配电设备的监测方法、装置、系统和存储介质与流程

1.本技术涉及智能电网技术领域，特别是涉及一种配电设备的监测方法、装置、系统和存储介质。


背景技术：

2.配电设备是智能电网的重要组成部分，确保配电设备正常运行是智能电网安全稳定运行的基础。
3.当前的智能电网，通常是以云计算模型为核心，集中式处理各配电设备所产生的数据，实现对于各个配电设备运行状态的监测。
4.然而，随着物联网的快速发展，4g/5g无线网络在智能电网中的应用普及，线性增长的集中式云计算能力已无法匹配爆炸式增长的海量设备运行数据，仅基于云计算模型的计算资源已不能满足大数据处理需求。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种配电设备的监测方法、装置、系统和存储介质。
6.一种配电设备的监测方法，应用于配电监测系统，配电监测系统包括数据采集终端、边缘计算终端以及云管理平台，边缘计算终端分别与云管理平台和数据采集终端通信，上述方法包括：
7.数据采集终端获取配电监测数据，并将配电监测数据发送至边缘计算终端；其中，配电监测数据用于表征配电设备的运行状态和/或环境状态；
8.边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；
9.云管理平台可视化显示监测结果以及异常的配电监测数据。
10.在其中一个实施例中，配电监测数据的数据类型包括参数数据，边缘计算终端根据配电监测数据的类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，包括：
11.比较参数数据与对应参数阈值的大小，得到比较结果；
12.若比较结果满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据正常；
13.若比较结果不满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据异常。
14.在其中一个实施例中，配电监测数据的数据类型包括图像数据，边缘计算终端根据配电监测数据的类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，包括：
15.对图像数据进行目标检测，得到检测结果；
16.若检测结果中包括目标对象，则确定数据类型为图像数据的配电监测数据异常；
17.若检测结果中不包括目标对象，则确定数据类型为图像数据的配电监测数据正常。
18.在其中一个实施例中，上述方法还包括：
19.边缘计算终端周期性地将正常的配电监测数据发送至云管理平台；或者，边缘计算终端在指定时段将正常的配电监测数据发送至云管理平台；其中，边缘计算终端同时向云管理平台发送正常的配电监测数据和异常的配电监测数据时，优先发送异常的配电监测数据。
20.在其中一个实施例中，上述方法还包括：
21.在监测结果为配电监测数据异常的情况下，边缘计算终端则根据配电监测数据对配电设备进行控制。
22.在其中一个实施例中，边缘计算终端则根据配电监测数据对配电设备进行控制，包括：
23.若异常的配电监测数据为配电设备的内部温度，边缘计算终端则控制开启配电设备内的控温装置。
24.在其中一个实施例中，边缘计算终端则根据配电监测数据对配电设备进行调节，包括：
25.若异常的配电监测数据为配电设备的环境图像，边缘计算终端则控制开启配电设备内的警报装置。
26.一种配电设备的监测装置，应用于配电监测系统，配电监测系统包括数据采集终端、边缘计算终端以及云管理平台，边缘计算终端分别与云管理平台和数据采集终端通信，上述装置包括：
27.数据采集模块，用于通过数据采集终端获取配电监测数据，并将配电监测数据发送至边缘计算终端；其中，配电监测数据用于表征配电设备的运行状态和/环境状态；
28.数据发送模块，用于通过边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；
29.数据显示模块，用于通过云管理平台可视化显示监测结果以及异常的配电监测数据。
30.一种配电监测系统，包括数据采集终端、边缘计算终端以及云管理平台，所述边缘计算终端分别与所述云管理平台和所述数据采集终端通信；
31.数据采集终端用于获取配电监测数据，并将配电监测数据发送至边缘计算终端；其中，配电监测数据用于表征配电设备的运行状态和/或环境状态；
32.边缘计算终端用于根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；
33.云管理平台用于可视化显示监测结果以及异常的配电监测数据。
34.一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以下步骤：
35.通过数据采集终端获取配电监测数据，并将配电监测数据发送至边缘计算终端；
其中，配电监测数据用于表征配电设备的运行状态和/环境状态；
36.通过边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；
37.过云管理平台可视化显示监测结果以及异常的配电监测数据。
38.上述配电设备的监测方法、装置、系统和存储介质，上述方法应用于配电监测系统，配电监测系统包括数据采集终端、边缘计算终端以及云管理平台，边缘计算终端分别与云管理平台和数据采集终端通信，数据采集终端获取用于表征配电设备的运行状态和/或环境状态的配电监测数据，并将配电监测数据发送至边缘计算终端；边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；云管理平台可视化显示监测结果以及异常的配电监测数据。上述方法通过边缘计算终端对配电监测数据进行是否异常的评判分析，缓解了云管理平台的数据处理和传输压力，满足了对于配电监测数据的大数据处理需求，提高了配电监测系统的应用性能。
附图说明
39.图1为一个实施例中配电监测系统的结构框图；
40.图2为一个实施例中配电设备的监测方法的流程示意图；
41.图3为一个实施例中确定监测结果的流程示意图；
42.图4为另一个实施例中确定监测结果的流程示意图；
43.图5为一个实施例中配电设备的监测装置的结构框图。
具体实施方式
44.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
45.本技术提供的配电设备的监测方法，可以应用于如图1所示的配电监测系统中。其中，配电监测系统包括数据采集终端101、边缘计算终端102以及云管理平台103，边缘计算终端102分别与云管理平台103和数据采集终端101通过网络进行通信。其中，边缘计算终端102可通过标准化接口或者无线通信方式与数据采集终端101实现通信，以及通过无线通信方式与云管理平台103实现通信。上述无线通信方式可以是wifi通信、4g/5g通信等。
46.进行配电设备监测时，数据采集终端101获取用于表征配电设备的运行状态和/环境状态的配电监测数据，并将配电监测数据发送至边缘计算终端102。边缘计算终端102根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果；将监测结果发送至云管理平台103，并将异常的配电监测数据发送至云管理平台103。云管理平台103可视化显示监测结果以及异常的配电监测数据。数据采集终端101可以具有数据采集能力的传感装置或监测装置，边缘计算终端102可以是具有数据处理能力的计算机设备。
47.在一个实施例中，如图2所示，提供了一种配电设备的监测方法，以该方法应用于图1中的配电监测系统为例进行说明，包括以下步骤：
48.s210、数据采集终端获取配电监测数据，并将配电监测数据发送至边缘计算终端。
49.其中，配电监测数据用于表征配电设备的运行状态和/或环境状态。可选地，配电监测数据可以包括配电设备运行时的实时电压、实时电流等表征配电设备运行状态的数据，还可以包括配电设备的内部温湿度、环境图像等表征配电设备环境状态的数据。
50.可选地，数据采集终端可以包括各种监测单元以获取上述配电监测数据，例如，包括电压监测单元，获取上述实时电压，或者包括电流监测单元，获取上述实时电流，或者包括温湿度监测单元，获取上述温湿度，或者视频监控单元，获取上述环境图像。还可以包括电气设备状态监测单元、环境安防监测单元、电能量监测单元、入侵探测单元、门禁状态监测单元、烟雾探测单元、噪声探测单元等传感单元，以获取相应的配电监测数据。
51.可选地，数据采集终端设置于配电设备内部或附近，用于获取上述配电监测数据，并将获取到的配电监测数据发送至边缘计算终端。例如，数据采集终端通过内部集成的电压监测单元获取配电设备运行时的实时电压，并将获取到的实时电压发送至边缘计算终端。
52.可选地，边缘计算终端通过外部供电接口与数据采集终端连接，以为数据采集终端供电。
53.s220、边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台。
54.其中，边缘计算终端用于接收上述配电监测数据，并对上述配电监测数据进行评判分析，以得到上述配电监测数据是否异常的监测结果。具体可根据配电监测数据的数据类型确定对应的评判策略，不同数据类型对应不同的评判策略。
55.可选地，配电监测数据的数据类型可以包括设备数据和环境数据。其中，设备数据是配电设备自身的运行参数，如实时电流、实时电压等，环境数据是指除配电设备自身的运行参数之外的外界参数，如设备内部的温湿度，环境图像等。
56.可选地，边缘计算终端接收到配电监测数据后，根据配电监测数据的数据类型确定对应的评判策略，以得到配电监测数据是否异常的监测结果，并将监测结果和异常的配电监测数据发送至云管理平台。
57.例如，若配电监测数据为配电设备的设备数据，如配电设备运行时的实时电压，边缘计算终端采用阈值比较的方式确定该配电设备运行时的实时电压是否异常，若异常，则将该配电设备运行时的实时电压异常的监测结果，以及该配电设备运行时的实时电压一并发送至云管理平台。反之，若正常，边缘计算终端则将该配电设备运行时的实时电压正常的监测结果发送至云管理平台。若配电监测数据为配电设备的环境数据，如配电设备内部的温度，边缘计算终端采用阈值比较的方式确定该配电设备内部的温度是否异常，若异常，边缘计算终端则进一步获取该配电设备的设备数据，以确定配电设备的设备数据是否异常，并在设备数据异常的情况下，将该配电设备内部的温度异常的监测结果、该配电设备内部的温度以及异常的设备数据一并发送至云管理平台。反之，若设备数据正常，边缘计算终端则将该配电设备内部的温度异常的监测结果，以及该配电设备内部的温度发送至云管理平台。
58.s230、云管理平台可视化显示监测结果以及异常的配电监测数据。
59.具体地，云管理平台将接收到的监测结果以及异常的配电监测数据通过显示装置
可视化显示。其中，每一云管理平台可与多个边缘计算终端通信，接收多个边缘计算终端上传对应配电设备的监测结果，以通过云管理平台进行统一地可视化管理，提高配电监测的集中管理水平。
60.本实施例中，通过数据采集终端获取用于表征配电设备的运行状态和/或环境状态配电监测数据，并将配电监测数据发送至边缘计算终端；边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；云管理平台可视化显示监测结果以及异常的配电监测数据。上述方法通过边缘计算终端对配电监测数据进行是否异常的评判分析，缓解了云管理平台的数据处理和传输压力，以满足对于配电监测数据的大数据处理需求，提高了配电监测系统的应用性能。
61.在一个实施例中，边缘计算终端中包括基于risc
‑
v架构的处理器和ai引擎搭建的处理模块，用于对获取到的不同数据类型的配电监测数据即对应的评判策略调用不同的ai引擎算法或者算法规进行评判分析，获取相应的监测结果。
62.risc
‑
v是基于精简指令集(risc)原则的第五代开源指令集架构(isa)，具有开源、简捷和易扩展的特点，相比于基于复杂指令集(cisc)架构的处理器，基于risc
‑
v架构的处理器可以将一条指令分成多个进程或线程，交由多个处理器同时执行，处理速度和处理效率均优于基于复杂指令集(cisc)架构的处理器。其中，处理器与ai引擎通过risc
‑
v扩展指令集通信，任何基于risc
‑
v指令集的处理器均适用于本边缘计算终端，可以根据不同的处理数据或者应用需求来具体使用不同内核的处理器，提高了边缘计算终端的适配性能。
63.ai引擎是用于处理人工智能应用中的大量计算任务的装置；处理器本身具备一定的数据处理能力，但是对于特定的处理任务，例如，针对电量数据的变化趋势预测、视频图像数据的监测处理等，处理器的执行效率较低，执行效果也有所欠缺。因此，ai引擎中内置有针对不同应用和不同数据类型进行处理的ai(人工智能)算子，ai引擎根据基于risc
‑
v架构的处理器传输的risc
‑
v指令，执行针对配电监测数据的运算处理，并将运算处理结果反馈到处理器，使得ai引擎能够作为协处理器，从而提高了边缘计算终端的运算能力和数据处理速度。
64.可选地，配电监测数据的数据类型包括参数数据，如图3所示，上述s220，包括：
65.s310、比较参数数据与对应参数阈值的大小，得到比较结果。
66.其中，参数数据是指数据采集终端获取到的数值类数据，如配电设备运行时的实时电流、实时电压，内部的温湿度等。
67.s320、若比较结果满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据正常。
68.s330、若比较结果不满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据异常。
69.具体地，对这类参数数据，边缘计算终端通过比较参数数据与对应参数阈值之间的大小，得到比较结果，进而根据比较结果确定对应配电监测数据是否异常的监测结果。例如，对于实时电流i，对应设置有第一电流阈值imin，和第二电流阈值imax，并且imin＜imax。其中，若imin≤i≤imax，则确定配电监测数据i正常；若i＜imin或者i＞imax，则确定该配电监测数据(实时电流i)异常。
70.在另一个可选地实施例中，配电监测数据的数据类型包括图像数据，如图4所示，上述s220，包括：
71.s410、对图像数据进行目标检测，得到检测结果。
72.其中，图像数据是指数据采集终端获取到的图像，如配电设备的环境图像。
73.s420、若检测结果中包括目标对象，则确定数据类型为图像数据的配电监测数据异常。
74.s430、若检测结果中不包括目标对象，则确定数据类型为图像数据的配电监测数据正常。
75.可选地，目标对象可以是非工作人员，也可以是其他物体或生物，如车辆、老鼠等。
76.具体地，对这类图像数据，边缘计算终端通过对图像数据进行目标检测，以识别图像中的目标对象，得到检测结果，进而根据检测结果确定对应配电监测数据是否异常的监测结果。例如，对于配电设备的环境图像，进行目标检测，若检测结果中包括非工作人员，则确定该配电监测数据(配电设备的环境图像)异常。
77.本实施例中，配电监测数据的数据类型包括参数数据和/或图像数据，对于参数数据类型的配电监测数据，边缘计算终端通过比较参数数据与对应参数阈值之间的大小，根据比较结果是否满足对应约束条件得到对应配电监测数据是否异常的监测结果。对于图像数据类型的配电监测数据，边缘计算终端通过对图像数据进行目标检测，识别图像中的目标对象，根据检测结果中是否包括目标对象得到对应配电监测数据是否异常的监测结果。对于不同类型的配电监测数据采用不同的评判策略，不仅提高了异常评判的准确性，同时扩展了异常评判的应用范围，进而实现了对于配电设备从运行到环境的全面监测。
78.在一可选地实施例中，边缘计算终端还用于接收云管理平台或其他终端发送的调节指令或者配电监测数据的评判策略。其中，调节指令用于修改评判策略，如评判策略中约束条件的参数阈值。边缘计算终端响应于上述调节指令，修改得到新的评判策略，并以照新的评判策略对配电监测数据进行是否异常的评判分析，或者直接采用接收到的评判策略进行评判分析。
79.边缘计算终端还用于接收云管理平台或其他终端发送的协同任务处理指令，以实现采用多个边缘计算终端协同进行配电监测数据是否异常的评判分析，提高数据处理效率，进而提高监测时效性。
80.在一个实施例中，为实现云管理平台对于配电监测数据的全面管理，上述方法还包括：
81.边缘计算终端周期性地将正常的配电监测数据发送至云管理平台；或者，边缘计算终端在指定时段将正常的配电监测数据发送至云管理平台。
82.其中，边缘计算终端同时向云管理平台发送正常的配电监测数据和异常的配电监测数据时，优先发送异常的配电监测数据。
83.边缘计算终端还用于将正常的配电监测数据发送至云管理平台，以通过云管理平台对数据采集终端获取到的配电监测数据的全面管理。可选地，边缘计算终端将正常的配电监测数据本地化打包后周期性地发送至云管理平台，如每隔3h发送一次，还可以在指定时段发送至云管理平台，每天8:00发送2:00～8:00之间获取到的配电监测数据，14:00发送一次8:00～14:00之间获取到的正常的配电监测数据，20:00发送一次14:00～20:00之间获
取到的正常的配电监测数据，2:00发送一次20:00～2:00之间获取到的正常的配电监测数据。其中，发送异常的配电监测数据不受发送正常的配电监测数据的影响，边缘计算终端若检测到当前获取的配电监测数据异常，则立即将异常的配电监测数据发送至云管理平台。
84.若边缘计算终端同时向云管理平台发送正常的配电监测数据和异常的配电监测数据，为配电监测系统对于异常配电监测数据反馈的时效性和监测效果，边缘计算终端优先发送异常的配电监测数据。例如，边缘计算终端需要在14:00向云管理平台发送一次8:00～14:00之间获取到的配电监测数据，而检测到14:00获取的配电监测数据异常，则在14:00优先将异常的配电监测数据发送至云管理平台，再发送8:00～14:00之间获取到的正常的配电监测数据。
85.可选地，云管理平台对接收到的配电监测数据进行分类存储，实现配电监测数据以及对应监测结果的统一存储管理，有助于建立配电设备状态监测数据库，为后续的智能电网大数据分析及参考提供依据。
86.本实施例中，上述方法还包括通过边缘计算终端周期性地将正常的配电监测数据发送至云管理平台；或者，通过边缘计算终端在指定时段将正常的配电监测数据发送至所述云管理平台。需要说明的是，边缘计算终端同时向云管理平台发送正常的配电监测数据和异常的配电监测数据时，优先发送异常的配电监测数据。通过上述方法不仅实现了云管理平台对于配电监测数据的全面管理，异常配电监测数据的优先发送，提高了配电监测系统对于异常配电监测数据反馈的时效性和监测效果。
87.在一个实施例中，边缘计算终端还可以与配电设备进行通信，以及时调控配电设备，上述方法还包括：
88.在监测结果为配电监测数据异常的情况下，边缘计算终端则根据配电监测数据对配电设备进行控制。
89.可选地，边缘计算终端可以是在确定配电监测数据异常后，直接根据配电监测数据对配电设备进行控制，还可以是在接收到云管理平台下发的控制指令后，根据配电监测数据对配电设备进行控制，本实施例中并不做具体限制。
90.可选地，若异常的配电监测数据为配电设备的内部温度，边缘计算终端则控制配电设备内的控温装置开启。
91.具体地，若配电设备的内部温度t＜第一温度阈值tmin，边缘计算终端则控制开启配电设备内控温装置的升温功能，以对配电设备的内部进行升温。若配电设备的内部温度t＞第一温度阈值tmax，边缘计算终端则控制开启配电设备内的散热风扇，以对配电设备的内部进行降温。
92.可选地，若异常的配电监测数据为配电设备的环境图像，边缘计算终端则控制配电设备内的报警装置开启。
93.具体地，若在配电设备的环境图像中检测到非工作人员，边缘计算终端则控制配电设备内的警报装置开启，以通过光电、告警声音的方式发出警报。
94.本实施例中，在监测结果为配电监测数据异常的情况下，边缘计算终端还可以根据配电监测数据对配电设备进行控制。其中，若异常的配电监测数据为配电设备的内部温度，边缘计算终端则控制配电设备内的控温装置开启；若异常的配电监测数据为配电设备的环境图像，边缘计算终端则控制配电设备内的警报装置开启。以此，在确定存在异常监测
配电数据的情况下，采取相应的控制措施，及时改善异常情况，从而提高了配电监测系统的整体性能。
95.应该理解的是，虽然图2
‑
4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2
‑
4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
96.在一个实施例中，如图5所示，提供了一种配电监测装置，应用于配电监测系统，配电监测系统包括数据采集终端、边缘计算终端以及云管理平台，边缘计算终端分别与云管理平台和数据采集终端通信，上述装置包括：数据采集模块501、数据发送模块502和数据显示模块502，其中：
97.数据采集模块501用于通过数据采集终端获取配电监测数据，并将配电监测数据发送至边缘计算终端；其中，配电监测数据用于表征配电设备的运行状态和/环境状态；
98.数据发送模块502用于通过边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；
99.数据显示模块503用于通过云管理平台可视化显示监测结果以及异常的配电监测数据。
100.在其中一个实施例中，配电监测数据的数据类型包括参数数据，数据发送模块502具体用于：
101.比较参数数据与对应参数阈值的大小，得到比较结果；若比较结果满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据正常；若比较结果不满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据异常。
102.在其中一个实施例中，配电监测数据的数据类型包括图像数据，数据发送模块502具体用于：
103.对图像数据进行目标检测，得到检测结果；若检测结果中包括目标对象，则确定数据类型为图像数据的配电监测数据异常；若检测结果中不包括目标对象，则确定数据类型为图像数据的配电监测数据正常。
104.在其中一个实施例中，数据发送模块502还用于：
105.边缘计算终端周期性地将正常的配电监测数据发送至云管理平台；或者，边缘计算终端在指定时段将正常的配电监测数据发送至云管理平台；其中，边缘计算终端同时向云管理平台发送正常的配电监测数据和异常的配电监测数据时，优先发送异常的配电监测数据。
106.在其中一个实施例中，上述装置还包括：设备控制模块，
107.设备控制模块用于在监测结果为配电监测数据异常的情况下，通过边缘计算终端根据配电监测数据对配电设备进行控制。
108.在其中一个实施例中，设备控制模块具体用于：
109.若异常的配电监测数据为配电设备的内部温度，边缘计算终端则控制开启配电设
备内的控温装置。
110.在其中一个实施例中，设备控制模块具体用于：
111.若异常的配电监测数据为配电设备的环境图像，边缘计算终端则控制开启配电设备内的警报装置。
112.关于配电设备的监测装置的具体限定可以参见上文中对于配电设备的监测方法的限定，在此不再赘述。上述配电设备的监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
113.在一个实施例中，提供了一种配电监测系统，如图1所示，该配电监测系统包括数据采集终端、边缘计算终端以及云管理平台，边缘计算终端分别与云管理平台和数据采集终端通信。
114.本领域技术人员可以理解，图1中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的配电监测系统可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
115.在一个实施例中，提供了一种配电监测系统，包括数据采集终端、边缘计算终端以及云管理平台，边缘计算终端分别与云管理平台和数据采集终端通信；
116.数据采集终端用于获取配电监测数据，并将配电监测数据发送至边缘计算终端；其中，配电监测数据用于表征配电设备的运行状态和/或环境状态；边缘计算终端用于根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；云管理平台用于可视化显示监测结果以及异常的配电监测数据。
117.在其中一个实施例中，配电监测数据的数据类型包括参数数据，边缘计算终端还用于：
118.比较参数数据与对应参数阈值的大小，得到比较结果；若比较结果满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据正常；若比较结果不满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据异常。
119.在其中一个实施例中，配电监测数据的数据类型包括图像数据，边缘计算终端还用于：
120.对图像数据进行目标检测，得到检测结果；若检测结果中包括目标对象，则确定数据类型为图像数据的配电监测数据异常；若检测结果中不包括目标对象，则确定数据类型为图像数据的配电监测数据正常。
121.在其中一个实施例中，边缘计算终端还用于：
122.周期性地将正常的配电监测数据发送至云管理平台；或者，在指定时段将正常的配电监测数据发送至云管理平台；其中，在同时向云管理平台发送正常的配电监测数据和异常的配电监测数据时，优先发送异常的配电监测数据。
123.在其中一个实施例中，边缘计算终端还用于：
124.在监测结果为配电监测数据异常的情况下，根据配电监测数据对配电设备进行控制。
125.在其中一个实施例中，边缘计算终端还用于：
126.若异常的配电监测数据为配电设备的内部温度，则控制开启配电设备内的控温装置。
127.在其中一个实施例中，边缘计算终端还用于：
128.若异常的配电监测数据为配电设备的环境图像，则控制开启配电设备内的警报装置。
129.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
130.数据采集终端获取配电监测数据，并将配电监测数据发送至边缘计算终端；其中，配电监测数据用于表征配电设备的运行状态和/或环境状态；边缘计算终端根据配电监测数据的数据类型采用对应评判策略确定配电监测数据是否异常，得到监测结果，并将监测结果和异常的配电监测数据发送至云管理平台；云管理平台可视化显示监测结果以及异常的配电监测数据。
131.在其中一个实施例中，配电监测数据的数据类型包括参数数据，计算机程序被处理器执行时还实现以下步骤：
132.比较参数数据与对应参数阈值的大小，得到比较结果；若比较结果满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据正常；若比较结果不满足预设对应约束条件，则确定数据类型为参数数据的配电监测数据异常。
133.在其中一个实施例中，配电监测数据的数据类型包括图像数据，计算机程序被处理器执行时还实现以下步骤：
134.对图像数据进行目标检测，得到检测结果；若检测结果中包括目标对象，则确定数据类型为图像数据的配电监测数据异常；若检测结果中不包括目标对象，则确定数据类型为图像数据的配电监测数据正常。
135.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
136.边缘计算终端周期性地将正常的配电监测数据发送至云管理平台；或者，边缘计算终端在指定时段将正常的配电监测数据发送至云管理平台；其中，边缘计算终端同时向云管理平台发送正常的配电监测数据和异常的配电监测数据时，优先发送异常的配电监测数据。
137.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
138.在监测结果为配电监测数据异常的情况下，边缘计算终端则根据配电监测数据对配电设备进行控制。
139.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
140.若异常的配电监测数据为配电设备的内部温度，边缘计算终端则控制开启配电设备内的控温装置。
141.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
142.若异常的配电监测数据为配电设备的环境图像，边缘计算终端则控制开启配电设备内的警报装置。
143.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机
可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
144.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
145.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。