摘要
本发明公开了基于选择性卷积网络的数字电网安全态势感知方法及系统,涉及资产安全管控技术领域,包括:使用传感器采集数字电网运行的多元异构数据进行预处理;采用选择性卷积网络对预处理后数据进行多尺度特征提取;将提取的多尺度特征输入二次分类模型进行故障风险判断并进行分类;结合时间域卷积网络对分类结果及多尺度特征进行时间序列建模,预测数字电网的未来运行态势和潜在风险。本发明通过改进选择性卷积网络和选择性时域卷积网络,技术解决多源异构数据特征提取能力不足、数据不平衡导致分类精度低以及时序建模能力有限的问题,达到了增强特征提取精度、提升少数类样本识别能力、优化复杂时序特征建模及态势预测精度的效果。
技术关键词
态势感知方法
多元异构数据
多尺度特征提取
时域卷积网络
表达式
全局平均池化
网络流量数据
时间域
构建时间序列模型
风险
样本
多尺度卷积核
时序特征
日志采集器
因子
处理单元
多源异构数据
特征提取能力