【技术实现步骤摘要】
本专利技术属于供热管网故障诊断，具体涉及一种基于图神经网络和多维时序数据的供热管网故障诊断方法。
技术介绍
1、供热管网是城市供热的重要组成部分，一旦出现故障，可能会造成供热中断，影响居民的正常生活。对于一些严重的故障，如管道泄漏等，如果不能及时发现和处理，可能会引发安全事故。故障诊断技术能够提前预警，降低事故发生的可能性，有助于维护人员快速修复，增强了供热管网运行的安全性和稳定性。
2、随着人工智能技术的快速发展，基于人工智能的故障诊断方法在供热管网中得到了广泛的应用。其中，深度学习技术，特别是卷积神经网络和循环神经网络，在供热管网故障诊断中发挥了重要作用，这些方法可以自动提取特征，无需人工设计特征提取器，且具有较强的鲁棒性和自适应性。然而，传统的神经网络方法在处理图结构数据时存在一定的局限性，因为它们无法充分利用图结构信息。图神经网络能够学习节点之间的交互关系，更好地理解供热管网的拓扑结构和动态行为，为故障诊断提供了新的可能性。
3、基于上述技术问题，需要设计一种新的基于图神经网络和多维时序数据的供热管网故障
<本文档来自技高网...【技术保护点】
1.一种基于图神经网络和多维时序数据的供热管网故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的供热管网故障诊断方法，其特征在于，所述S2，采用多尺度卷积网络和通道注意力机制提取供热管网原始故障信号数据的多维时序故障特征，具体包括：
3.根据权利要求1所述的供热管网故障诊断方法，其特征在于，所述S3中，计算供热管网故障特征之间的相似性和距离，选取故障特征节点构建邻接矩阵和将供热管网故障特征转化为故障样本图，具体包括：
4.根据权利要求1所述的供热管网故障诊断方法，其特征在于，所述S4，搭建改进的GCN模型，并将故障样本图作为...
【技术特征摘要】
1.一种基于图神经网络和多维时序数据的供热管网故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的供热管网故障诊断方法，其特征在于，所述s2，采用多尺度卷积网络和通道注意力机制提取供热管网原始故障信号数据的多维时序故障特征，具体包括：
3.根据权利要求1所述的供热管网故障诊断方法，其特征在于，所述s3中，计算供热管网故障特征之间的相似性和距离，选取故障特征节点构建邻接矩阵和将供热管网故障特征转化为故障样本图，具体包括：
4.根据权利要求1所述的供热管网故障诊断方法，其特征在于，所述s4，搭建改进的gcn模型，并将故障样本图作为改进的gcn模型输入进行训练学习，建立供热管网故障诊断模型，获得供热管网故障诊断结果，包括：
5.根据权利要求4所述的供热管网故障诊断方法，其特征在于，所述设置多个图卷积核根据故障样本图的拓扑结构自适应选择合适的卷积核提取图中的局部结构信息，包括：设置多个图卷积核，每个卷积核具有不同的参数和结构，以适应不同邻接矩阵的故障样本图的拓扑结构；在图卷积过程中，通过计算卷积核与故障样本图的相似度，根据故障样本图的拓扑结构自适应地选择合适的卷积核进行卷积操作。
6.根据权利要求4所述的供热管网故障诊断方法，其特征在于，所述设置注意力机制自动关注到故障样本图中重要节点和边的特征信息，包括：设置有多个图注意力层，每个图注意力层包含多个注意力头，学习在不同表示空间中节点的的特征信息、邻居节点的关系信息和节点的权重系数，再将多个注意力头的输出进行拼接或平均操作，获得重要节点和边的特征信息。
7.根...
【专利技术属性】
技术研发人员：赵琼，金鹤峰，王炳，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。