一种基于图注意力网络的电网数据智能修复方法及系统技术方案

本发明专利技术公开了一种基于图注意力网络的电网数据智能修复方法，涉及电网技术领域。包括构建基于图神经网络的异构图电网模型，并利用异构图注意力网络学习节点和边之间的关联权重；利用空间‑时间注意力机制加强节点信息的交互和更新，以捕捉节点之间的空间和时间关联；设计基于对偶学习的框架进行拓扑‑状态联合修复，以补全电网拓扑连接和预测缺失节点的时序状态；采用PPO算法进行强化学习，以自动搜索最优模型结构和超参数配置，并使用经过优化的图注意力网络模型进行数据修复。本发明专利技术构建高度自动化和自适应的异构深度图学习解决方案，显著增强电网稳定运行的预测能力与调控水平。

【技术实现步骤摘要】

本专利技术涉及电网，特别是一种基于图注意力网络的电网数据智能修复方法及系统。

技术介绍

1、传统物理系统建模和简单的数据驱动方法是当前电网系统中常用的技术手段。这些方法通常依赖于专业领域知识的支持，无法实现端到端的自动学习，而且在模型构建和质量控制上存在明显缺陷。首先，这些方法需要大量专业领域知识进行支持，包括电力系统的物理特性、设备参数等，这使得模型的构建和调试过程复杂且困难，同时也增加了维护的成本。

2、其次，传统方法难以有效建模电网的拓扑连接约束和状态动态变化。电网系统的拓扑结构是复杂且动态变化的，而传统方法往往无法充分利用历史数据和网络拓扑信息进行建模和预测，导致预测精度难以保证。最后，传统方法缺乏有效的超参数和结构优化机制，模型的性能无法得到充分的保证，并且其泛化水平有限。此外，传统方法在处理电网中不完整和损坏数据方面的能力较弱，无法有效修复数据以提升后续使用的价值。

技术实现思路

1、鉴于现有的电网系统存在数据不完整和故障预测准确率低的问题，提出了本专利技术。>

2、因此，本本文档来自技高网...

【技术保护点】

1.一种基于图注意力网络的电网数据智能修复方法，其特征在于：包括，

2.如权利要求1所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述构建基于图神经网络的异构图电网模型包括以下步骤：

3.如权利要求2所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述将系统划分为不同粒度的子图包括以下步骤：

4.如权利要求1所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述设计基于对偶学习的框架进行拓扑-状态联合修复包括以下步骤：

5.如权利要求1所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述采用PPO算法...

【技术特征摘要】

1.一种基于图注意力网络的电网数据智能修复方法，其特征在于：包括，

2.如权利要求1所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述构建基于图神经网络的异构图电网模型包括以下步骤：

3.如权利要求2所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述将系统划分为不同粒度的子图包括以下步骤：

4.如权利要求1所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述设计基于对偶学习的框架进行拓扑-状态联合修复包括以下步骤：

5.如权利要求1所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述采用ppo算法进行强化学习包括以下步骤：

6.如权利要求5所述的基于图注意力网络的电网数据智能修复方法，其特征在于：所述利用p...

【专利技术属性】
技术研发人员：王杰，张鹏城，刘金森，罗宁，陈露东，贺墨琳，徐常，郑飞，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：