一种基于边缘计算的配电柜故障诊断方法及系统与流程

本发明涉及配电柜故障诊断，尤其涉及一种基于边缘计算的配电柜故障诊断方法及系统。

背景技术：

1、配电柜作为电力系统中直接面向用户侧的关键配电设备，其运行可靠性直接影响供电安全。配电柜在长期运行过程中，因绝缘老化、接触不良、过载、短路等原因，可能发生单相接地、相间短路、三相短路等多种故障，若不能及时发现并准确定位故障，可能引发停电事故、设备损坏甚至火灾等严重后果。

2、目前，配电柜故障诊断主要依赖以下两类技术方案：一是基于红外热成像的诊断方法，通过分析配电柜的红外图像识别过热故障，但该方法硬件成本较高，且图像处理算法计算量大，难以在低成本嵌入式设备上实时运行，二是基于电气量分析的集中式诊断方法，将配电柜的电压、电流信号上传至云端服务器进行分析诊断，但该方法存在实时性差、依赖稳定网络通信、带宽占用高等问题，在配电网末端或网络条件较差的场景下难以满足故障保护的毫秒级响应要求。近年来，深度学习技术在电力设备故障诊断领域取得了显著进展，然而现有模型参数量较大，推理计算资源要求高，通常需要部署于云端gpu服务器运行，难以直接应用于配电柜侧的嵌入式边缘设备。

3、因此，如何实现低延迟、低带宽依赖和高精度的实时故障诊断，是急需解决的技术问题。

技术实现思路

1、本发明提供一种基于边缘计算的配电柜故障诊断方法、计算机可读存储介质，其主要目的在于实现低延迟、低带宽依赖和高精度的实时故障诊断。

2、为实现上述目的，本发明提供的一种基于边缘计算的配电柜故障诊断方法，包括：

3、构建轻量化故障选型模型及轻量化故障定位模型；

4、获取待诊断配电柜，其中，待诊断配电柜包括：边缘网关、电压互感器及电流互感器，其中，边缘网关与电压互感器及电流互感器相连；

5、接收配电柜故障诊断指令，根据配电柜故障诊断指令及边缘网关对轻量化故障选型模型及轻量化故障定位模型进行存储，得到已部署边缘网关；

6、利用已部署边缘网关对待诊断配电柜进行电压采集，得到相电压集，根据相电压集对待诊断配电柜进行故障诊断操作，得到诊断置信度、初步故障选型结果及初步故障定位结果；

7、若初步故障选型结果为预设的非正常选型状态，且初步故障定位结果为预设的非正常定位状态，则将所述待诊断配电柜作为真实故障配电柜；

8、基于真实故障配电柜、故障选型结果及初步故障定位结果生成故障诊断报告，其中，故障诊断报告包括：故障类型、故障位置、故障触发时刻及诊断置信度；

9、将故障诊断报告上传至预构建的云端监控平台，得到已存储故障诊断报告。

10、可选地，所述构建轻量化故障选型模型及轻量化故障定位模型，包括：

11、确认出多个故障配电柜，对多个故障配电柜中每个故障配电柜均执行如下操作：

12、基于故障配电柜获取标准训练样本集，汇总标准训练样本集，得到多个标准训练样本集；

13、构建轻量化时序卷积残差网络模型，利用多个标准训练样本集对轻量化时序卷积残差网络模型进行训练，得到故障选型子模型及故障定位子模型；

14、分别对故障选型子模型及故障定位子模型进行量化压缩，得到轻量化故障选型模型及轻量化故障定位模型。

15、可选地，所述基于故障配电柜获取标准训练样本集，包括：

16、对故障配电柜进行数据采集，得到训练样本集，其中，训练样本集包括多个训练样本，且训练样本包括：电压瞬时值集及电流瞬时值集；

17、按照时间先后顺序对训练样本集进行排序，得到训练样本序列，基于训练样本序列构建训练样本矩阵，其中，训练样本矩阵包括多个列向量及多个行向量，且列向量与训练样本一一对应，其中，行向量包括多个采样值；

18、对训练样本矩阵中的训练样本进行归一化操作，得到归一化样本矩阵；

19、对归一化样本矩阵中每个归一化样本进行标识，得到标准训练样本集。

20、可选地，所述对训练样本矩阵中的训练样本进行归一化操作，得到归一化样本矩阵，包括：

21、对训练样本矩阵中的每个行向量均执行如下操作：

22、从行向量中提取最大采样值及最小采样值，依次从行向量中提取采样值，利用最大采样值及最小采样值对所提取的采样值进行归一化，得到归一化采样值；

23、汇总归一化采样值，得到归一化采样值集，汇总归一化采样值集，得到多个归一化采样值集，基于训练样本矩阵对多个归一化采样值集进行矩阵构建，得到归一化样本矩阵。

24、可选地，所述构建轻量化时序卷积残差网络模型，包括：

25、设置输入层形状参数，其中，输入层形状参数包括：批次数量、输入通道取值及时间步长；

26、基于输入层形状参数构建输入层，基于输入层构建时序卷积层，对时序卷积层、预构建的批归一化层及预构建的relu激活函数层进行连接，得到已连接模块层；

27、获取残差模块、全局平均池化层及输出层，对已连接模块层、残差模块、全局平均池化层及输出层进行连接，得到轻量化时序卷积残差网络模型。

28、可选地，所述根据相电压集对待诊断配电柜进行故障诊断操作，得到诊断置信度、初步故障选型结果及初步故障定位结果，包括：

29、根据待诊断配电柜获取历史相电压集，依次从相电压集中提取相电压，基于所提取的相电压从历史相电压集中确认出目标历史相电压；

30、对所提取的相电压及目标历史相电压进行差值绝对值计算，得到相电压突变量，汇总相电压突变量，得到相电压突变量集；

31、对预设的可靠系数及预设的最大电压突变量进行乘积计算，得到电压突变量阈值；

32、若相电压突变量集中存在大于电压突变量阈值的相电压突变量，则基于相电压突变量集确认出故障触发时刻，基于故障触发时刻计算故障前采集时段及故障后采集时段；

33、根据故障前采集时段及故障后采集时段从已部署边缘网关中提取故障样本集，基于故障样本集获取最大故障选型概率值及最大故障定位概率值；

34、根据最大故障选型概率值及最大故障定位概率值确认出故障选型索引值及故障定位索引值；

35、对最大故障选型概率值及最大故障定位概率值进行最小值提取操作，得到诊断置信度；

36、根据故障选型索引值及故障定位索引值确定初步故障选型结果及初步故障定位结果。

37、可选地，所述基于故障触发时刻计算故障前采集时段及故障后采集时段，包括：

38、获取故障前采样数量、故障后采样数量及采样间隔，对故障前采样数量及采样间隔进行乘积计算，得到故障前采样时长；

39、基于故障触发时刻及故障前采样时长计算故障前采集开始时刻，基于故障触发时刻及采样间隔获取故障前采集结束时刻；

40、基于故障前采集开始时刻及故障前采集结束时刻构建故障前采集时段；

41、根据故障后采样数量计算故障后采集结束时刻，基于故障触发时刻及故障后采集结束时刻构建故障后采集时段。

42、可选地，所述故障后采集结束时刻的计算公式如下所示：

43、；

44、其中，表示故障后采集结束时刻，表示故障触发时刻，表示故障后采样数量，表示采样间隔。

45、可选地，所述基于故障样本集获取最大故障选型概率值及最大故障定位概率值，包括：

46、基于故障样本集构建归一化故障样本矩阵；

47、将归一化故障样本矩阵分别输入至轻量化故障选型模型及轻量化故障定位模型中，得到故障选型向量及故障定位向量，其中，故障选型向量包括：多个故障选型概率值，故障定位向量包括：多个故障定位概率值；

48、分别对故障选型向量及故障定位向量进行最大值提取操作，得到最大故障选型概率值及最大故障定位概率值。

49、为实现上述目的，本发明还提供一种基于边缘计算的配电柜故障诊断系统，包括：

50、诊断模型构建模块，用于构建轻量化故障选型模型及轻量化故障定位模型；

51、边缘网关部署模块，用于获取待诊断配电柜，其中，待诊断配电柜包括：边缘网关、电压互感器及电流互感器，其中，边缘网关与电压互感器及电流互感器相连，接收配电柜故障诊断指令，根据配电柜故障诊断指令及边缘网关对轻量化故障选型模型及轻量化故障定位模型进行存储，得到已部署边缘网关；

52、故障诊断执行模块，用于利用已部署边缘网关对待诊断配电柜进行电压采集，得到相电压集，根据相电压集对待诊断配电柜进行故障诊断操作，得到诊断置信度、初步故障选型结果及初步故障定位结果，若初步故障选型结果为预设的非正常选型状态，且初步故障定位结果为预设的非正常定位状态，则将所述待诊断配电柜作为真实故障配电柜；

53、故障诊断报告生产模块，用于基于真实故障配电柜、故障选型结果及初步故障定位结果生成故障诊断报告，其中，故障诊断报告包括：故障类型、故障位置、故障触发时刻及诊断置信度，将故障诊断报告上传至预构建的云端监控平台，得到已存储故障诊断报告。

54、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

55、存储器，存储至少一个指令；

56、处理器，执行所述存储器中存储的指令以实现上述所述的基于边缘计算的配电柜故障诊断方法。

57、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于边缘计算的配电柜故障诊断方法。

58、为解决背景技术所述问题，本发明通过构建轻量化故障选型模型及轻量化故障定位模型，本发明通过构建轻量化故障选型模型及轻量化故障定位模型，将原本需要部署于云端gpu服务器的大规模深度学习模型压缩为适合边缘计算设备运行的轻量级模型，降低了模型对计算资源的需求，获取待诊断配电柜，其中，待诊断配电柜包括：边缘网关、电压互感器及电流互感器，其中，边缘网关与电压互感器及电流互感器相连，本发明通过在待诊断配电柜中预先配置边缘网关、电压互感器及电流互感器，并将边缘网关与电压互感器及电流互感器电气连接，实现了配电柜电气量信号的本地采集与传输，为边缘计算提供了硬件基础，避免了对外部采集设备的依赖，降低了系统复杂度，接收配电柜故障诊断指令，根据配电柜故障诊断指令及边缘网关对轻量化故障选型模型及轻量化故障定位模型进行存储，得到已部署边缘网关，本发明通过将轻量化故障选型模型及轻量化故障定位模型预先存储于边缘网关中，使得故障诊断模型在配电柜本地即可完成加载和就绪，无需在诊断发生时再从云端下载模型，避免了网络延迟对诊断启动速度的影响，同时保证了模型在断网环境下仍可正常使用，利用已部署边缘网关对待诊断配电柜进行电压采集，得到相电压集，根据相电压集对待诊断配电柜进行故障诊断操作，得到诊断置信度、初步故障选型结果及初步故障定位结果，本发明通过利用已部署边缘网关对待诊断配电柜进行本地电压采集和故障诊断操作，实现了故障诊断的全过程在配电柜侧完成，无需将原始电压数据传输至云端，降低了网络带宽占用，同时避免了数据传输延迟，使得诊断结果可在毫秒级内获得，满足故障保护的实时性要求，若初步故障选型结果为预设的非正常选型状态，且初步故障定位结果为预设的非正常定位状态，则将所述待诊断配电柜作为真实故障配电柜，本发明通过将故障选型结果和故障定位结果进行双重判定，只有当两个独立训练的模型均输出非正常状态时才确认为真实故障配电柜，有效避免了单一模型误判导致的虚假报警，提高了故障诊断的可信度和准确性，基于真实故障配电柜、故障选型结果及初步故障定位结果生成故障诊断报告，其中，故障诊断报告包括：故障类型、故障位置、故障触发时刻及诊断置信度，本发明通过生成包含故障类型、故障位置、故障触发时刻及诊断置信度的故障诊断报告，为运维人员提供了全面、结构化的故障信息，便于快速定位故障原因和故障位置，缩短了故障排查和恢复时间，提高了配电系统的运维效率，将故障诊断报告上传至预构建的云端监控平台，得到已存储故障诊断报告。因此，本发明可实现低延迟、低带宽依赖和高精度的实时故障诊断。