本项目旨在研究边缘计算技术和5G自组网技术，通过多协议支持、数据编辑和RIS相控阵等先进技术，建设具备5G自组网功能的水电设备物联网系统，以实现数据采集的安全、便捷和高效。同时，还将研究基于TranAD模型的边缘计算数据处理方法，该模型专用于从收集的大量时间序列数据中精准识别并预测异常情况，有效提升了对设备运行状态、环境参数变化等关键信息的实时监控与预测水平，通过实时计算和增强实时流程处理技术，实现水电设备状态参数在线监测数据的实时处理和深度利用。此外，项目还将探究以深度信念网（DBN）为代表的系列深度学习预测算法，建立油液、六氟化硫密度和机电设备温度等状态参数的预测模型，并通过模型现场应用，达到预测目的。