基于大数据分析的配电控制设备故障检测系统的制作方法

本发明涉及故障预测与健康管理，具体涉及基于大数据分析的配电控制设备故障检测系统。

背景技术：

1、目前，配电网馈线故障检测通常采用基于数据驱动的方法，通过采集馈线端的电压电流时序数据，利用神经网络模型对数据进行特征提取并输出异常置信度，然后将异常置信度与固定判定阈值进行比较，若超过阈值则判定为故障，否则判定为正常运行。

2、然而，配电网实际运行中故障样本极为稀缺，正常运行数据与故障数据之间存在严重的不平衡，导致模型难以有效学习故障模式的特征边界，检测准确率较低。同时，采用固定阈值的方式无法适应配电网运行工况的动态变化，当电压电流时序数据的统计分布特征随时间发生漂移时，固定阈值难以准确区分正常运行波动与真实故障，容易导致漏报或误报。

技术实现思路

1、本发明提供了基于大数据分析的配电控制设备故障检测系统，目的在于解决现有技术中配电控制设备的故障检测准确率不足的技术问题。

2、鉴于上述问题，本发明提供了基于大数据分析的配电控制设备故障检测系统，包括：

3、实时数据采集模块，用于实时采集配电控制设备所接入的配电网馈线的多相电压时序数据和多相电流时序数据，获取待检测数据序列；

4、异常检测判定模块，用于将待检测数据序列输入预训练的配电设备故障检测模型，配电设备故障检测模型输出异常置信度，将异常置信度与动态判定阈值进行比较，根据比较结果输出异常检测结果；

5、候选样本筛选模块，用于将异常检测结果为异常的待检测数据序列作为候选新增样本，对候选新增样本进行置信度筛选和聚类提纯，计算提纯后样本与原始训练样本集之间的分布偏移量，仅当分布偏移量大于预设偏移阈值时将提纯后样本保留为待更新样本集；

6、模型增量更新模块，用于将待更新样本集与历史回放样本集合并构建增量训练数据集，以当前模型参数为初始值并结合知识蒸馏损失进行微调训练，微调训练完成后进行性能验证，验证通过后保存更新后的模型参数。

7、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

8、本发明提供了基于大数据分析的配电控制设备故障检测系统，通过实时数据采集模块获取馈线端的多相电压电流时序数据，由异常检测判定模块利用预训练的故障检测模型输出异常置信度并结合动态判定阈值进行异常判定；在此基础上，候选样本筛选模块对异常样本进行置信度筛选和聚类提纯以剔除低质量虚警报样本，仅当提纯后样本与原始训练样本集之间的分布偏移量超过预设阈值时才触发模型更新；模型增量更新模块将筛选通过的样本与历史回放样本集合并，结合知识蒸馏损失进行微调训练，有效约束参数更新方向以避免旧知识遗忘，并通过性能验证确保更新后模型在新旧数据上的性能均达标。本发明有效提升了配电控制设备的故障检测准确率，实现了配电控制设备故障检测模型在动态工况下的持续、稳定进化。

1.基于大数据分析的配电控制设备故障检测系统，其特征在于，包括：

2.如权利要求1所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述实时数据采集模块还用于：

3.如权利要求1所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述配电设备故障检测模型的预训练，包括：

4.如权利要求1所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述异常检测判定模块还用于：

5.如权利要求1所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述异常检测判定模块还用于：

6.如权利要求5所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，获取当前时刻对应的动态判定阈值，包括：

7.如权利要求1所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述候选样本筛选模块还用于：

8.如权利要求7所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，对所述候选异常样本集进行质量筛选，剔除低质量样本后得到初筛新增样本集，包括：

9.如权利要求1所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述模型增量更新模块还用于：

10.如权利要求9所述的基于大数据分析的配电控制设备故障检测系统，其特征在于，所述模型增量更新模块还用于：