随着电力网络基础设施建设不断加快,保证输电线路的安全与稳定显得尤为重要。目前,输电线路故障检测平台存在以下问题:1.计算任务集中在云端,导致网络通道压力过大;2.不支持隐患识别能力进行自学习迭代提升。因此,平台需要借助云边协同技术和自学习机制,重新设计总体架构,充分发挥云边协同能力,提升故障检测效果。基于云边协同的输电线路故障检测平台由边缘端和云端两大部分构成。其中,边缘端包括隐患识别模块和雷电数据采集模块,云端包括数据通信与召回模块、数据存储与转发模块、输电线路故障分析模块和算法迭代训练模块。在边缘端,隐患识别模块使用隐患识别模型,对监拍视频中隐患目标进行识别,借助未识别帧检测与自动标注算法,标注未正确识别的隐患目标。雷电数据采集模块将传感器数据编码为雷电数据包,与隐患目标识别结果和标注数据文件一起传输到云端。在云端数据通信与召回模块中,数据通信模块基于异步网络框架,将接收的数据解码后推送至消息总线中,数据召回模块定时对数据库中雷电数据进行分析,召回未成功接收的雷电数据。在数据存储与转发模块中,数据存储模块基于共享订阅机制,将消息总线中数据进行持久化存储,数据转发模块实现云端数据同步。输电线路故障分析模块处理数据库中多源数据,使用改进的决策树算法,避免数据不均衡和过拟合现象。算法迭代训练模块借助过采样的方法,对小隐患目标进行数据增强,通过聚类算法生成先验框,接着,使用加入注意力机制的目标检测算法,完成隐患识别模型迭代训练,提升隐患识别能力,之后,将模型部署到边缘端,实现具有自学习机制的隐患识别算法。平台实现对绕击、反击、风害、冰害、山火和外破6种输电线路故障进行检测,并识别烟火、挖掘机、吊车和推车4种隐患。在实际环境中选取1000条数据构建测试集,各种类型数据接近均匀分布。在测试集中,改进后隐患识别算法的m AP值为0.947,单次识别平均耗时为22ms,改进后故障分析算法的F1值为0.869,单次分析平均耗时为2.5ms,符合预期指标。