成果介绍
本成果提出一种电力设备故障检测方法及装置,旨在解决传统检测中故障知识库构建困难、数据处理效率低的问题。通过云中心获取边缘节点采集的电力设备正常运行实时数据及历史数据,利用主成分分析模型和多变量状态估计模型训练故障检测模型,下发至边缘节点实现实时检测。系统基于边缘计算框架,仅需设备正常运行数据即可快速建模,支持早期故障预警,适用于电网设备状态监测场景,提升故障检测的实时性与准确性。
成果亮点
成果创新性地融合边缘计算与智能算法:无需完整故障知识库,仅依赖正常运行数据建模,降低数据收集成本;边云协同架构实现模型训练与实时检测分离,检测效率提升 50% 以上;主成分分析降维结合多变量状态估计,故障识别准确率达 95%;滑动窗口法动态确定故障阈值,适应设备运行动态变化。该技术突破传统检测模式,形成 “云训练 - 边检测” 闭环,已在电网设备监测中验证有效性。
团队介绍
本成果研发团队由北京中电普华信息技术有限公司主导,汇聚电力系统分析、边缘计算、智能算法等领域专家。核心成员具备多年电力行业信息化项目经验,曾参与国家电网设备状态监测系统建设,在故障预测算法、边缘计算应用等方向积累深厚,致力于通过技术创新推动电力设备管理的智能化升级,提升电网运行安全性与可靠性。
成果资料