【技术实现步骤摘要】
本专利技术涉及智能电网监测测，具体为一种电力网络异常检测方法及系统。
技术介绍
1、随着智能电网的发展，电力系统中设备数量与数据维度持续增长，网络结构趋于复杂化和动态化。为确保系统的稳定运行与故障快速响应，电力网络的异常检测技术逐渐由传统基于规则与统计的方法，发展为数据驱动的智能识别模式。近年来，神经网络、图神经网络(gnn)等人工智能方法被引入电力系统监测中，用以挖掘高维时序信号中的潜在异常模式。尤其在复杂拓扑结构、局部故障定位和动态响应方面，具有深度建模能力的算法逐渐显示出较高的潜力。然而，当前方法多侧重于节点个体状态或基于全局指标建模，难以平衡实时性、灵敏度与溯源准确性。
2、现有的电力异常检测方法主要包括规则阈值法、统计学习法及浅层神经网络法。这些方法虽然在特定场景下具有效果，但普遍存在以下不足：(1)缺乏对电网拓扑结构的深层建模能力，无法反映设备之间的复杂连接关系和能量传输路径；(2)异常判定多依赖单点数据偏差，忽视了状态演化的时间变化趋势和相邻节点之间的协同关系；(3)对异常传播路径的建模能力薄弱，无法有效识别异...
【技术保护点】
1.一种电力网络异常检测方法，其特征在于，包括：
2.如权利要求1所述的电力网络异常检测方法，其特征在于：所述神经元节点状态向量包含三类实时电力参数，其中电压表示节点输出电压的幅值，电流表示节点的实际电能流动强度，频率表示节点电源侧的工频稳定性，通过统一采样周期进行同步更新，并保持在每个时间步上完整参与异常得分计算过程。
3.如权利要求2所述的电力网络异常检测方法，其特征在于：所述异常得分函数包括由状态偏离量归一化项、状态变化率的双曲正切变换项以及状态相位扰动的余弦调制项构成，每一项具有不同的时间维度特征，用于模拟节点在非线性动态扰动下的多模态...
【技术特征摘要】
1.一种电力网络异常检测方法，其特征在于，包括：
2.如权利要求1所述的电力网络异常检测方法，其特征在于：所述神经元节点状态向量包含三类实时电力参数，其中电压表示节点输出电压的幅值，电流表示节点的实际电能流动强度，频率表示节点电源侧的工频稳定性，通过统一采样周期进行同步更新，并保持在每个时间步上完整参与异常得分计算过程。
3.如权利要求2所述的电力网络异常检测方法，其特征在于：所述异常得分函数包括由状态偏离量归一化项、状态变化率的双曲正切变换项以及状态相位扰动的余弦调制项构成，每一项具有不同的时间维度特征，用于模拟节点在非线性动态扰动下的多模态异常行为，并以加权累加的形式融合为单一异常得分值，用于指导神经元激活状态。
4.如权利要求3所述的电力网络异常检测方法，其特征在于：所述改进型winner-take-all策略包括动态激活门槛由历史得分序列的中位数绝对偏差与当前时间窗口的最大异常得分线性组合确定，门槛值随节点整体异常水平变化而自适应调整，在异常激活中可允许多个高得分节点同时进入异常状态。
5.如权利要求4所述的电力网络异常检测方法，其特征在于：所述连接权重自适应调整机制包括通过融合节点间电气距离的指数衰减函数、误差函数的梯度下降导项及扰动残差对权重变化的敏感性调制因子构建，形成多源驱动的权重优化表达式，权重更新在每个时间步均重新计算，确保连接强度与系统实...
【专利技术属性】
技术研发人员：熊纬绮，吴方权，胡骏涵，李斯琦，刘亦驰，汤成佳，李雄，周玲，白雪，卫薇，舒彧，马蕊，
申请(专利权)人：贵州电网有限责任公司，
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。