边缘计算与机器学习结合的配电房故障检测方法及系统

本发明提供一种边缘计算与机器学习结合的配电房故障检测方法及系统。本申请通过传感器模块实时采集配电房中电压、电流、温度、湿度、设备振动信号和声音信号；通过预训练的差分自回归移动平均模型分析采集的实时数据进行未来数据预测；将实时数据和预测数据进行去噪和归一化预处理；对预处理后的数据进行时频域分析，通过主成分分析降维后，提取时频特征以供故障诊断与预测；预训练的基于支持向量机的故障诊断模型分析降维的时频特征获取配电房故障情况；其中，差分自回归移动平均模型和故障诊断模型由按并行运算架构搭建的多个边缘计算控制器运行。