摘要
本发明公开了一种基于边云协同的电力设备缺陷识别方法及系统,涉及电力设备缺陷识别技术领域,方法包括:数据采集装置实时采集电力设备的监测数据,将监测数据发送给监测区域内的边缘计算网关;边缘计算网关接收监测数据,对监测数据进行预处理,得到预处理后的监测数据并上传至云数据中心;云数据中心接收预处理后的监测数据,采用多模态缺陷识别模型对接收的数据进行电力设备缺陷识别,得到实时缺陷识别结果,采用检修策略生成模型对实时缺陷识别结果进行处理,得到实时检修策略,将实时检修策略发送至边缘计算网关。该方法采用边云协同机制,及时、高效地对电力设备的监测数据进行电力设备缺陷识别,并对缺陷识别结果分析得到对应检修策略。
技术关键词
检修策略
数据采集装置
电力设备缺陷
深度Q网络
云数据中心
历史监测数据
智能寻优算法
网关
DQN算法
实时图像
Elman算法
电力系统
人工智能算法
多模态
数据压缩包
Attention机制
系统为您推荐了相关专利信息
分析方法
强化学习算法
注意力机制
记忆单元
深度Q网络学习
智能优化方法
强化学习环境
深度强化学习算法
布局
训练智能
态势感知分析
传感器模组
台区线路
配电网实时状态估计
检修策略
电力设备运检
电力设备故障
多模态
检修策略
多源监测数据
智能数据采集方法
企业信用数据
消息
接口
LRU算法