基于边缘计算的变压器油色谱数据压缩与故障特征提取.docxVIP

PAGE2

基于边缘计算的变压器油色谱数据压缩与故障特征提取

摘要

随着电力物联网建设的深入推进，变压器油色谱在线监测装置呈海量部署趋势，监测数据量急剧膨胀，给数据传输网络和云端存储系统带来巨大压力。传统方案直接将原始色谱数据上传至主站分析，在通信带宽受限、实时性要求高的场景下已显露出明显瓶颈。本课题设计一种基于边缘计算的变压器油色谱数据压缩与故障特征提取方案，通过在监测终端部署轻量级神经网络，将高维油色谱数据就地压缩为低维故障敏感特征，仅将特征向量上传至云端进行故障诊断，从而大幅减少带宽需求。论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路，依次阐述了边缘计算与轻量级神经网络的技术选型、系统功能与非功能需求、边缘-云协同架构设计、特征压缩与故障诊断模块的详细设计、系统实现与测试验证。核心创新点在于提出了一种基于通道剪枝的轻量级卷积自编码器，在保证故障特征提取精度的前提下，将模型参数量压缩至原始模型的12%，单次推理耗时小于30ms，压缩比达到20:1，同时云端诊断准确率维持在93%以上。测试结果表明，该方案有效缓解了数据传输压力，为电力设备状态感知的“最后一公里”提供了可行的技术路径。

第一章绪论

1.1研究背景

变压器是电力系统的核心枢纽设备，其运行可靠性直接关系到电网供电安全。油中溶解气体分析（DissolvedGasAnalysis,DGA