一种基于边缘计算的窃电检测方法及系统

    公开(公告)号:CN112991093B

    公开(公告)日:2024-02-02

    申请号:CN202110197301.8

    申请日:2021-02-22

    摘要: 本发明公开的一种基于边缘计算的窃电检测方法和系统,系统包括用电信息采集模块、集中式数据处理中心、分类边缘式数据中心和多个边缘式数据中心,窃电检测工作由集中式数据中心与边缘式数据中心(包括多个边缘式数据中心和分类边缘式数据中心)分工合作,由多个边缘式数据中心分担了集中式数据中心的大量计算工作,分散式计算,节约带宽同时提高计算效率;集中式数据中心只参与历史数据和检测数据的预处理过程、历史数据的聚类过程;令具有K均值聚类模型的分类边缘式数据中心来对检测数据进行分类,聚类方法符合边缘计算中分布式处理的思想,提高运算速度和准确度。

    一种基于边缘计算的互感器异常监测方法与系统

    公开(公告)号:CN113391239A

    公开(公告)日:2021-09-14

    申请号:CN202110648925.7

    申请日:2021-06-10

    IPC分类号: G01R31/56 G01R35/02

    摘要: 本发明公开了一种基于边缘计算的互感器异常监测方法及系统,收集一次侧设备正常运行d天的运行数据作为正常样本数据,并进行分类,按类分别训练CNN特征提取模型、异常分类模型和KNN分类模型,计算正常样本数据的异常评分,得到正常运行时的一次侧设备异常分数分布参数估计;实时采集一次侧设备的实时运行数据,利用训练好的各个模型进行分类、特征提取和异常分数计算;将异常分数计算结果与所述正常运行时的一次侧互感器设备异常分数分布参数估计进行比较,预测该一次侧互感器设备是否会产生故障,并将预测结果发送至集中式数据处理中心。及时预测互感器可能出现的故障,以便相关维护人员能够及时进行检修工作。

    一种基于边缘计算的窃电检测方法

    公开(公告)号:CN112926645A

    公开(公告)日:2021-06-08

    申请号:CN202110196794.3

    申请日:2021-02-22

    IPC分类号: G06K9/62 G06Q50/06

    摘要: 本发明公开了一种基于边缘计算的窃电检测方法,涉及窃电检测方法领域,解决了边缘计算平台采集用户信息进行基于分类器的检测分析的分析模型不适宜导致计算复杂度高,硬件软件成本高的问题。本发明包括对历史用电信息数据进行聚类,进行多类别CNN特征提取模型的训练,传入多台边缘式数据处理中心中,使用CNN特征提取模型对历史用电数据进行特征提取后输入SVM进行训练,得到训练好的CNN‑SVM模型,将实时用户用电数据传入对应的边缘式据处理中心中,边缘式数据中心根据训练好的CNN‑SVM模型进行分类,得到预测是否为窃电用户的结果。本发明的聚类方法提高运算速度,特征提取器具有较好的收敛性能,准确度更好且计算复杂度低,适合边缘数据中心部署。

    一种基于边缘计算的窃电检测方法

    公开(公告)号:CN112926645B

    公开(公告)日:2022-11-15

    申请号:CN202110196794.3

    申请日:2021-02-22

    IPC分类号: G06K9/62 G06Q50/06

    摘要: 本发明公开了一种基于边缘计算的窃电检测方法,涉及窃电检测方法领域,解决了边缘计算平台采集用户信息进行基于分类器的检测分析的分析模型不适宜导致计算复杂度高,硬件软件成本高的问题。本发明包括对历史用电信息数据进行聚类,进行多类别CNN特征提取模型的训练,传入多台边缘式数据处理中心中,使用CNN特征提取模型对历史用电数据进行特征提取后输入SVM进行训练,得到训练好的CNN‑SVM模型,将实时用户用电数据传入对应的边缘式据处理中心中,边缘式数据中心根据训练好的CNN‑SVM模型进行分类,得到预测是否为窃电用户的结果。本发明的聚类方法提高运算速度,特征提取器具有较好的收敛性能,准确度更好且计算复杂度低,适合边缘数据中心部署。

    一种基于边缘计算的窃电检测方法及系统

    公开(公告)号:CN112991093A

    公开(公告)日:2021-06-18

    申请号:CN202110197301.8

    申请日:2021-02-22

    IPC分类号: G06Q50/06 G06N3/08 G06K9/62

    摘要: 本发明公开的一种基于边缘计算的窃电检测方法和系统,系统包括用电信息采集模块、集中式数据处理中心、分类边缘式数据中心和多个边缘式数据中心,窃电检测工作由集中式数据中心与边缘式数据中心(包括多个边缘式数据中心和分类边缘式数据中心)分工合作,由多个边缘式数据中心分担了集中式数据中心的大量计算工作,分散式计算,节约带宽同时提高计算效率;集中式数据中心只参与历史数据和检测数据的预处理过程、历史数据的聚类过程;令具有K均值聚类模型的分类边缘式数据中心来对检测数据进行分类,聚类方法符合边缘计算中分布式处理的思想,提高运算速度和准确度。

    一种基于边缘计算的互感器异常监测方法与系统

    公开(公告)号:CN113391239B

    公开(公告)日:2024-01-23

    申请号:CN202110648925.7

    申请日:2021-06-10

    IPC分类号: G01R31/56 G01R35/02

    摘要: 本发明公开了一种基于边缘计算的互感器异常监测方法及系统,收集一次侧设备正常运行d天的运行数据作为正常样本数据,并进行分类,按类分别训练CNN特征提取模型、异常分类模型和KNN分类模型,计算正常样本数据的异常评分,得到正常运行时的一次侧设备异常分数分布参数估计;实时采集一次侧设备的实时运行数据,利用训练好的各个模型进行分类、特征提取和异常分数计算;将异常分数计算结果与所述正常运行时的一次侧互感器设备异常分数分布参数估计进行比较,预测该一次侧互感器设备是否会产生故障,并将预测结果发送至集中式数据处理中心。及时预测互感器可能出现的故障,以便相关维护人员能够及时进行检修工作。