[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

本發明公開了一種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，其方法包括：傳感設備采集監控圖像，根據告警信息進行告警；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，在確定存在電網異常時，向傳感設備發送告警信息；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，根據已識別的監控圖像訓練更新電網異常檢測模型，將電網異常檢測模型下發至邊緣計算節點；本發明還公開了相應的電網監控系統；采用本公開的方法及系統，可以降低了云計算中心的運算負擔。

技術領域

本發明屬于電網安全防護領域，具體涉及一種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。

背景技術

電力系統中智能視頻監控的應用尤為重要，而傳統的視頻監控在及時處理、事后取證等方面存在不足，且海量的視頻需要大量的人力對視頻圖像中存在的異常進行識別和分析，隨著人工智能、深度學習等的發展，智能監控視頻逐步成為發展趨勢，采用人工智能算法對視頻圖像進行不間斷分析，一旦發現異常，立即發送預警信息給工作人員，能夠減輕工作人員的設備維護的工作負荷，提高整個監控管理的效率和效果。

基于云的視頻監控技術降低了用戶的建設和維護的成本，并且云的集中式計算和存儲方式提高了視頻數據的安全性和可靠性；然而，視頻數據存在兩個特點，一是視頻監控產生的數據以非結構化數據為主，二是視頻數據成爆炸式增長趨勢，因此，基于云的視頻監控技術存在以下幾個問題：

海量視頻流得到的圖像傳輸到云計算中心，將消耗大量的網絡帶寬，進而可能引發服務中斷、網絡時延等問題，因此實時性得不到保證；

圖像處理任務集中在云計算中心，需要大量的計算資源，增加了云計算中心的運算負擔。

發明內容

本發明的目的在于解決現有所存在的其中一個問題，提供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，降低云計算中心的運算負擔。

為了實現所述目的，基于云邊協同深度學習的智能免維護電網監控方法，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。

可選的，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，識別所述監控圖像以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。

可選的，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。