一种主备式交直流电源监测框架及云边端协同处理方法与流程

本发明涉及变电站用交直流电源监测，具体地说涉及一种主备式交直流电源监测框架及云边端协同处理方法。

背景技术：

1、主备式交直流电源监控智慧终端能够实时监控变电站的交直流电源系统电源设备的状态，包括电压、电流、温度等参数。这使得交直流电源的运维人员可以更快速地检测问题并采取措施，以避免潜在的电源供电中断。这些设备的应用有助于提高电力系统的可靠性、安全性和效率。但与传统方法相比，主备式交直流电源监测智慧终端存在设备硬件成本高、数据处理方法复杂，维护和更新难度高、存在隐私安全风险等问题。

2、在目前变电站主备式交直流电源监控智慧终端使用的云-端架构中，一般将所有的监测任务上传至云服务器进行处理，不但增加了云服务器的计算负担与存储压力，消耗大量的能源，而且通信带来的较长传输时延，无法满足交直流电源监控系统的时效性要求，为了降低成本、提高性能、节约能源，实现更可靠、高效、快速的变电站交直流电源监测，本发明提出一种主备式交直流电源监测框架及云边端协同处理方法。

技术实现思路

1、本发明所要解决的技术问题是提供一种降低成本、提高性能，实现更可靠、高效的主备式交直流电源监测框架及云边端协同处理方法。

2、为了解决上述技术问题，本发明采用如下技术方案：一种主备式交直流电源监测框架，包括主监控系统与主监控系统组成相同且可在主监控系统损坏后投入使用的备用监控系统的“主-从”架构，以及监测框架中融合的云边端协同处理功能，且主监控系统包括：

3、多个电源监测单元，均具有激活、监测和休眠三种状态，且休眠状态下，用于监测相应电源的电流、电压或电流或电压，监测状态下，用于监测相应电源的电流、电压或电流或电压等其他相关参数；

4、判断控制单元，用于判断不同电源监测单元休眠状态下获得的参数是否正常，并根据判断结果决定是否激活相应电源监测单元使其处于监测状态；

5、调控单元，用于判断不同电源监测单元相应监测电源负载率，并根据电源负载率将相应电源监测单元在高性能监测模式、一般监测模式以及节能监测模式间切换；

6、边缘计算处理单元，内部署有用于识别不同电源监测单元异常状态的识别模型，用于将不同电源监测单元在监测状态下获得的相关参数进行实时分析并通过识别模型进行危急、告警和正常状态的评估；

7、报警单元，用于接收边缘计算处理单元评估结果，若评估为危急或告警状态，生成警报。

8、进一步的，多个电源监测单元至少包括：

9、交流电源监测单元：休眠状态下，用于监测交流电源的电流、电压并获得相关参数，监测状态下，用于监测交流电源的电流、电压、功率、剩余电流及温度并获得相关参数；

10、直流电源监测单元：休眠状态下，用于监测直流电源的蓄电池单体电压并获得相关参数，监测状态下，用于监测直流电源的蓄电池单体电压、内阻、温度、馈线支路绝缘状态以及空气开关脱扣告警状态并获得相关参数；

11、ups电源监测单元：休眠状态下，用于监测ups电源的ups主机输入输出电压以及inv电源系统的输入输出电压并获得相关参数，监测状态下，用于监测ups电源的ups主机输入输出电压、频率、负载百分比、ups主机告警状态及馈线状态、inv电源系统的输入输出电压并获得相关参数；

12、进一步的，通过电源监测单元监测的电压以及电流参数均经过解耦和标幺化处理。

13、进一步的，还包括：

14、低功耗图像采集单元，用于在报警单元生成警报时，对被监测电源进行拍摄且将图像信号传输至上级中控平台。

15、进一步的，在电源监测单元中，可通过判定相应监测电源的重要程度，实现电源监测单元中的监测元件的增减。

16、一种云边端协同处理方法，应用于所述的主备式交直流电源监测框架，包括以下步骤：

17、s1，在上级中控平台训练初始异常状态识别模型，并将模型部署在边缘计算处理单元；

18、s2，在边缘计算处理单元对异常状态识别模型进行进一步训练，得到最终用于故障监测的异常状态识别模型；

19、s3，以低时延、低能耗为优化目标，构建上级中控平台任务分配的目标函数；

20、s4，采用遗传算法求解出s3中多目标函数的最优解α矩阵；

21、s5，边缘计算处理单元根据s4计算得到的α矩阵执行分配到的故障监测任务，剩余未分配的故障监测任务由上级中控平台处理；

22、s6，通过测试样本集判断故障监测结果的可靠性，若不可靠则重新训练模型、构建目标函数求解。

23、进一步的，s1具体包括：

24、s1.1，上级中控平台从不同电源监测单元获取大量监测参数，形成云中的数据集；

25、s1.2，上级中控平台根据获取到的数据集进行异常状态识别模型的初始训练，且定义交叉熵损失函数来衡量预测输出与真实标签之间的误差：

26、s1.3，训练resnet神经网络的参数，不断迭代，直到迭代次数大于设定值；

27、s1.4，上级中控平台将训练好的初始异常状态识别模型部署在边缘计算处理单元。

28、进一步的，s2具体包括：

29、s2.1，边缘计算处理单元采集本地的电源监测单元的监测参数，形成本地数据集；

30、s2.2，边缘计算处理单元通过本地数据集对异常状态识别模型进行进一步训练，完成模型的更新。

31、进一步的，s3具体包括：

32、s3.1,边缘计算处理单元中的异常状态识别模型应包含n项任务；

33、s3.2，测量每一项任务在边缘计算处理单元和上级中控平台处理消耗的时间，且在上级中控平台进行处理的时间应包括数据传输时间和任务处理时间两项；

34、s3.3，测量每一项任务在边缘计算处理单元和上级中控平台处理产生的能耗；

35、s3.4，建立边缘计算处理单元和上级中控平台的任务分配矩阵；

36、s3.5，依据s3.2至s3.4建立时延目标函数、能耗目标函数，并以此构建低时延、低能耗为优化目标的多目标函数。

37、进一步的，s4具体包括：

38、s4.1，初始化种群，设定种群包含的个体数为m，即随机产生m个α矩阵作为初始种群p0，每个α矩阵为种群中的一个个体，每个个体的长度为任务个数n；

39、s4.2,定义适应度函数为求解的多目标函数的倒数

40、

41、其中，f为某一个体的适应度，f1为时延目标函数，f2为能耗目标函数，分别为低时延目标与低能耗目标的权重；

42、s4.3，确定遗传策略，遗传策略包括选择、交叉和突变策略,且选择策略采用轮盘赌法，交叉策略采用单点交叉的方法，且交叉策略的交叉率为pc∈(0,1)，突变策略采用随机突变，且突变策略的突变率为pm∈(0,1)；

43、s4.4，计算当前种群中每个个体的适应度f以及当前种群的平均适应度favg；

44、s4.5，对当前种群采用轮盘赌法进行选择操作；

45、s4.6，将种群中的个体搭配成对，对于每一对个体，通过迭代次数判断所处时期，若处于算法前期，使用预设的交叉概率，若处于后期，根据自适应公式计算自适应交叉概率pc，然后随机产生r∈(0,1)，若r≤pc,则对这一对个体进行单点交叉操作；

46、s4.7，通过迭代次数判断所处时期，若处于算法前期，则使用预设的突变概率，若处于后期，计算当前种群中的所有个体的自适应突变概率pm，然后随机产生r∈(0,1)，若r≤pm,则对该个体进行随机突变操作；

47、s4.8，重复迭代s4.4至s4.7直至满足终止条件。

48、s4.9，找出满足终止条件的种群中适应度最大的个体，该个体即为所求得的最优解。

49、本发明的有益效果体现在：

50、本发明的主备式交直流电源监测框架及云边端协同处理方法：

51、1.基于“主-从”结构的系统框架，当主备式交直流电源监测框架的主监控系统异常或故障后，备用监控系统能迅速投运，保证监测、存储、控制系统完备，保证系统安全运行；

52、2.电源监测单元在休眠模式下只检测电压、电流，实现低功耗运行，在监测状态下可根据相应的电源负载情况，在高性能监测、一般监测模式和节能监测模式三种模式下切换，分别对应不同的监测方案，在实际供电场景多变的情况下，提升供电方案可靠性，并降低监测成本；

53、3.电源监测单元在监测状态下还监测对应电源除电压、电流的其他相关电力参数数据，这有助于提高电力系统的稳定性和电能质量；

54、4.通过云边端协同处理数据的功能，使得将识别不同电源监测单元异常状态的识别模型在上级中控平台进行初步训练，然后部署在边缘计算处理单元进行强化训练，以低时延、低能耗为优化目标，采用遗传算法进行任务的合理分配通过对边缘计算单元和上级中控平台进行合理的任务分配，以更低的能耗实现了对电源运行状态快速、低成本的状态评估，这意味着可以更快速地识别和响应电源系统中的异常情况，从而提高了系统的可维护性和可管理性。