电厂中高压电气设备在长期运行的情况下不可避免会出现各种各样的劣化或者故障,对高压电气设备的实时监测和故障预警不仅能保证设备的稳定运行,也能极大程度上提高供电可靠性[1]。随着信息技术的发展,采用数字信号处理局部放电信号的技术愈发成熟,目前针对局部放电类型识别研究主要目的是提高缺陷识别精度,复杂的神经网络会占用大量计算资源,不符合工业运作的实际需求响应。在实际的监测系统中,必须考虑计算机软硬件资源环境的复杂程度以及识别算法的时延特性等问题[2-3]。
在万物互联的大背景下,传统云计算处理海量数据的能力显得尤为不足,存在实时性不够、带宽不足、能耗较大以及数据安全性低等问题[4-5]。边缘计算的出现使得上述问题得到有效的解决,针对局部放电数据采样频率高、数据处理复杂等特点,本文提出了一种基于边缘计算的局部放电模式识别方法,该方法将模式识别算法合理分配在边缘计算框架中,有效地降低了云端计算压力,在保证识别准确性的情况下提高了数据处理的实时性。
联系客服