技术领域
[0001] 本发明涉及电力数据分析的领域，尤其是涉及基于边缘计算的电力优化方法、系统、终端及存储介质。
相关背景技术
[0002] 边缘计算是指在电力系统的网络边缘进行数据处理和存储的技术。
[0003] 现有技术中，一般通过电网管理中心对电网内的电力进行监测和调配，电网管理中心一般通过监测并分析电网内的电流、电压和负载等电力数据以衡量电网内的情况，电力数据较多时，电网管理中心的分析压力较大，一般通过增设边缘计算设备分担电网管理中心的分析压力，从而合理调配电力。
[0004] 当电力设备发生故障时，容易导致电力设备的耗电量剧增，从而导致电力系统负载增加和电力浪费的情况。
具体实施方式
[0082] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图1‑附图7及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0083] 本发明实施例公开一种基于边缘计算的电力优化方法、系统、终端及存储介质，本发明通过边缘计算设备对地区的电网状态进行检测，从而在电网出现异常时及时处理异常，减少通过电网管理中心检测异常导致异常处理不及时的情况，提高电力调配的稳定性。
[0084] 参照图1，基于边缘计算的电力优化方法包括以下步骤：
[0085] 步骤100：获取地区电力数据。
[0086] 地区电力数据是指通过边缘计算设备获取的边缘计算设备所在区域的实时的电力数据，地区电力数据的获取方法由工作人员根据实际情况选择，在此不做赘述。
[0087] 步骤101：根据地区电力数据从预设的设备电力匹配模型中匹配出设备电力。
[0088] 设备电力匹配模型是指事先通过样本训练获得的神经网络模型，设备电力匹配模型能从地区电力数据中分析出边缘计算设备所在区域内的各电力设备的消耗的设备电力。
[0089] 步骤102：根据设备电力从预设的电力消耗判断模型中判断设备是否过度消耗电力。
[0090] 电力消耗判断模型是指事先通过样本训练获得的神经网络模型，电力消耗判断模型能根据设备电力判断出电力设备的电力消耗速率是否过大，即电力设备是否过度消耗电力。
[0091] 步骤103：当设备过度消耗电力时，根据地区电力数据从预设的供电分区识别模型中识别出供电分区。
[0092] 设备过度消耗电力代表电力设备可能出现故障，供电分区是指事先划分的供电的区域，不同的供电分区的电网系统互不影响，通过供电分区提高电网系统的稳定性，供电分区由工作人员根据实际情况选择，在此不做赘述。供电分区识别模型是指事先通过样本训练获得的神经网络模型，供电分区识别模型能从地区电力数据中匹配出可能出现故障的电力设备所在的供电分区。
[0093] 步骤104：根据供电分区控制预设的电力分配装置停止向设备供电。
[0094] 电力分配装置是指用于分配电力的装置，电力分配装置由工作人员根据实际情况选择，在此不做赘述。通过电力分配装置关闭向可能出现故障的电力设备所在的供电分区供电的回路，从而减少故障的电力设备影响电网的情况。
[0095] 参照图2，基于边缘计算的电力优化方法还包括以下步骤：
[0096] 步骤105：当设备过度消耗电力时，根据地区电力数据从设备编号匹配模型中匹配出设备编号。
[0097] 设备编号是指事先设置的用于区分电力设备的数字，每个设备编号与电力设备一一对应，设备编号由工作人员根据实际情况选择，在此不做赘述。设备编号匹配模型是指事先通过样本训练获得的神经网络模型，设备编号匹配模型能匹配出可能出现故障的电力设备的设备编号。
[0098] 步骤106：根据设备编号从预设的设备位置数据库中匹配出与设备编号相对应的设备位置。
[0099] 设备位置数据库是指事先设置的记录设备编号及其对应的设备位置的数据库。
[0100] 步骤107：根据设备位置从预设的无人机位置匹配模型中匹配出无人机位置。
[0101] 无人机位置匹配模型是指事先通过样本训练获得的神经网络模型，无人机位置匹配模型能匹配出距离设备位置最近的无人机的无人机位置。
[0102] 步骤108：根据无人机位置从预设的无人机编号匹配模型中匹配出无人机编号。
[0103] 无人机编号是指事先设置的用于区分无人机的数字，每个无人机编号与无人机一一对应，无人机编号由工作人员根据实际情况选择，在此不做赘述。无人机编号匹配模型是指事先通过样本训练获得的神经网络模型，无人机编号匹配模型能匹配出位于无人机位置上的无人机的无人机编号，当无人机位置上存在多个无人机时，则随机选择一架无人机的无人机编号。
[0104] 步骤109：根据无人机位置和设备位置从预设的探查路线匹配模型中匹配出探查路线。
[0105] 探查路线匹配模型是指事先通过样本训练获得的神经网络模型，探查路线匹配模型能匹配出无人机从无人机位置飞行至设备位置的探查路线。
[0106] 步骤110：根据无人机编号控制预设的无人机按照探查路线飞行至与设备编号相对应的设备前，并获取设备的设备图像。
[0107] 无人机是指用于确定电网系统的实际情况的设备，无人机由工作人员根据实际情况选择，在此不做赘述。设备图像是指与设备编号相对应的电力设备的图片，设备图像可通过设置于无人机上的摄像头获取，设备图像的获取方法由工作人员根据实际情况选择，在此不做赘述。
[0108] 步骤111：根据设备图像从预设的故障判断模型中判断设备是否发生故障。
[0109] 故障判断模型是指事先通过样本训练获得的神经网络模型，故障判断模型能结合设备图像中展现的电力设备的工作状态和电力数据判断出电力设备是否发生故障。
[0110] 步骤112：当设备发生故障时，根据供电分区控制预设的电力分配装置停止向设备供电。
[0111] 设备发生故障则控制电力分配装置停止向故障的电力设备供电，设备没有发生故障则控制电力分配装置保持向电力设备供电，从而通过无人机减少误判设备故障的情况。
[0112] 参照图3，电力调配方法包括以下步骤：
[0113] 步骤200：获取总电力数据。
[0114] 总电力数据是指电网管理中心获取的电网的总体的电力数据，总电力数据的获取方法由工作人员根据实际情况选择，在此不做赘述。
[0115] 步骤201：根据总电力数据从预设的需求电力模型中匹配出需求电力。
[0116] 需求电力模型是指事先通过样本训练获得的神经网络模型，需求电力模型能根据实际的总电力数据从历史的总电力数据中匹配出需求电力。
[0117] 步骤202：当需求电力不大于预设的供应电力时，计算预设的供应电力和需求电力的差，并定义为闲置电力。
[0118] 供应电力是指事先设置的电网的供电电力，供应电力由工作人员根据实际情况选择，在此不做赘述。需求电力不大于供应电力代表此时电网供应的电力充足，闲置电力即为供应电力的富余部分。
[0119] 步骤203：根据需求电力控制预设的电力分配装置分配电力。
[0120] 通过电力分配装置将电网供应的电力调整至需求电力，从而将闲置电力保留以供其他回路使用。
[0121] 步骤204：当需求电力大于预设的供应电力时，计算需求电力和预设的供应电力的差，并定义为电力差。
[0122] 需求电力大于供应电力代表此时电网供应的电力不足，需要将闲置电力挪用到该供电回路中以满足需求电力，电力差即为供应电力的不足部分。
[0123] 步骤205：根据电力差和闲置电力从预设的调整电力匹配模型中匹配出调整电力。
[0124] 调整电力匹配模型是指事先通过样本训练获得的神经网络模型，调整电力匹配模型能匹配出通过闲置电力满足需求电力的调整电力，其中当闲置电力大于电力差时，调整电力即为需求电力，当闲置电力不大于电力差时，则调整电力为供应电力和闲置电力的和。
[0125] 步骤206：根据调整电力控制预设的电力分配装置分配电力。
[0126] 根据需求电力控制电力分配装置分配电力，从而优化电网的供电结构，减少电力供应不足或者电力过度供应的情况。
[0127] 参照图4，电力输出控制方法包括以下步骤：
[0128] 步骤300：当闲置电力落入预设的短缺区间时，根据闲置电力从预设的发电功率匹配模型中匹配出发电功率。
[0129] 短缺区间是指事先设置的闲置电力不足的电力值区间，短缺区间由工作人员根据实际情况选择，在此不做赘述。发电功率匹配模型是指事先通过样本训练获得的神经网络模型，发电功率匹配模型能匹配出增加闲置电力发电机所需要工作的发电功率。
[0130] 步骤301：根据发电功率控制预设的发电装置发电。
[0131] 发电装置是指用于供应电力的装置，发电装置由工作人员根据实际情况选择，在此不做赘述。通过提高发电装置的发电功率以增加闲置电力，从而减少闲置电力不足导致无法满足需求电力的情况。
[0132] 步骤302：当闲置电力落入预设的富余区间时，控制预设的发电装置停止发电。
[0133] 富余区间是指事先设置的闲置电力过多的电力值区间，富余区间由工作人员根据实际情况选择，在此不做赘述。闲置电力落入富余区间代表存在大量电力处于闲置状态，即电力供应过多，通过控制发电装置停止发电以消耗现有的闲置电力。
[0134] 步骤303：当闲置电力落入预设的基准区间时，根据预设的基准功率控制预设的发电装置发电。
[0135] 基准区间是指事先设置的闲置电力充足的电力值区间，基准功率是指事先设置的用于将闲置电力保持在基准区间的发电装置的工作功率，基准区间和基准功率由工作人员根据实际情况选择，在此不做赘述。
[0136] 参照图5，电线故障排除方法包括以下步骤：
[0137] 步骤400：根据地区电力数据从预设的电流跳变判断模型中判断是否存在电流跳变的情况。
[0138] 电流跳变判断模型是指事先通过样本训练获得的神经网络模型，电流跳变判断模型能识别出地区电力数据中是否存在电流跳变的情况。
[0139] 步骤401：当存在电流跳变的情况时，基于地区电力数据和预设的电网铺设路线从预设的线路检查模型中匹配出检查路线。
[0140] 存在电流跳变的情况代表供电线路可能出现破损导致漏电，电网铺设路线是指边缘计算设备所在区域的电网的铺设路线，电网铺设路线由工作人员根据实际情况选择，在此不做赘述。线路检查模型是指事先通过样本训练获得的神经网络模型，线路检查模型能匹配出通过无人机检查电网供电线路的检查路线。
[0141] 步骤402：根据检查路线控制预设的无人机沿线路飞行，并获取电线的电线图像。
[0142] 电线图像是指电线的图片，电线图像可通过设置在无人机上的摄像头获取，电线图像的获取方法由工作人员根据实际情况选择，在此不做赘述。通过无人机检查电线，从而确定电线破损的方位。
[0143] 步骤403：根据电线图像从预设的破损特征识别模型中判断是否存在破损特征。
[0144] 破损特征识别模型是指事先通过样本训练获得的神经网络模型，破损特征识别模型能判断出电线图像中的电线是否存在破损特征。
[0145] 步骤404：当存在破损特征时，基于破损特征从预设的破损位置识别模型中识别出破损位置。
[0146] 破损位置识别模型是指事先通过样本训练获得的神经网络模型，破损位置识别模型能识别出破损特征的破损位置。
[0147] 步骤405：根据破损位置控制预设的警示装置警示工作人员，并根据破损位置控制预设的电力分配装置停止向破损的线路供电。
[0148] 警示装置是指用于警示工作人员，从而及时处理电线破损的情况的装置，警示装置由工作人员根据实际情况选择，在此不做赘述。通过警示装置及时通知工作人员，从而处理破损的情况，并通过电力分配装置断开向破损位置供电的回路，从而减少触电事故的发生。
[0149] 参照图6，电线故障排除方法还包括以下步骤：
[0150] 步骤406：当存在破损特征时，基于电线图像从预设的燃烧特征识别模型中识别出是否存在燃烧特征。
[0151] 燃烧特征识别模型是指事先通过样本训练获得的神经网络模型，燃烧特征识别模型能识别出电线图像中是否存在燃烧特征。
[0152] 步骤407：当存在燃烧特征时，基于燃烧特征从预设的燃烧区域识别模型中识别出燃烧区域。
[0153] 存在燃烧特征代表此时电线正在燃烧，需要及时熄灭火焰以减少电线进一步破损的情况。燃烧区域识别模型是指事先通过样本训练获得的神经网络模型，燃烧区域识别模型能识别出燃烧特征所在的燃烧区域。
[0154] 步骤408：根据电线图像从预设的风向识别模型中识别出风力方向。
[0155] 风向识别模型是指事先通过样本训练获得的神经网络模型，风向识别模型能从电线图像识别出燃烧区域所在地区的风力方向。
[0156] 步骤409：根据风力方向和燃烧区域从预设的熄灭行程匹配模型中匹配出熄灭行程。
[0157] 熄灭装置是指设置于用于喷射隔火材料以熄灭火焰的装置，其中隔火材料采用干粉等导电性能较差的物质，熄灭装置由工作人员根据实际情况选择，在此不做赘述。熄灭行程匹配模型是指事先通过样本训练获得的神经网络模型，熄灭行程匹配模型能匹配出通过无人机上的熄灭装置将燃烧区域熄灭并减少燃烧产生的烟雾影响无人机的情况的熄灭行程。
[0158] 步骤410：根据熄灭行程控制预设的无人机飞行至燃烧区域的迎风面，并控制预设于无人机上的熄灭装置熄灭电线上的火焰。
[0159] 电线破损处容易产生电火花，从而导致电线燃烧。通过无人机飞行至燃烧区域的迎风面以减少燃烧产生的烟雾直冲无人机导致无人机故障的情况，并通过熄灭行程调整无人机的飞行姿态从而调整熄灭装置的喷射方向，进而通过隔火材料覆盖火焰区域以熄灭火焰。
[0160] 参照图7，破损修补方法包括以下步骤：
[0161] 步骤500：当存在破损特征时，基于破损特征从预设的异物识别模型中判断电线破损处是否存在异物。
[0162] 异物是指塑料垃圾等覆盖在破损特征上的物体。异物识别模型是指事先通过样本训练获得的神经网络模型，异物识别模型能判断电线破损处是否存在异物。
[0163] 步骤501：当电线破损处存在异物时，基于破损特征从预设的清理行程匹配模型匹配出清理行程。
[0164] 吹风装置是指设置在无人机上通过吹气以使异物飞离破损特征上的装置，吹风装置由工作人员根据实际情况选择，在此不做赘述。清理行程匹配模型是指事先通过样本训练获得的神经网络模型，清理行程匹配模型能匹配出通过吹风装置吹离异物的清理行程。
[0165] 步骤502：根据清理行程控制预设的无人机飞行至电线破损处，并控制预设于无人机以上的吹风装置将电线上的异物吹离。
[0166] 通过清理行程调整无人机的姿态，从而调整吹风装置的朝向，进而通过吹风装置将异物吹离。
[0167] 步骤503：基于电线破损处不存在异物的状态，基于破损特征从预设的修补行程匹配模型中匹配出修补行程。
[0168] 修补装置是指设置于无人机上用于初步修补破损处的装置，修补装置由工作人员根据实际情况选择，在此不做赘述。修补行程匹配模型是指事先通过样本训练获得的神经网络模型，修补行程匹配模型能匹配出将修补装置对准电线破损处并通过修补装置修补破损处的修补行程。
[0169] 步骤504：根据修补行程控制预设的无人机飞行至电线破损处，并控制预设于无人机上的修补装置将预设的修补材料填充至电线破损处。
[0170] 修补材料是指存储于修补装置内用于填充电线破损处以修补电线的材料，修补材料由工作人员根据实际情况选择，在此不做赘述。通过修补行程调整无人机的姿态以使修补装置对准电线破损处，并通过修补装置将修补材料注射至电线上。
[0171] 基于同一发明构思，本发明实施例提供一种基于边缘计算的电力优化系统，包括：
[0172] 获取模块，用于获取地区电力数据、设备图像、总电力数据和电线图像；
[0173] 存储器，用于存储上述任一种基于边缘计算的电力优化方法的控制方法的程序；
[0174] 处理器，存储器中的程序能够被处理器加载执行且实现上述任一种基于边缘计算的电力优化方法的控制方法。
[0175] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0176] 本发明实施例提供一种计算机可读存储介质，存储有能够被处理器加载并执行基于边缘计算的电力优化方法的计算机程序。
[0177] 计算机存储介质例如包括：U盘、移动硬盘、只读存储器(Read‑Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0178] 基于同一发明构思，本发明实施例提供一种智能终端，包括存储器和处理器，存储器上存储有能够被处理器加载并执行基于边缘计算的电力优化方法的计算机程序。
[0179] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0180] 以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
