一种基于神经网络的变压器反向重/过载预警方法及系统

本发明公开了一种基于神经网络的变压器反向重/过载预警方法及系统，涉及电力系统技术领域。包括：数据获取步骤、特征提取步骤、负荷率预测特征集和数据关联图构建步骤、神经网络构建和训练步骤、预测步骤。本发明在基于配电变压器数据的经验知识和欧氏距离构建数据关联图后，通过GraphSAGE网络对相似场景的数据进行聚合和传递，挖掘和进一步增强变量之间的隐含关系，从而提高了模型对高维小样本数据的预警精度；使用LSTM作为GraphSAGE的下游预测任务，可以挖掘配电变压器数据的时间序列关系，进一步提高模型的拟合能力。