摘要
本发明公开了一种集群式电气安全隐患预判方法、系统、设备及存储介质,方法包括:获取实时数据流,对实时数据流进行数据处理,得到第一数据流,利用边缘计算节点进行特征提取,并筛选异常特征,得到异常特征集;利用深度学习模型对异常特征集进行分析,通过神经网络模型对异常特征集中的时间序列特征进行建模,得到电气隐患的潜在风险概率,利用更新算法对深度学习模型参数进行优化,得到更新后的模型参数;提取与边缘端计算节点相关的神经网络模型参数,回传至边缘端计算节点,得到优化边缘模型,对实时数据流进行推理,得到实时隐患预警结果;对实时隐患预警结果进行判断,得到电气安全隐患预警指令,为电力系统的安全稳定运行提供了有力保障。
技术关键词
神经网络模型
电气安全隐患
高维特征向量
时间序列特征
分布式计算架构
参数
节点
风险评估值
量化编码技术
连续特征
训练深度学习模型
训练样本集
在线学习技术
设备性能数据
时序关联分析
系统为您推荐了相关专利信息
感知特征
预警方法
三维点云数据
融合特征
三维模型
模拟人体心跳
模拟振动装置
时间序列特征
可视化显示模块
驱动控制模块
高维特征向量
音频
多尺度特征提取
鉴伪方法
通道
位移控制方法
联合循环机组
阀门开度调节
数据
关系
位置识别方法
输出特征
非线性
卷积编码器
注意力机制