[發明專利]基于云邊協同深度學習的智能免維護電網監控方法及系統

在審

• 申請號: 202010191686.2
• 申請日: 2020-03-18
• 公開（公告）號: CN111582016A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 徐嘉龍;董建達;王彬栩;李鵬;高明;楊躍平;王猛;徐重酉;葉楠;蘇建華;趙劍;葉斌;琚小明;于曉蝶;張朋飛;劉宇;冉清文;潘富城;胡妙;朱振洪
• 申請（專利權）人: 寧波送變電建設有限公司永耀科技分公司;國網浙江省電力有限公司寧波供電公司;國網浙江寧波市鄞州區供電有限公司;國網浙江余姚市供電有限公司;華東師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q50/06;G01R31/08;H04N7/18
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 魏亮

1.基于云邊協同深度學習的智能免維護電網監控方法，其特征在于，用于電網監控系統，所述電網監控系統包括傳感設備、邊緣計算節點和云計算中心，所述方法包括：

傳感設備采集監控圖像；

邊緣計算節點獲取傳感設備采集的監控圖像；

邊緣計算節點基于監控圖像和云計算中心下發的電網異常檢測模型，識別所述監控圖像確定是否存在電網異常，在存在電網異常時，向傳感設備發送告警信息；

傳感設備接收邊緣計算節點的告警信息，并根據告警信息進行告警；

邊緣計算節點將識別的監控圖像傳輸到云計算中心；

云計算中心根據存儲的訓練集圖像訓練深度學習模型生成電網異常檢測模型，根據邊緣計算節點傳輸的已識別的監控圖像訓練更新所述電網異常檢測模型；

云計算中心將電網異常檢測模型下發至邊緣計算節點。

2.如權利要求1所述的基于云邊協同深度學習的智能免維護電網監控方法，其特征在于，

所述方法還包括：

邊緣計算節點對監控圖像進行預處理操作；

邊緣計算節點對間隔時間內采集到的監控圖像進行去重操作；

所述基于監控圖像和云計算中心下發的電網異常檢測模型，識別所述監控圖像確定是否存在電網異常：根據所述電網異常檢測模型，識別預處理和去重后的監控圖像，以確定所述監控圖像中是否存在電網異常。

3.如權利要求2所述的基于云邊協同深度學習的智能免維護電網監控方法，其特征在于，將已識別的監控圖像傳輸到云計算中心包括：

將已識別的監控圖像暫存在邊緣計算節點；

在網絡帶寬流量小于預設值的時間段將暫存的監控圖像統一傳輸到云計算中心。

4.如權利要求3所述的基于云邊協同深度學習的智能免維護電網監控方法，其特征在于，根據存儲的訓練集圖像訓練深度學習模型生成電網異常檢測模型包括：

將所述訓練集圖像調整為320*320；

構建輕量級目標檢測網絡ThunderNet作為深度學習模型；

根據調整后的訓練集圖像訓練所述深度學習模型，生成電網異常檢測模型。

5.如權利要求4所述的基于云邊協同深度學習的智能免維護電網監控方法，其特征在于，所述方法還包括：

云計算中心構建和訓練異常流量監測模型；

云計算中心將訓練好的異常流量監測模型下發至邊緣計算節點；

邊緣計算節點根據所述異常流量監測模型對邊緣的流量進行監測，若發現邊緣存在異常流量，則發送流量異常信號給云計算中心；

云計算中心在接收到流量異常信號時，對異常流量進行阻斷。

6.基于云邊協同深度學習的智能免維護電網監控系統，其特征在于，包括傳感設備、邊緣計算節點和云計算中心；

所述傳感設備，包括：

圖像采集組件，用于采集監控圖像；

報警裝置，用于接收邊緣計算節點的告警信息，并根據告警信息進行告警；

所述邊緣計算節點，包括：

圖像處理模塊，用于獲取傳感設備采集的監控圖像；

圖像檢測模塊，用于基于監控圖像和云計算中心下發的電網異常檢測模型，識別所述監控圖像確定是否存在電網異常；

告警模塊，用于在存在電網異常時，向傳感設備發送告警信息；

第一傳輸模塊，用于將已識別的監控圖像傳輸到云計算中心；

所述云計算中心，包括：

電網異常檢測模型訓練模塊，根據存儲的訓練集圖像訓練深度學習模型生成電網異常檢測模型，根據邊緣計算節點傳輸的已識別的監控圖像訓練更新所述電網異常檢測模型；

第二傳輸模塊，用于將電網異常檢測模型下發至邊緣計算節點。

7.如權利要求6所述的基于云邊協同深度學習的智能免維護電網監控系統，其特征在于，所述圖像采集組件與拍攝電力監控視頻的攝像頭相連，用于從攝像頭拍攝的視頻流中獲取監控圖像。