1.一种电力设备故障检测方法，应用于电力设备，其特征在于，包括：采集设备运行数据；将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；其中，所述优化模型参数的配置过程为：所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。
2.根据权利要求1所述的一种电力设备故障检测方法，其特征在于，所述加密模型参数的首次配置过程为：获取设备运行样本数据；将所述设备运行样本数据输入至初始神经网络模型，对所述初始神经网络模型进行训练，以获得初始的本地故障检测模型以及所述本地故障检测模型的设备模型参数；通过同态加密方式对所述设备模型参数进行加密，得到加密模型参数。
3.根据权利要求1所述的一种电力设备故障检测方法，其特征在于，所述得到故障检测结果之后还包括：将所述故障检测结果上传至所述数据中心，使得所述数据中心基于接收到的所述故障检测结果对联邦学习协作模型进行更新后，将更新后的优化模型参数反馈给所述电力设备。
4.根据权利要求1所述的一种电力设备故障检测方法，其特征在于，所述加密模型参数具体包括：加密损失函数和加密梯度参数。
5.一种电力设备故障检测装置，其特征在于，包括：运行数据采集单元，用于采集设备运行数据；故障检测单元，用于将所述设备运行数据输入至本地故障检测模型，通过所述本地故障检测模型对所述设备运行数据进行运算，得到故障检测结果，所述本地故障检测模型为根据数据中心下发的优化模型参数进行模型更新后得到的神经网络模型；其中，所述优化模型参数的配置过程为：所述数据中心接收由电力设备上传的加密模型参数，其中，所述加密模型参数为通过同态加密方式对设备模型参数进行加密得到的参数，所述设备模型参数具体为所述电力设备中的本地故障检测模型的模型参数；所述数据中心根据所述电力设备的设备类型，将同类型的电力设备的加密模型参数输入至联邦学习协作模型，基于所述联邦学习协作模型对各个所述加密模型参数进行融合优化，得到所述优化模型参数。
6.根据权利要求5所述的一种电力设备故障检测装置，其特征在于，所述加密模型参数的首次配置过程为：获取设备运行样本数据；将所述设备运行样本数据输入至初始神经网络模型，对所述初始神经网络模型进行训练，以获得初始的本地故障检测模型以及所述本地故障检测模型的设备模型参数；通过同态加密方式对所述设备模型参数进行加密，得到加密模型参数。
7.根据权利要求5所述的一种电力设备故障检测装置，其特征在于，还包括：检测结果上传单元，用于将所述故障检测结果上传至所述数据中心，使得所述数据中心基于接收到的所述故障检测结果对联邦学习协作模型进行更新后，将更新后的优化模型参数反馈给所述电力设备。
8.根据权利要求5所述的一种电力设备故障检测装置，其特征在于，所述加密模型参数具体包括：加密损失函数和加密梯度参数。
9.一种电力设备故障检测系统，其特征在于，包括：电力设备和数据中心；所述电力设备中配置有如权利要求5至8任意一项所述电力设备故障检测装置，且通过电网通信线路与所述数据中心通信连接。
转果果小程序
转果果公众号