一种电力设备故障检测方法、装置及系统制造方法及图纸

本申请公开了一种电力设备故障检测方法、装置及系统，本申请基于参照联邦学习架构构建的故障检测模型，通过将由联邦学习协作模型根据接收到的加密模型参数进行融合优化后的优化模型参数下发给电力设备以便对配置于电力设备中的本地故障检测模型进行更新，再以更新完成后的本地故障检测模型实施故障检测，借助联邦学习的交互方式，联合其他电力设备的数据进行联合故障检测，解决现有的存在故障检测准确度低的技术问题。

【技术实现步骤摘要】
一种电力设备故障检测方法、装置及系统
本申请涉及电力设备检测领域，尤其涉及一种电力设备故障检测方法、装置及系统。
技术介绍
随着电力技术的发展，如今的电力设备已然成为了电网系统中重要组成部分之一，为了保障电网系统的正常运作，首先确保电力设备能够正常运作是必要的前提。目前针对电力设备的故障检测问题，通常会采用神经网络进行分析，常规的实施方式包括：中心化的检测方式和去中心化的检测方式，中心化的检测方式会给数据中心产生巨大的运算负荷，而去中心化的检测方式通过在电力设备中搭载神经网络模型，利用设备本地搭载的神经网络模型，结合电力设备本地的数据进行数据分析和故障检测，能一定程度上降低数据中心的运算负荷，但存在故障检测准确度低的技术问题。
技术实现思路
本申请提供了一种电力设备故障检测方法、装置及系统，用于解决现有的存在故障检测准确度低的技术问题。本申请第一方面提供了一种电力设备故障检测方法，应用于电力设备，包括：采集设备运行数据；将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；其中，所述优化模型参数的配置过程为：所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。可选地，所述加密模型参数的配置过程为：获取设备运行样本数据；将所述设备运行样本数据输入至初始神经网络模型，对所述初始神经网络模型进行训练，以获得所述本地故障检测模型以及所述本地故障检测模型的设备模型参数；通过同态加密方式对所述设备模型参数进行加密，得到加密模型参数。可选地，所述得到故障检测结果之后还包括：将所述故障检测结果上传至所述数据中心，使得所述数据中心基于接收到的所述故障检测结果对联邦学习协作模型进行更新后，将更新后的优化模型参数反馈给所述电力设备。可选地，所述加密模型参数具体包括：加密损失函数和加密梯度参数。本申请第二方面提供了一种电力设备故障检测装置，包括：运行数据采集单元，用于采集设备运行数据；故障检测单元，用于将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；其中，所述优化模型参数的配置过程为：所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。可选地，所述加密模型参数的配置过程为：获取设备运行样本数据；将所述设备运行样本数据输入至初始神经网络模型，对所述初始神经网络模型进行训练，以获得所述本地故障检测模型以及所述本地故障检测模型的设备模型参数；通过同态加密方式对所述设备模型参数进行加密，得到加密模型参数。可选地，还包括：检测结果上传单元，用于将所述故障检测结果上传至所述数据中心，使得所述数据中心基于接收到的所述故障检测结果对联邦学习协作模型进行更新后，将更新后的优化模型参数反馈给所述电力设备。可选地，所述加密模型参数具体包括：加密损失函数和加密梯度参数。本申请第三方面提供了一种电力设备故障检测系统，包括：电力设备和数据中心；所述电力设备中配置有如本申请第二方面所述电力设备故障检测装置，且通过电网通信线路与所述数据中心通信连接。从以上技术方案可以看出，本申请实施例具有以下优点：本申请提供了一种电力设备故障检测方法，应用于电力设备，包括：采集设备运行数据；将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；其中，所述优化模型参数的配置过程为：所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。本申请基于参照联邦学习架构构建的故障检测模型，通过将由联邦学习协作模型根据接收到的加密模型参数进行融合优化后的优化模型参数下发给电力设备以便对配置于电力设备中的本地故障检测模型进行更新，再以更新完成后的本地故障检测模型实施故障检测，借助联邦学习的交互方式，联合其他电力设备的数据进行联合故障检测，解决现有的存在故障检测准确度低的技术问题。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本申请提供的一种电力设备故障检测方法的第一个实施例的流程示意图；图2为本申请提供的一种电力设备故障检测方法的第二个实施例的流程示意图；图3为本申请提供的一种电力设备故障检测装置的第一个实施例的结构示意图；图4为本申请提供的一种电力设备故障检测系统的第一个实施例的结构示意图。具体实施方式目前针对电力设备的故障检测问题，通常会采用神经网络进行分析，常规的实施方式包括：中心化的检测方式和去中心化的检测方式，中心化的检测方式会给数据中心产生巨大的运算负荷，而去中心化的检测方式通过在电力设备中搭载神经网络模型，利用设备本地搭载的神经网络模型，结合电力设备本地的数据进行数据分析和故障检测，能一定程度上降低数据中心的运算负荷，但由于去中心化检测方式仅通过将本地的数据输入模型进行故障检测，由于各个本地故障检测模型均处于相互独立的状态，数据量匮乏，导致故障检测准确度低的技术问题。本申请实施例提供了一种电力设备故障检测方法、装置及系统，用于解决现有的存在故障检测准确度低的技术问题。为使得本申请的专利技术目的本文档来自技高网...

【技术保护点】
1.一种电力设备故障检测方法，应用于电力设备，其特征在于，包括：/n采集设备运行数据；/n将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；/n其中，所述优化模型参数的配置过程为：/n所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；/n所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。/n

【技术特征摘要】
1.一种电力设备故障检测方法，应用于电力设备，其特征在于，包括：
采集设备运行数据；
将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；
其中，所述优化模型参数的配置过程为：
所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；
所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。


2.根据权利要求1所述的一种电力设备故障检测方法，其特征在于，所述加密模型参数的配置过程为：
获取设备运行样本数据；
将所述设备运行样本数据输入至初始神经网络模型，对所述初始神经网络模型进行训练，以获得所述本地故障检测模型以及所述本地故障检测模型的设备模型参数；
通过同态加密方式对所述设备模型参数进行加密，得到加密模型参数。


3.根据权利要求1所述的一种电力设备故障检测方法，其特征在于，所述得到故障检测结果之后还包括：
将所述故障检测结果上传至所述数据中心，使得所述数据中心基于接收到的所述故障检测结果对联邦学习协作模型进行更新后，将更新后的优化模型参数反馈给所述电力设备。


4.根据权利要求1所述的一种电力设备故障检测方法，其特征在于，所述加密模型参数具体包括：加密损失函数和加密梯度参数。


5.一种电力设备故障检测装置，其特征在于，包括：
运行数据采集单元，用于采集设备运行数据；
...

【专利技术属性】
技术研发人员：郑楷洪，肖勇，石少青，周密，赵云，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：广东;44