基于深度学习的配电物联网监测系统

专利主权项内容

1.一种基于深度学习的配电物联网监测系统，其特征在于，包括：配电监测模块，用于实时监测配电设备的各项参数数据，参数数据包括运行参数、环境参数以及使用参数；通信模块，用于监测数据的传输以及物联网连接的建立，将监测数据传输至云平台进行分析；云平台，其中云平台包括运行分析模块、环境分析模块以及使用分析模块，用于对相应监测数据进行储存、分析以及显示；基于对应监测数据分析结果，进行综合分析得到配电设备对应当前监测时间段的风险评估指数，具体为：S1：运行分析模块用于对配电设备对应当前监测时间段内的运行参数进行分析，得到配电设备对应当前监测时间段内的运行评估指数；其中运行参数包括有声响、温度以及电流值；S2：环境分析模块用于对配电设备对应当前监测时间段内的环境参数进行分析，得到配电设备对应当前监测时间段内的环境评估指数；其中环境参数包括风速、风向、灰尘浓度以及气体浓度；S3：使用分析模块用于对配电设备对应当前监测时间段内的使用参数进行分析，得到配电设备对应当前监测时间段内的使用评估指数；其中使用参数包括外壳与接地导线图像信息；将配电设备对应当前监测时间段的风险评估指数与设定影响阈值范围进行匹配，得到当前监测时间段内配电设备的风险评估等级，并发送至远程操作模块；远程操作模块，根据得到的风险评估等级，基于物联网连接对配电设备进行相应的风险警报，并执行对应的操作，具体为：M1：当风险评估等级为一级时，将相关参数信息发送至当前值班的管理人员移动终端上，管理人员通过移动终端对配电设备的运行状态进行远程调控，同时对配电设备当前状态进一步监控，判断是否需要进行现场维护；M2：当风险评估等级为二级时，通知当前值班管理人员的同时调配优效值最高的管理人员前往现场进行检修、维护或调控，值班管理人员通过移动终端对配电设备的运行状态进行远程监控；深度学习算法模块，用于收集和储存云平台的监测数据分析结果，并建立对应模型，模型包括预测故障诊断模型和可视化模型。