本发明涉及深度学习领域，尤其涉及一种电能质量判断模型的训练方法、装置、设备及介质。
背景技术：
1、随着现代电网的快速发展和广泛应用，电能质量问题成为电力系统中不可忽视的重要问题。电能质量问题主要包括电压波动、谐波、暂态脉冲及电压中断等，这些问题不仅影响电力系统的安全运行，还可能导致电力设备的损坏和电能浪费。因此，快速准确地辨识电能质量是否扰动对于保障电力系统的可靠性和稳定性具有重要意义。
2、当前的电能质量的判断方式主要依靠人工识别电能质量数据，进而判断当前电力设备的电能质量，但是，人工判断的方法，速度低下且准确率低。
技术实现思路
1、本发明实施例提供一种电能质量判断模型的训练方法、装置、设备及介质，本发明的技术方案训练的电能质量判断模型，可以准确判断电力设备的电能质量，提高了电能质量判断的准确性，提高电力设备的电能质量判断的速度。
2、第一方面，本发明实施例提供了一种电能质量判断模型的训练方法，应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：根据电能质量数据样本集中各候选样本的数据权重确定训练样本，根据所述训练样本训练边缘训练模型，确定边缘训练参数，其中，所述候选样本表征候选电能质量运行参数；
3、发送当前电能质量运行数据及所述边缘训练参数至所述中心服务器，以使所述中心服务器根据所述电能质量运行参数及所述边缘训练参数更新所述中心训练模型的中心训练参数，其中，所述当前电能质量运行数据由所述电能质量数据样本集中各候选样本确定；
4、接收所述中心训练模型更新后的中心训练参数，并根据所述中心训练参数更新边缘训练模型的边缘训练参数；
5、判断所述边缘训练模型的训练精度是否满足精度要求，若是，则将所述边缘训练模型确定为电能质量判断模型。
6、第二方面，本发明实施例提供了一种电能质量判断模型的训练方法，应用于中心服务器，所述中心服务器与多个边缘服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
7、接收边缘服务器发送的当前电能质量运行数据及边缘训练参数；
8、根据所述当前电能质量运行数据确定各边缘服务器对应的服务器数据权重，其中，所述边缘服务器的服务器数据权重用于表征边缘训练参数对中心训练参数的更新结果的影响程度；
9、根据各服务器数据权重及对应的边缘训练参数更新所述中心训练参数；
10、发送更新后的中心训练参数至边缘服务器，以使所述边缘服务器根据所述更新后的中心训练参数更新边缘训练模型。
11、第三方面，本发明实施例提供了一种电能质量判断模型的训练装置，应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
12、边缘训练参数确定模块，用于根据电能质量数据样本集中各候选样本的数据权重确定训练样本，根据所述训练样本训练边缘训练模型，确定边缘训练参数，其中，所述候选样本表征候选电能质量运行参数；
13、边缘服务器发送模块，用于发送所述边缘服务器获取的当前电能质量运行数据及电能质量运行参数及所述边缘训练参数至所述中心服务器，以使所述中心服务器根据所述电能质量运行参数及所述边缘训练参数更新所述中心训练模型的中心训练参数，其中，所述当前电能质量运行数据由所述电能质量数据样本集中各候选样本确定；
14、边缘训练参数更新模块，用于接收所述中心训练模型更新后的中心训练参数，并根据所述中心训练参数更新边缘训练模型的边缘训练参数；
15、判断模块，用于判断所述边缘训练模型的训练精度是否满足精度要求，若是，则将所述边缘训练模型确定为电能质量判断模型。
16、第四方面，本发明实施例提供了一种电能质量判断模型的训练装置，应用于中心服务器，所述中心服务器与多个边缘服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
17、接收模块，用于接收边缘服务器发送的当前电能质量运行数据电能质量运行参数及边缘训练参数；
18、服务器数据权重确定模块，用于根据所述当前电能质量运行数据电能质量运行参数确定各边缘服务器对应的服务器数据权重，其中，所述边缘服务器的服务器数据权重用于表征，边缘训练参数对中心训练参数的更新结果的影响程度中心训练模型更新中心训练参数时，该边缘服务器的边缘训练参数的参考价值；
19、训练模块，用于根据各服务器的服务器数据权重及对应的边缘训练参数更新所述中心训练参数；
20、中心服务器发送模块，用于发送更新后的中心训练参数至边缘服务器，以使所述边缘服务器根据所述更新后的中心训练参数更新边缘训练模型。
21、第五方面，本发明实施例提供了一种电子设备，所述电子设备包括：
22、至少一个处理器；以及，
23、与所述至少一个处理器通信连接的存储器；其中，
24、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例中任一项应用于边缘服务器的电能质量判断模型的训练方法。
25、第六方面，一种电子设备，所述电子设备包括：
26、至少一个处理器；以及，
27、与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例中任一项应用于中心服务器的电能质量判断模型的训练方法。
28、第七发明，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明实施例中任一项应用于边缘服务器的电能质量判断模型的训练方法，或者，所述计算机指令用于使处理器执行时实现本发明实施例中任一项应用于边缘服务器的电能质量判断模型的训练方法。
29、本发明实施例提供了一种电能质量判断模型的训练方法、装置、设备及介质，该方法应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，该方法包括：根据电能质量数据样本集中各候选样本的数据权重确定训练样本，根据所述训练样本训练边缘训练模型，确定边缘训练参数，其中，所述候选样本表征候选电能质量运行参数；发送当前电能质量运行数据及所述边缘训练参数至所述中心服务器，以使所述中心服务器根据所述电能质量运行参数及所述边缘训练参数更新所述中心训练模型的中心训练参数，其中，所述当前电能质量运行数据由所述电能质量数据样本集中各候选样本确定；接收所述中心训练模型更新后的中心训练参数，并根据所述中心训练参数更新边缘训练模型的边缘训练参数；判断所述边缘训练模型的训练精度是否满足精度要求，若是，则将所述边缘训练模型确定为电能质量判断模型。具体的，通过在每轮训练过程中，根据电能质量数据样本集中各候选样本的数据权重确定训练样本，可以使边缘训练模型的边缘训练参数更加精准，进一步的，根据当前电能质量运行数据及所述边缘训练参数更新中心训练模型的中心训练参数，可以使中心训练模型准确结合边缘服务器的实际运行情况，获得准确的中心训练参数，并应用于边缘训练模型的更新中，在训练结束时，获得可以准确判断电能质量的电能质量判断模型。通过本发明实施例的方法训练得到的电能质量判断模型，可以准确判断电力设备的电能质量，提高电能质量判断的准确性，解决人工判断速度低下，准确率低的问题。
1.一种电能质量判断模型的训练方法，其特征在于，应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据电能质量数据样本集中各候选样本的数据权重确定训练样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述各候选样本的数据权重确定训练样本，包括：
4.根据权利要求2所述的方法，其特征在于，在发送当前电能质量运行数据及所述边缘训练参数至所述中心服务器之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述判断所述边缘训练模型的训练精度是否满足精度要求，包括：
6.一种电能质量判断模型的训练方法，其特征在于，应用于中心服务器，所述中心服务器与多个边缘服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述当前电能质量运行数据确定各边缘服务器对应的服务器数据权重，包括：
8.根据权利要求7所述的方法，其特征在于，所述根据各边缘服务器的数据量总量及数据质量总量，确定各边缘服务器对应的服务器数据权重，包括：
9.一种电能质量判断模型的训练装置，其特征在于，应用于多个边缘服务器，所述多个边缘服务器与中心服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
10.一种电能质量判断模型的训练装置，其特征在于，应用于中心服务器，所述中心服务器与多个边缘服务器通讯连接，中心服务器及边缘服务器中分别配置中心训练模型及边缘训练模型，包括：
11.一种电子设备，其特征在于，所述电子设备包括：
12.一种电子设备，其特征在于，所述电子设备包括：
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的电能质量判断模型的训练方法，或者，所述计算机指令用于使处理器执行时实现权利要求6-8中任一项所述的电能质量判断模型的训练方法。
