本的期望輸出值為根據歷史數據和經驗值得到的電氣火災概率，對神經網絡中的權值和閾值進行初始賦值，通過樣本數據進行訓練，迭代優化權值和閾值，計算，直到輸出值和期望輸出值的誤差達到設定要求。

6.如權利要求5所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，在步驟S4中，所述隱藏層輸出函數為：，為輸入層的神經元個數， 為輸入值，所述輸入層節點到隱藏層之間的連接權為 ， 為隱藏層第 個神經元的閾值，網絡采用S形函數f (·) 作為隱含層和輸出層的激活函數。

7.如權利要求6所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，所述輸出層節點的輸出函數為：，所述隱藏層到輸出層節點的連接權為 ， 為隱藏層神經元個數， 為隱藏層輸出值，為輸出層節點的閾值。

8.如權利要求7所述的基于邊緣計算和神經網絡預測區域電氣火災風險的方法，其特征在于，所述輸出層節點的輸出 與期望輸出 的誤差計算函數為：，K為樣本數量， 為第i個樣本訓練輸出期望值， 為第i個樣本的訓練輸出實際結果，反復迭代運算直到誤差值MSE達到設定要求為止，此時，得到的權值和閾值為最優解，生成風險預測模型。