一种基于深度学习的GIS设备局部放电检测系统

本发明提出一种基于深度学习的GIS设备局部放电检测系统，该系统包括：边缘层用于采集每一传感器节点采集的传感数据，并提取出传感特征向量，并发送压缩波形片段；雾计算层用于根据边缘层上传的传感数据，利用到达时间差算法，确定缺陷位置，并根据压缩波形片段和传感特征向量，结合双流可变形注意力卷积网络模型，得到缺陷类型以及置信度；云平台用于根据雾计算层上传的缺陷位置、缺陷类型、置信度，结合数字孪生仿真模型生成的虚拟训练数据，采用元学习方法实现对双流可变形注意力卷积网络模型的参数更新，并将更新后的参数发送给雾计算层。本发明提供了一种轻量型、成本低的GIS设备局部放电检测系统。