基于边缘计算的分布式新能源设备异常检测方法及系统

本发明实施例提供了一种基于边缘计算的分布式新能源设备异常检测方法及系统，其通过异常得分与不确定性得分的双重评估机制，精准识别出模型认知边界外的疑似漂移高价值样本，并基于主动学习策略仅将这些样本上传，从而摒弃了全量数据上传的低效方式，极大降低了云边通信的带宽开销。在云端，主模型利用这些高价值样本完成增量训练后，采用模型增量更新技术，仅计算并下发新旧模型间的参数差值而非完整的模型文件。这种更新方式，有效克服了边缘设备在带宽、存储和计算资源上的限制，实现了对边缘模型的低成本、自动化和精准自适应，确保了检测系统在动态环境下的长期有效性与可靠性。