云边协同下基于深度迁移网络的配电台区异常工况诊断方法

为了实现配电台区异常工况精细化诊断,提出云边协同下基于深度迁移网络的配电台区异常工况诊断方法。首先,在云中心对多个相似配电台区的异常工况样本进行汇集,利用精细化的运行工况样本集训练构建源域异常工况诊断的卷积神经网络模型。其次,将源域诊断模型迁移至目标域的单一配电台区边缘节点处,利用迁移机制进行目标域上的差异性训练,引入多核最大均值差异来计算源域与目标域的分布差异,构建目标域优化损失函数,使目标域与源域自适应匹配,从而有效建立目标域异常工况诊断模型。通过实验验证所提方法具有良好的异常工况精细化诊断能力,诊断性能明显优于其他常规方法。同时,该方法能减缓云中心集中训练诊断模型的计算资源需求压力,有效利用边缘节点的计算能力和响应能力。