一种基于边缘计算的用电安全自校准方法及系统与流程

本发明涉及用电安全监测，具体为一种基于边缘计算的用电安全自校准方法及系统。

背景技术：

1、随着电力物联网的快速发展和用电设备智能化水平的不断提高，各类用电设备（如电动机、配电变压器、电能表等）的长期运行精度与可靠性对电力系统安全稳定运行至关重要。用电设备在长期运行过程中，受环境温度变化、湿度波动、电磁干扰以及器件老化等因素影响，其测量参数（如电压、电流、功率等）会逐渐产生偏差，若不及时校准，将导致电能计量失准、保护定值偏移甚至设备误动作等安全隐患。现有技术中，用电设备的校准主要依赖以下两种方式：一是定期离线校准，即由运维人员携带标准仪器到现场对设备进行逐台校验，该方式不仅人力成本高、效率低下，且校准周期固定，无法适应设备在不同工况下的差异化退化速率，存在“过度校准”与“校准不足”并存的问题；二是基于云计算的集中式在线校准，即将设备运行参数上传至云端进行统一分析和校准决策，然而海量设备数据的实时上传对网络带宽和云端计算资源造成巨大压力，且数据传输延迟导致校准响应时效性差，难以满足对校准实时性要求较高的场景需求。此外，上述两种方式均缺乏对设备健康状态的自适应感知能力，无法根据设备实际的性能退化程度动态调整校准策略，校准精度与资源消耗之间难以达到最优平衡。

2、另一方面，边缘计算作为一种新兴的计算范式，通过在靠近数据源头的网络边缘侧部署计算、存储和网络资源，能够实现数据的本地化处理和实时响应，已在工业设备监测、电力系统运维等领域展现出显著优势。近年来，已有部分研究尝试将边缘计算技术引入用电设备的在线校准领域，例如利用边缘节点对电能表的采样信号进行实时分析和误差修正，或构建云-边-端架构的分布式远程校准系统。然而，现有基于边缘计算的校准方案仍存在以下不足：其一，边缘计算节点通常仅作为数据预处理和转发的中继节点，缺乏对设备健康度的自主评估能力和校准策略的自主决策能力，校准行为仍需依赖云端指令触发，未能充分发挥边缘计算的实时性与自治性优势；其二，现有方案中数据采集策略通常是固定的，无法根据设备实际运行状态和校准残差动态调整采样频率与滤波参数，导致在设备状态良好时采集资源浪费、在设备状态劣化时采集精度不足；其三，校准完成后缺乏对校准效果的量化评估和闭环反馈机制，校准参数无法根据实际效果持续优化，导致校准精度难以保持长期稳定；其四，现有方案中误差漂移曲线的参考零点长期固定不变，无法跟随设备老化进程和基准偏移进行动态修正，导致健康度评估结果逐渐偏离设备真实状态，进而影响后续校准决策的准确性。因此，亟需一种能够充分利用边缘计算实时处理能力、具备健康度自主评估与策略自适应决策、并能够实现采集策略动态调节和基准参数持续修正的用电安全自校准方法及系统。

技术实现思路

1、本发明为了解决现有技术的问题，提供了一种基于边缘计算的用电安全自校准方法及系统。

2、为了解决上述技术问题，本发明是通过以下技术方案实现的：第一方面，一种基于边缘计算的用电安全自校准方法，包括以下步骤：

3、s1：数据采集步骤，通过部署于用电设备侧的数据采集模块实时采集所述用电设备的运行参数数据，所述运行参数数据包括电气参数和环境参数；

4、s2：健康度评估步骤，通过部署于边缘计算节点的健康度评估单元，根据所述运行参数数据和设备历史运行记录，对所述用电设备进行健康度评估，生成健康度评分；

5、s3：校准策略决策步骤，通过部署于所述边缘计算节点的校准策略决策单元，根据所述健康度评分，从预设的多种校准策略中动态选择目标校准策略，所述多种校准策略至少包括第一校准策略、第二校准策略和第三校准策略，不同校准策略对应的校准精度和计算资源消耗不同；

6、s4：校准执行步骤，通过部署于所述边缘计算节点的校准执行单元，按照所述目标校准策略对所述用电设备的运行参数进行自校准，生成校准后的参数数据，并生成本次校准的校准残差参数，所述校准残差参数用于表征校准前运行参数与校准后运行参数之间的偏差量及偏差分布特征；

7、s5：校准评估步骤，通过部署于所述边缘计算节点的校准评估单元，对所述自校准的结果进行效果评估，生成校准效果评估指标；

8、s6：采集策略自适应调节步骤，将所述校准残差参数实时反馈至所述数据采集模块，所述数据采集模块根据所述校准残差参数的幅值及分布特征，动态调整数据采集策略：当所述校准残差参数超过第一残差阈值时，提高采样频率并降低滤波系数；当所述校准残差参数低于第二残差阈值时，降低采样频率并提高滤波系数；

9、s7：动态基准更新步骤，将所述校准残差参数同步用于更新所述用电设备的动态基准参数，所述动态基准参数为所述健康度评估步骤s2中进行误差漂移曲线计算的参考零点，所述健康度评估单元根据更新后的所述动态基准参数重新计算所述误差漂移曲线，并对所述健康度评分进行动态修正；

10、s8：云端协同优化步骤，将所述校准效果评估指标和/或校准后的参数数据上传至云端服务器，由所述云端服务器进行长期趋势分析和全局策略优化，生成优化后的校准策略参数并下发至所述边缘计算节点；

11、s9：策略更新步骤，所述边缘计算节点根据所述云端服务器下发的优化后的校准策略参数，更新本地校准策略库。

12、在第一方面的一种具体的实施方式中，所述步骤s2中，所述健康度评估包括：

13、根据所述用电设备的历史校准记录，分析所述用电设备的测量误差随时间的变化趋势，生成误差漂移曲线；

14、根据所述用电设备的运行时长、累计工作负荷和环境应力数据，计算所述用电设备的老化因子；

15、根据所述误差漂移曲线和所述老化因子，按照预设的健康度评估模型计算所述健康度评分。

16、在第一方面的一种具体的实施方式中，所述步骤s3中，所述动态选择目标校准策略包括：

17、将所述健康度评分与预设的多个健康度阈值区间进行比对，确定所述健康度评分所属的目标阈值区间；

18、根据所述目标阈值区间与校准策略之间的预设映射关系，选择对应的校准策略作为所述目标校准策略；

19、其中，当所述健康度评分属于第一阈值区间时，选择所述第一校准策略，所述第一校准策略为快速校准策略，仅对关键参数进行校验和修正；当所述健康度评分属于第二阈值区间时，选择所述第二校准策略，所述第二校准策略为标准校准策略，对全部运行参数进行校验和修正；当所述健康度评分属于第三阈值区间时，选择所述第三校准策略，所述第三校准策略为深度校准策略，对全部运行参数进行校验和修正，并执行额外的精度补偿计算。

20、在第一方面的一种具体的实施方式中，在所述步骤s3之前，还包括：

21、校准触发判断步骤，判断是否满足预设的自校准触发条件，当满足所述自校准触发条件时，触发执行所述步骤s3；

22、所述自校准触发条件包括以下中的至少一者：

23、所述健康度评分低于预设的健康度阈值；

24、所述用电设备的运行参数偏差超过预设的偏差阈值；

25、所述用电设备的环境参数变化量超过预设的环境变化阈值；

26、距上一次自校准的时间间隔超过预设的时间间隔阈值；

27、所述用电设备的负载发生超过预设幅度的突变。

28、在第一方面的一种具体的实施方式中，所述自校准触发条件还包括预测触发条件；

29、根据所述误差漂移曲线进行趋势外推，预测所述用电设备的健康度评分在未来预设时间段内下降至低于所述健康度阈值的时间点，当预测的所述时间点与当前时间的差值小于预设的预警时间阈值时，触发自校准。

30、在第一方面的一种具体的实施方式中，所述步骤s5中，所述校准效果评估包括：

31、将校准后的参数数据与校准前的运行参数数据进行比对，计算校准修正量；

32、根据所述校准修正量和预设的参考标准值，计算所述自校准的精度改善度；

33、在所述自校准完成后的预设监测时段内，持续监测所述用电设备的运行参数波动情况，生成稳定性评估指标；

34、根据所述精度改善度和所述稳定性评估指标，按照预设的评级规则生成所述校准效果评估指标。

35、在第一方面的一种具体的实施方式中，所述步骤s5之后，还包括：

36、闭环反馈步骤，根据所述校准效果评估指标调整所述健康度评估步骤s2中所使用的评估参数，实现健康度评估模型的持续优化。

37、在第一方面的一种具体的实施方式中，所述步骤s6中，所述数据采集模块根据所述校准残差参数的幅值及分布特征动态调整数据采集策略之后，还包括：

38、实时监测因数据采集策略调整而产生的计算资源占用率变化数据和热功耗变化数据，将所述计算资源占用率变化数据和热功耗变化数据作为所述步骤s3中校准策略决策的动态约束条件：当所述计算资源占用率高于预设的资源阈值时，优先选择计算资源消耗较低的校准策略。

39、第二方面，一种基于边缘计算的用电安全自校准系统，包括：

40、数据采集模块，部署于用电设备侧，用于实时采集所述用电设备的运行参数数据，所述运行参数数据包括电气参数和环境参数；

41、边缘计算节点，与所述数据采集模块通信连接，部署于靠近所述用电设备的网络边缘侧，所述边缘计算节点包括：

42、健康度评估单元，用于根据所述运行参数数据和设备历史运行记录，对所述用电设备进行健康度评估，生成健康度评分；

43、校准策略决策单元，用于根据所述健康度评分，从预设的多种校准策略中动态选择目标校准策略，所述多种校准策略至少包括第一校准策略、第二校准策略和第三校准策略，不同校准策略对应的校准精度和计算资源消耗不同；

44、校准执行单元，用于按照所述目标校准策略对所述用电设备的运行参数进行自校准，生成校准后的参数数据，并生成本次校准的校准残差参数，所述校准残差参数用于表征校准前运行参数与校准后运行参数之间的偏差量及偏差分布特征；

45、校准评估单元，用于对所述校准执行单元的自校准结果进行效果评估，生成校准效果评估指标；

46、云端服务器，与所述边缘计算节点通信连接，用于接收所述边缘计算节点上传的校准效果评估指标和/或校准后的参数数据，进行长期趋势分析和全局策略优化，并将优化后的校准策略参数下发至所述边缘计算节点；

47、其中，所述边缘计算节点根据所述云端服务器下发的优化后的校准策略参数，更新本地校准策略库；

48、所述数据采集模块包含动态滤波调节子模块，所述动态滤波调节子模块的滤波系数和采样频率受控于所述校准执行单元输出的校准残差参数，实现数据采集策略的自适应调节；

49、所述边缘计算节点还包含动态基准更新子模块，连接于所述校准执行单元与所述健康度评估单元之间，用于根据所述校准残差参数动态更新所述用电设备的基准参数，并将更新后的基准参数反馈至所述健康度评估单元以修正误差漂移曲线和健康度评分。

50、第三方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于边缘计算的用电安全自校准方法的步骤。

51、本发明的有益效果为：

52、1.通过构建“设备侧采集—边缘侧处理—云端协同”的三层分布式自校准架构，将健康度评估、校准策略决策、校准执行与效果评估下沉至靠近数据源的边缘计算节点，有效降低了海量运行参数数据上传至云端所带来的网络传输延迟与带宽占用，显著提升了自校准响应的实时性与系统可靠性。在此基础上，通过部署健康度评估单元，基于用电设备的历史运行记录实时生成表征设备劣化程度的健康度评分，为校准策略的按需动态选择提供了量化依据，从而避免统一校准模式导致的资源浪费或精度不足。同时，通过设置多种对应不同校准精度与计算资源消耗的校准策略，并根据健康度评分所处阈值区间动态切换目标校准策略，使得边缘计算节点能够在有限的计算资源约束下自适应地权衡校准精度与资源开销，既保证高健康度设备以低开销方式快速完成校验，又确保低健康度设备获得深度校准以校正显著偏差。此外，校准执行完毕后，通过将本次校准的残差参数实时反馈至数据采集模块，使采样频率与滤波系数能够跟随残差幅值及分布特征自适应调节，实现了数据采集密度与信号质量随设备状态变化的动态匹配，进一步提升了数据源的精确度与可靠性，同时在高残差时段为后续校准提供更精细的原始数据支撑。

53、2.通过将校准残差参数同步用于动态基准更新，以修正健康度评估中所依赖的误差漂移曲线参考零点，使误差漂移曲线能够及时响应设备的实际退化轨迹，避免因基准固定而导致健康度评估偏离真实状态，形成“校准执行—基准修正—评估优化”的边缘端自闭环迭代机制，持续提升健康度评估的准确性和自校准的靶向性。在此基础上，进一步将校准效果评估指标与校准后参数上传至云端，由云端对全网设备进行长期趋势分析和全局策略优化，并将优化后的策略参数批量下发至各边缘计算节点，实现了边缘端实时响应能力与云端全局优化能力的优势互补，使得校准策略库能够随设备群体统计特征的变化而持续进化，克服了单一边缘节点或单设备孤立运行时的策略固化缺陷。同时，将校准效果评估结果反馈至健康度评估模型并持续调整评估参数，与动态基准更新形成双重修正链路，前者优化模型本身，后者更新数据基准，共同促进健康度评估模型对设备真实状态的逼近。在此基础上，通过对数据采集策略调整后产生的计算资源占用率与热功耗变化进行实时监测，并将资源占用状况作为校准策略选择的动态约束条件，构建了“资源感知—策略适配”的反向调节链路，确保边缘计算节点在资源紧张时自动降级选择轻量级校准策略，增强了系统在资源波动工况下的运行稳定性与自适应性。通过上述边缘端自闭环与云端协同优化的双环机制，实现了用电安全自校准系统在精度保持、资源适配、自适应调节和持续进化方面的全面提升。