摘要
本发明公开了一种极端恶劣天气下输变电设备故障风险评估方法及系统,使用云边智能协同技术、自学习联邦学习机制以及风险地图的构建,提升故障检测效果。基于云边协同的输电线路故障检测由边缘端和云端两大部分构成。边缘端包括隐患识别模块、数据采集模块、算法迭代模块。云端负责模型和地图整合全局更新。使用自学习联邦学习方法,边缘端使用自身数据训练模型,通过各个边缘端上传到云端的模型参数数据,在云端进行模型全局更新并部署到各个边缘端。避免边缘端收集数据不均衡、样本类别缺失和过拟合导致识别能力低下的现象,解决了网络通道传输压力过大的问题。
技术关键词
输变电设备故障
风险评估方法
异常数据
云端
地图
创建全局
天气
梯度下降算法
输电线路故障检测
梯度下降优化算法
Softmax函数
数据采集模块
三层网络结构
特征工程
联邦学习方法
风险评估系统
ReLU函数
参数
系统为您推荐了相关专利信息
风险评估方法
风险评估报告
肝移植患者
数值
压力
风电场设备
多维度传感器
故障智能诊断方法
故障智能诊断系统
多模态深度学习
智能搜索方法
协同过滤算法
动态反馈机制
指数
聚类算法
智能调控功能
保护系统
幼苗
多源异构数据
数字孪生模型
层级分析法
传感器获取用户
信息效能
风险预测模型
风险评估方法