面向电力设备故障检测的大模型云边端异构算力协同转换技术研究

马 洪斌, 刘 海波, 周 强, 肖 扬, 赵 浩宇
国网山东省电力公司枣庄供电公司

摘要


电力设备故障检测正从单一模态诊断向多模态大模型驱动的智能诊断范式转变，但大模型的高算力需求与
电力现场低延迟、低带宽的现实约束之间存在结构性矛盾。本文提出面向电力设备故障检测的云边端三层协同架构，
将云端大模型训练与知识蒸馏、边缘端模型部署与端侧预处理纳入统一的理论框架。在此基础上，从异构算力资源
建模、大模型动态切分与协同推理以及数据传输同步与能耗协同优化三个维度，分析异构算力协同转换的关键机制，
并构建面向时延、精度与能耗的多目标优化理论框架。

关键词


电力设备故障检测；云边端协同；异构算力

全文:

PDF


参考


[1]李博睿,王帅,王维龙,等.面向云边端分布式协同

的智能原生计算[J].计算,2025,1(9):38-45.

[2]吴子衡.面向边缘算力网络的数字孪生赋能联邦

入侵检测方法研究[D].邯郸:河北工程大学,2025.

[3]李安顺,许驰,曾鹏.网络大模型赋能工业互联网

云边端协同调度[J].自动化博览,2025,42(2):14-19.

[4]严冬.多模态数据融合下电力设备故障检测方法

研究[J].电力设备管理,2025(5):127-129.

[5]张文轩,王建红.基于多源异构数据融合的电力设

备故障检测方法[J].信息技术与信息化,2026(5):115-118.


Refbacks

  • 当前没有refback。