基于5G的GIS设备局部放电超高频监测数据压缩与特征提取系统设计.docxVIP

PAGE2

基于5G的GIS设备局部放电超高频监测数据压缩与特征提取系统设计

摘要

随着智能电网建设的深入推进，气体绝缘开关设备（GIS）的运行状态监测显得尤为重要。局部放电超高频（UHF）监测技术因其抗干扰能力强、灵敏度高的特点，成为GIS设备故障诊断的主流手段。然而，UHF监测产生的海量数据对传统传输网络造成了巨大压力，难以满足实时故障诊断的需求。

本课题旨在设计一套基于5G通信与边缘计算的GIS局放UHF监测数据压缩与特征提取系统。针对UHF数据海量特性，引入压缩感知理论在边缘侧进行数据降维；结合5G网络的低延时特性，设计高效的特征提取与传输机制，实现局放信号的实时分析与诊断。

全文按照“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先分析了系统在数据压缩率、传输延时及特征识别率等方面的核心需求。其次，构建了“边缘感知-5G传输-云端诊断”的三层总体架构，并完成了功能模块的划分与数据存储设计。在详细设计阶段，深入阐述了基于小波变换的压缩感知算法与基于卷积神经网络的特征提取流程。随后，完成了系统的编码实现，并针对高并发数据处理与网络抖动等难点提出了解决方案。最后，通过系统测试验证了各项功能与性能指标。

本设计的核心创新点在于将压缩感知算法前置至边缘侧，大幅降低了5G网络的数据传输负荷，同时结合轻量化神经网络模型，实现了高精度的局放特征提取与低延时传输，为