CN117767553A - 基于云边协同的电气设备保护方法及系统 - Google Patents

Abstract

本申请提供了基于云边协同的电气设备保护方法及系统，涉及设备保护技术领域，所述方法包括：采集电气设备的实时运行参数和运行状态信息，下载历史数据然后进行故障分析构建故障初步识别模型，然后获取初步识别结果，通过云端服务器进行模式识别，获取识别结果，然后生成保护指令和控制信号并接收，进行边缘执行与反馈获取反馈结果，最后进行设备保护评估与优化。本申请主要解决了现有方法响应速度慢、数据处理能力不足，实时性较低，无法满足现代工业生产的需求的问题。可以实现对海量数据的实时处理和分析，为电气设备保护提供更准确的数据支持。通过边缘计算实现实时的数据采集和处理，提高设备的响应速度和保护能力。

Description

基于云边协同的电气设备保护方法及系统

技术领域

本申请涉及设备保护技术领域，具体涉及基于云边协同的电气设备保护方法及系统。

背景技术

随着科技的进步和工业的快速发展，电气设备在各个领域的应用越来越广泛，如电力、交通、通信、制造等。然而，由于设备老化、过载、短路、过电压、欠电压、缺相、过热等因素，电气设备往往会出现故障或损坏，给生产和人民生活带来很大的损失和安全隐患。因此，对电气设备进行有效的保护是确保其安全、稳定、高效运行的关键。通过采取适当的保护措施，可以防止设备故障的发生，减少故障造成的损失，提高设备的可靠性和使用寿命。同时，随着智能化和网络化技术的不断发展，电气设备保护也面临着新的挑战和要求。传统的保护方式往往存在着响应速度慢、数据处理能力不足等问题，无法满足现代工业生产的需求。因此，需要采用先进的保护技术，如云计算、边缘计算等，实现对电气设备的实时监测、数据采集和处理、故障诊断和预测等功能，提高设备的保护水平和运维效率。传统的电气设备保护方法往往存在着响应速度慢、数据处理能力不足等问题，无法满足现代工业生产的需求。

但在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有方法响应速度慢、数据处理能力不足，实时性较低，无法满足现代工业生产的需求的问题。

发明内容

本申请主要解决了现有方法响应速度慢、数据处理能力不足，实时性较低，无法满足现代工业生产的需求的问题。

鉴于上述问题，本申请提供了基于云边协同的电气设备保护方法及系统，第一方面，本申请提供了基于云边协同的电气设备保护方法，所述方法包括：通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，所述实时运行参数包括电流参数、电压参数、温度参数、功率参数；连接电气设备保护系统的数据存储单元，下载历史数据，并在所述监测设备中的边缘计算单元上对所述历史数据进行故障分析，构建故障初步识别模型；通过所述运行状态信息与所述历史数据之间的映射关系，将所述实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果，并将所述初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取扩初识别结果，所述扩初识别结果包括预保护策略，所述云端服务器中记载包括电气设备的各类故障案例集群；通过所述扩初识别结果生成保护指令和控制信号，并将所述保护指令和控制信号下发至边缘计算单元以及对应的电气设备；在接收到所述保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过所述边缘反馈结果对所述扩初识别结果进行设备保护评估与优化。

第二方面，本申请提供了基于云边协同的电气设备保护系统，所述系统包括：运行信息采集模块，所述运行信息采集模块用于通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，所述实时运行参数包括电流参数、电压参数、温度参数、功率参数；历史数据下载模块，所述历史数据下载模块用于连接电气设备保护系统的数据存储单元，下载历史数据，并在所述监测设备中的边缘计算单元上对所述历史数据进行故障分析，构建故障初步识别模型；扩初识别结果获取模块，所述扩初识别结果获取模块用于通过所述运行状态信息与所述历史数据之间的映射关系，将所述实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果，并将所述初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取扩初识别结果，所述扩初识别结果包括预保护策略，所述云端服务器中记载包括电气设备的各类故障案例集群；信号下发模块，所述信号下发模块用于通过所述扩初识别结果生成保护指令和控制信号，并将所述保护指令和控制信号下发至边缘计算单元以及对应的电气设备；设备保护模块，所述设备保护模块用于在接收到所述保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过所述边缘反馈结果对所述扩初识别结果进行设备保护评估与优化。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供了基于云边协同的电气设备保护方法及系统，涉及设备保护技术领域，所述方法包括：采集电气设备的实时运行参数和运行状态信息，下载历史数据然后进行故障分析构建故障初步识别模型，然后获取初步识别结果，通过云端服务器进行模式识别，获取识别结果，然后生成保护指令和控制信号并接收，进行边缘执行与反馈获取反馈结果，最后进行设备保护评估与优化。

本申请主要解决了现有方法响应速度慢、数据处理能力不足，实时性较低，无法满足现代工业生产的需求的问题。可以实现对海量数据的实时处理和分析，为电气设备保护提供更准确的数据支持。通过边缘计算实现实时的数据采集和处理，提高设备的响应速度和保护能力。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本申请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的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供了基于云边协同的电气设备保护方法流程示意图；

图2为本申请实施例提供了基于云边协同的电气设备保护方法中将触发条件添加至所述监测设备中的边缘计算单元的方法流程示意图；

图3为本申请实施例提供了基于云边协同的电气设备保护方法中判断电气设备是否需要进行更换的方法流程示意图；

图4为本申请实施例提供了基于云边协同的电气设备保护系统的结构示意图。

附图标记说明：运行信息采集模块10，历史数据下载模块20，扩初识别结果获取模块30，信号下发模块40，设备保护模块50。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请主要解决了现有方法响应速度慢、数据处理能力不足，实时性较低，无法满足现代工业生产的需求的问题。可以实现对海量数据的实时处理和分析，为电气设备保护提供更准确的数据支持。通过边缘计算实现实时的数据采集和处理，提高设备的响应速度和保护能力。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍：

实施例一

如图1所示基于云边协同的电气设备保护方法，所述方法包括：

通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，所述实时运行参数包括电流参数、电压参数、温度参数、功率参数；

具体而言，通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，这些实时运行参数包括电流参数、电压参数、温度参数、功率参数等。通过监测设备的电流传感器，可以实时采集电气设备中的电流值，包括电流大小、电流方向、电流波形等。通过对电流参数的分析和处理，可以判断设备的运行状态，及时发现潜在的故障隐患。通过监测设备的电压传感器，可以实时采集电气设备中的电压值，包括电压大小、电压波形等。通过对电压参数的分析和处理，可以判断设备的运行状态，及时发现潜在的故障隐患。通过监测设备的温度传感器，可以实时采集电气设备中的温度值，包括温度大小、温度变化趋势等。通过对温度参数的分析和处理，可以判断设备的运行状态，及时发现潜在的故障隐患。通过监测设备的功率传感器，可以实时采集电气设备中的功率值，包括功率大小、功率变化趋势等。通过对功率参数的分析和处理，可以判断设备的运行状态，及时发现潜在的故障隐患。通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，可以实现对电气设备的高效保护和运维。

连接电气设备保护系统的数据存储单元，下载历史数据，并在所述监测设备中的边缘计算单元上对所述历史数据进行故障分析，构建故障初步识别模型；

具体而言，连接电气设备保护系统的数据存储单元，下载历史数据，并在监测设备中的边缘计算单元上对历史数据进行故障分析，构建故障初步识别模型，可以实现对电气设备故障的准确诊断和预测。连接电气设备保护系统的数据存储单元：通过与数据存储单元的连接，可以获取电气设备的历史运行数据。这些数据包括电流、电压、温度等参数的实时监测数据，以及设备的运行状态信息等。下载历史数据：通过与数据存储单元的连接，可以将历史数据下载到监测设备中。这些数据可以包括设备的运行状态、故障记录、维修记录等，为后续的故障分析提供基础数据。在监测设备中的边缘计算单元上对历史数据进行故障分析：边缘计算单元可以对历史数据进行实时处理和分析，提取出与设备故障相关的特征和模式。通过对历史数据的分析，可以发现设备故障的规律和趋势，为后续的故障预测和诊断提供依据。构建故障初步识别模型：通过对历史数据的分析，可以构建故障初步识别模型。该模型可以根据设备的运行状态和历史数据，对设备故障进行初步识别和预测。该模型可以基于机器学习、深度学习等技术实现，通过对历史数据的训练和学习，不断提高模型的准确性和可靠性。通过以上步骤，可以实现电气设备故障的准确诊断和预测。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

通过所述运行状态信息与所述历史数据之间的映射关系，将所述实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果，并将所述初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取扩初识别结果，所述扩初识别结果包括预保护策略，所述云端服务器中记载包括电气设备的各类故障案例集群；

具体而言，通过运行状态信息与历史数据之间的映射关系，将实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果。然后将初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取更准确的识别结果。该识别结果包括预保护策略，云端服务器中记载包括电气设备的各类故障案例集群。通过运行状态信息与历史数据之间的映射关系，将实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中：通过运行状态信息与历史数据之间的映射关系，将实时运行参数映射到对应的边缘计算单元中的故障初步识别模型中。这样可以利用边缘计算单元的计算能力和故障初步识别模型的分析能力，对实时运行参数进行故障识别和分析。得到初步识别结果：通过边缘计算单元中的故障初步识别模型对实时运行参数进行分析和处理，得到初步的故障识别结果。该结果可以包括设备是否存在故障、故障的类型和严重程度等信息。将初步识别结果上传至云端服务器：将初步识别结果上传至云端服务器，以便进行模式识别、故障预测和故障诊断。这样可以利用云端服务器的计算能力和存储能力，对初步识别结果进行更深入的分析和处理。进行模式识别、故障预测和故障诊断：在云端服务器中，利用模式识别技术对初步识别结果进行分类和识别，确定设备故障的类型和严重程度。同时，利用历史数据和故障案例集群进行故障预测和诊断，为设备提供更准确的保护策略。获取更准确的识别结果：通过模式识别、故障预测和故障诊断，可以获取更准确的识别结果。该结果可以包括设备的故障类型、预测的故障时间和推荐的预保护策略等信息。将实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，可以实现对电气设备的高效保护和运维。同时，利用云端服务器的计算能力和存储能力，可以对初步识别结果进行更深入的分析和处理，为设备提供更准确的保护策略。

通过所述扩初识别结果生成保护指令和控制信号，并将所述保护指令和控制信号下发至边缘计算单元以及对应的电气设备；

具体而言，通过扩初识别结果生成保护指令和控制信号，并将保护指令和控制信号下发至边缘计算单元以及对应的电气设备，可以实现对电气设备的实时保护和控制。通过扩初识别结果生成保护指令和控制信号：根据更准确的识别结果，即扩初识别结果，生成相应的保护指令和控制信号。这些指令和信号可以包括设备的启动、停止、参数调整等操作指令，以及设备运行状态的控制信号等。将保护指令和控制信号下发至边缘计算单元：将生成的保护指令和控制信号下发至边缘计算单元。这样，边缘计算单元可以根据接收到的指令和信号，对电气设备进行相应的操作和控制。将保护指令和控制信号下发至对应的电气设备：除了将保护指令和控制信号下发至边缘计算单元外，还需要将它们下发至对应的电气设备。这样，电气设备可以根据接收到的指令和信号，进行相应的动作和调整，实现设备的实时保护和控制。通过以上步骤，可以实现基于云边协同的电气设备保护方法。通过云计算和边缘计算技术的结合，实现对电气设备的实时监测、故障诊断和预测、保护指令和控制信号的下发等功能，提高设备的保护水平和运维效率。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

在接收到所述保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过所述边缘反馈结果对所述扩初识别结果进行设备保护评估与优化。

具体而言，在接收到保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过边缘反馈结果对扩初识别结果进行设备保护评估与优化，可以进一步提高设备保护的准确性和效率。边缘执行与反馈：在接收到保护指令和控制信号后，边缘计算单元会根据指令和信号对电气设备进行相应的操作和控制。同时，边缘计算单元还会实时监测设备的运行状态和反馈结果，并将这些结果上传至云端服务器。获取边缘反馈结果：在云端服务器中，通过接收边缘计算单元上传的反馈结果，可以获取设备的实时运行状态和性能数据。这些数据可以包括设备的电流、电压、温度等参数的实时监测数据，以及设备的运行状态信息等。对扩初识别结果进行设备保护评估与优化：在获取到边缘反馈结果后，可以利用这些数据对扩初识别结果进行设备保护评估与优化。通过对反馈结果的分析和处理，可以验证初步识别结果的准确性和可靠性，并根据实际情况进行优化和调整。通过以上步骤，可以实现基于云边协同的电气设备保护方法的进一步优化。通过边缘执行与反馈、获取边缘反馈结果以及对扩初识别结果进行设备保护评估与优化，可以进一步提高设备保护的准确性和效率。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

进一步而言，如图2所示，本申请方法包括：

通过电气设备的使用说明书，建立电气异常检测标准；

通过所述电气异常检测标准，设置触发条件；

将所述触发条件添加至所述监测设备中的边缘计算单元。

具体而言，通过电气设备的使用说明书，建立电气异常检测标准；通过电气异常检测标准，设置触发条件；将触发条件添加至监测设备中的边缘计算单元，可以实现对电气设备异常的准确检测和预警。通过电气设备的使用说明书，建立电气异常检测标准：建立电气异常检测标准。这些标准可以包括设备的正常运行参数范围、异常运行参数范围、故障类型和等级等。通过电气异常检测标准，设置触发条件：根据建立的电气异常检测标准，设置相应的触发条件。这些触发条件可以包括电流、电压、温度等参数的异常变化范围、设备运行状态的异常变化等。当监测设备中的边缘计算单元检测到满足触发条件的情况时，会触发相应的报警或保护动作。将触发条件添加至监测设备中的边缘计算单元：将设置的触发条件添加至监测设备中的边缘计算单元。这样，边缘计算单元可以根据设置的触发条件对实时运行参数进行监测和分析，当检测到满足触发条件的情况时，会触发相应的报警或保护动作。通过以上步骤，可以实现基于云边协同的电气设备保护方法的进一步优化。通过建立电气异常检测标准、设置触发条件并将它们添加至监测设备中的边缘计算单元，可以实现对电气设备异常的准确检测和预警。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

进一步而言，如图3所示，本申请方法包括：

通过所述扩初识别结果与扩初识别结果，进行设备损耗预估评级，获取设备损耗评分；

通过所述实时运行参数和运行状态信息，进行设备运行效率评估，获取设备运行效率评分；

将所述设备损耗评分和设备运行效率评分进行综合分析，得到电气设备的综合性能评分，与预设标准进行比较，判断电气设备是否需要进行更换。

具体而言，通过扩初识别结果与设备损耗预估评级，获取设备损耗评分；通过实时运行参数和运行状态信息，进行设备运行效率评估，获取设备运行效率评分；将设备损耗评分和设备运行效率评分进行综合分析，得到电气设备的综合性能评分，与预设标准进行比较，判断电气设备是否需要进行更换。通过扩初识别结果与设备损耗预估评级，获取设备损耗评分：根据扩初识别结果，对电气设备的损耗进行预估评级，并获取相应的设备损耗评分。该评分可以反映设备的老化程度、磨损程度等信息。通过实时运行参数和运行状态信息，进行设备运行效率评估，获取设备运行效率评分：通过对实时运行参数和运行状态信息的监测和分析，可以对电气设备的运行效率进行评估，并获取相应的设备运行效率评分。该评分可以反映设备的运行性能、稳定性等信息。将设备损耗评分和设备运行效率评分进行综合分析，得到电气设备的综合性能评分：将设备损耗评分和设备运行效率评分进行综合分析，可以得到电气设备的综合性能评分。该评分可以反映设备的整体性能和状况。与预设标准进行比较，判断电气设备是否需要进行更换：将综合性能评分与预设标准进行比较，可以判断电气设备是否需要进行更换。如果综合性能评分低于预设标准，说明设备存在较严重的性能问题或故障隐患，需要进行更换或维修。过以上步骤，可以实现基于云边协同的电气设备保护方法的进一步优化。通过设备损耗预估评级、设备运行效率评估、综合性能评分与预设标准的比较，可以实现对电气设备的全面评估和故障预警。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

进一步而言，本申请方法包括：

对所述云端服务器进行处理计时，并判断是否超出预设响应阈值；

若超出预设响应阈值，根据所述目标检测区域的电气设备的故障影响程度从大到小的顺序进行排序，得到故障影响程度序列；

对照所述故障影响程度序列，设置预设时间窗口，通过所述预设时间窗口，对所述实时运行参数进行滑动平均值计算，得到运行参数滑动均值；

将所述运行参数滑动均值作为补充数据，添加至所述初步识别结果中。

具体而言，对云端服务器进行处理计时，并判断是否超出预设响应阈值；若超出预设响应阈值，根据目标检测区域的电气设备的故障影响程度从大到小的顺序进行排序，得到故障影响程度序列；对照故障影响程度序列，设置预设时间窗口，通过预设时间窗口，对实时运行参数进行滑动平均值计算，得到运行参数滑动均值；将运行参数滑动均值作为补充数据，添加至初步识别结果中。对云端服务器进行处理计时：对云端服务器进行计时，记录其处理时间和响应时间。这可以反映云端服务器的处理能力和响应速度。判断是否超出预设响应阈值：将计时结果与预设的响应阈值进行比较，判断是否超出阈值。如果超出阈值，说明云端服务器的处理能力和响应速度可能存在问题。根据故障影响程度排序：如果超出预设响应阈值，根据目标检测区域的电气设备的故障影响程度从大到小的顺序进行排序，得到故障影响程度序列。这样可以优先处理影响较大的故障。设置预设时间窗口：根据故障影响程度序列和设备的重要程度，设置一个预设的时间窗口。这个时间窗口可以确定在哪个时间段内对实时运行参数进行滑动平均值计算。计算滑动平均值：在预设的时间窗口内，对实时运行参数进行滑动平均值计算。滑动平均值可以消除短期波动，反映长期趋势，为故障分析提供更准确的数据。添加补充数据：将计算得到的滑动平均值作为补充数据，添加至初步识别结果中。这样可以为后续的故障分析和预测提供更全面的数据支持。通过以上步骤，可以进一步提高基于云边协同的电气设备保护方法的准确性和效率。通过对云端服务器的处理计时、故障影响程度排序、滑动平均值计算等步骤，可以更好地利用实时数据和历史数据，为电气设备提供更准确、更及时的保护和运维支持。

进一步而言，本申请方法包括：

通过电气设备的历史数据进行可靠性评估，得到第一评估结果；

通过电气设备的历史数据进行稳定性评估，得到第二评估结果；

通过所述第一评估结果、第二评估结果，对所述预设时间窗口的时间长度进行调配。

具体而言，通过电气设备的历史数据进行可靠性评估，得到第一评估结果；通过电气设备的历史数据进行稳定性评估，得到第二评估结果；通过第一评估结果、第二评估结果，对预设时间窗口的时间长度进行调配。通过电气设备的历史数据进行可靠性评估，得到第一评估结果：利用电气设备的历史数据，包括运行状态、故障记录、维修记录等，进行可靠性评估。通过分析历史数据，可以评估设备的可靠性水平，得到第一评估结果。通过电气设备的历史数据进行稳定性评估，得到第二评估结果：同样利用电气设备的历史数据，包括运行参数、波动情况等，进行稳定性评估。通过分析历史数据，可以评估设备的稳定性水平，得到第二评估结果。根据第一评估结果、第二评估结果，对预设时间窗口的时间长度进行调配：根据第一评估结果和第二评估结果，可以判断设备的可靠性和稳定性水平。根据这些信息，可以对预设时间窗口的时间长度进行调配。如果设备可靠性较低或稳定性较差，可以适当缩短时间窗口，提高对实时数据的利用效率；反之，如果设备可靠性较高或稳定性较好，可以适当延长时间窗口，以获得更平滑的滑动平均值。过以上步骤，可以进一步优化基于云边协同的电气设备保护方法。通过对设备历史数据的可靠性评估和稳定性评估，以及对预设时间窗口的调配，可以更好地利用历史数据和实时数据，为电气设备提供更准确、更全面的保护和运维支持。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

进一步而言，本申请方法包括：

获取所述扩初识别结果中的故障预测结果，所述故障预测结果包括预计故障类型、预计故障位置、预计故障程度；

根据所述故障预测结果，生成预保护策略，所述预保护策略包括维修步骤和预计维修时间；

在维修过程中进行实时监控，并新增至所述各类故障案例集群。

具体而言，获取扩初识别结果中的故障预测结果，包括预计故障类型、预计故障位置、预计故障程度；根据故障预测结果，生成预保护策略，包括维修步骤和预计维修时间；在维修过程中进行实时监控，并新增至各类故障案例集群。获取扩初识别结果中的故障预测结果：从扩初识别结果中提取出故障预测结果，包括预计故障类型、预计故障位置、预计故障程度等信息。这些信息可以为后续的维修和保护策略制定提供重要参考。根据故障预测结果生成预保护策略：根据故障预测结果，生成相应的预保护策略。预保护策略包括维修步骤和预计维修时间等具体内容。这些策略可以为维修人员提供明确的指导，确保维修过程的顺利进行。在维修过程中进行实时监控：在执行预保护策略进行维修的过程中，进行实时监控。实时监控可以确保维修过程的顺利进行，及时发现并解决问题。同时，实时监控还可以为后续的故障案例分析提供重要数据支持。新增至各类故障案例集群：将维修过程中的实时监控数据和历史数据新增至各类故障案例集群中。这些数据可以作为其他类似故障案例的参考，为后续的故障分析和预防提供重要支持。通过以上步骤，可以进一步完善基于云边协同的电气设备保护方法。通过对设备故障的预测和预保护策略的制定，以及对维修过程的实时监控和数据新增，可以实现对电气设备的全面保护和运维支持。同时，通过对历史数据的分析和处理，可以为设备的优化和改进提供数据支持，提高设备的运行效率和可靠性。

实施例二

基于与前述实施例基于云边协同的电气设备保护方法相同的发明构思，如图4所示，本申请提供了基于云边协同的电气设备保护系统，所述系统包括：

运行信息采集模块10，所述运行信息采集模块10用于通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，所述实时运行参数包括电流参数、电压参数、温度参数、功率参数；

历史数据下载模块20，所述历史数据下载模块20用于连接电气设备保护系统的数据存储单元，下载历史数据，并在所述监测设备中的边缘计算单元上对所述历史数据进行故障分析，构建故障初步识别模型；

扩初识别结果获取模块30，所述扩初识别结果获取模块30用于通过所述运行状态信息与所述历史数据之间的映射关系，将所述实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果，并将所述初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取扩初识别结果，所述扩初识别结果包括预保护策略，所述云端服务器中记载包括电气设备的各类故障案例集群；

信号下发模块40，所述信号下发模块40用于通过所述扩初识别结果生成保护指令和控制信号，并将所述保护指令和控制信号下发至边缘计算单元以及对应的电气设备；

设备保护模块50，所述设备保护模块50用于在接收到所述保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过所述边缘反馈结果对所述扩初识别结果进行设备保护评估与优化。

进一步地，该系统还包括：

触发条件设置模块，用于通过电气设备的使用说明书，建立电气异常检测标准；通过所述电气异常检测标准，设置触发条件；将所述触发条件添加至所述监测设备中的边缘计算单元。

进一步地，该系统还包括：

电气设备综合性能评价评分获取模块，用于通过所述扩初识别结果与扩初识别结果，进行设备损耗预估评级，获取设备损耗评分；通过所述实时运行参数和运行状态信息，进行设备运行效率评估，获取设备运行效率评分；将所述设备损耗评分和设备运行效率评分进行综合分析，得到电气设备的综合性能评分，与预设标准进行比较，判断电气设备是否需要进行更换。

进一步地，该系统还包括：

初步识别结果添加模块，用于对所述云端服务器进行处理计时，并判断是否超出预设响应阈值；若超出预设响应阈值，根据所述目标检测区域的电气设备的故障影响程度从大到小的顺序进行排序，得到故障影响程度序列；对照所述故障影响程度序列，设置预设时间窗口，通过所述预设时间窗口，对所述实时运行参数进行滑动平均值计算，得到运行参数滑动均值；将所述运行参数滑动均值作为补充数据，添加至所述初步识别结果中。

进一步地，该系统还包括：

调配模块，用于通过电气设备的历史数据进行可靠性评估，得到第一评估结果；通过电气设备的历史数据进行稳定性评估，得到第二评估结果；通过所述第一评估结果、第二评估结果，对所述预设时间窗口的时间长度进行调配。

进一步地，该系统还包括：

预保护策略生成模块，用于获取所述扩初识别结果中的故障预测结果，所述故障预测结果包括预计故障类型、预计故障位置、预计故障程度；根据所述故障预测结果，生成预保护策略，所述预保护策略包括维修步骤和预计维修时间；在维修过程中进行实时监控，并新增至所述各类故障案例集群。

说明书通过前述基于云边协同的电气设备保护方法的详细描述，本领域技术人员可以清楚地知识本实施例中基于云边协同的电气设备保护系统，对于实施例公开的系统而言，由于其与实施例公开装置相对应，所以描述得比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.基于云边协同的电气设备保护方法，其特征在于，所述方法包括：

通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，所述实时运行参数包括电流参数、电压参数、温度参数、功率参数；

连接电气设备保护系统的数据存储单元，下载历史数据，并在所述监测设备中的边缘计算单元上对所述历史数据进行故障分析，构建故障初步识别模型；

通过所述运行状态信息与所述历史数据之间的映射关系，将所述实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果，并将所述初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取扩初识别结果，所述扩初识别结果包括预保护策略，所述云端服务器中记载包括电气设备的各类故障案例集群；

通过所述扩初识别结果生成保护指令和控制信号，并将所述保护指令和控制信号下发至边缘计算单元以及对应的电气设备；

在接收到所述保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过所述边缘反馈结果对所述扩初识别结果进行设备保护评估与优化。

2.如权利要求1所述的方法，其特征在于，所述方法包括：

通过电气设备的使用说明书，建立电气异常检测标准；

通过所述电气异常检测标准，设置触发条件；

将所述触发条件添加至所述监测设备中的边缘计算单元。

3.如权利要求2所述的方法，其特征在于，所述方法包括：

通过所述扩初识别结果与扩初识别结果，进行设备损耗预估评级，获取设备损耗评分；

通过所述实时运行参数和运行状态信息，进行设备运行效率评估，获取设备运行效率评分；

将所述设备损耗评分和设备运行效率评分进行综合分析，得到电气设备的综合性能评分，与预设标准进行比较，判断电气设备是否需要进行更换。

4.如权利要求1所述的方法，其特征在于，所述方法包括：

对所述云端服务器进行处理计时，并判断是否超出预设响应阈值；

若超出预设响应阈值，根据所述目标检测区域的电气设备的故障影响程度从大到小的顺序进行排序，得到故障影响程度序列；

对照所述故障影响程度序列，设置预设时间窗口，通过所述预设时间窗口，对所述实时运行参数进行滑动平均值计算，得到运行参数滑动均值；

将所述运行参数滑动均值作为补充数据，添加至所述初步识别结果中。

5.如权利要求4所述的方法，其特征在于，所述方法包括：

通过电气设备的历史数据进行可靠性评估，得到第一评估结果；

通过电气设备的历史数据进行稳定性评估，得到第二评估结果；

通过所述第一评估结果、第二评估结果，对所述预设时间窗口的时间长度进行调配。

6.如权利要求1所述的方法，其特征在于，所述方法包括：

获取所述扩初识别结果中的故障预测结果，所述故障预测结果包括预计故障类型、预计故障位置、预计故障程度；

根据所述故障预测结果，生成预保护策略，所述预保护策略包括维修步骤和预计维修时间；

在维修过程中进行实时监控，并新增至所述各类故障案例集群。

7.基于云边协同的电气设备保护系统，其特征在于，所述系统包括：

运行信息采集模块，所述运行信息采集模块用于通过部署在目标检测区域的监测设备，采集电气设备的实时运行参数和运行状态信息，所述实时运行参数包括电流参数、电压参数、温度参数、功率参数；

历史数据下载模块，所述历史数据下载模块用于连接电气设备保护系统的数据存储单元，下载历史数据，并在所述监测设备中的边缘计算单元上对所述历史数据进行故障分析，构建故障初步识别模型；

扩初识别结果获取模块，所述扩初识别结果获取模块用于通过所述运行状态信息与所述历史数据之间的映射关系，将所述实时运行参数映射并输入对应的边缘计算单元中的故障初步识别模型中，得到初步识别结果，并将所述初步识别结果上传至云端服务器，进行模式识别、故障预测和故障诊断，获取扩初识别结果，所述扩初识别结果包括预保护策略，所述云端服务器中记载包括电气设备的各类故障案例集群；

信号下发模块，所述信号下发模块用于通过所述扩初识别结果生成保护指令和控制信号，并将所述保护指令和控制信号下发至边缘计算单元以及对应的电气设备；

设备保护模块，所述设备保护模块用于在接收到所述保护指令和控制信号后，进行边缘执行与反馈，获取边缘反馈结果，并通过所述边缘反馈结果对所述扩初识别结果进行设备保护评估与优化。