摘要
本发明涉及电力系统监测技术领域,尤其涉及一种电能表与集中器数据融合监测系统及方法。包括周期采集电能表的数据,对数据进行完整性校验,去除数据中的噪声干扰,再融合数据构建电力网络图结构,所述电力网络图结构包括节点信息和边权重信息;采用图卷积网络进行建模,将电力网络图结构作为图神经网络模型的输入,采用自适应学习率调整算法结合早停法防止过拟合,深度训练模型,经多层时空图卷积操作捕捉节点间时空关联。本发明通过集中器融合电能表数据构建电力网络图结构,利用图神经网络分析节点和边,识别关键节点和潜在故障点,实时评估网络健康状态,从而实现对电力系统的全面监测和优化管理,提升电力系统的整体性能和可靠性。
技术关键词
网络图结构
集中器
融合监测系统
监测方法
网络健康状态
智能决策模型
节点
循环冗余校验算法
深度强化学习技术
采集电能表
大数据分析技术
依托大数据
卷积网络模型
电力系统监测技术
网络健康评估
机器学习算法
系统为您推荐了相关专利信息
北斗短报文通信
定位模块
特征值
动态密钥
实时位置
定位算法
状态监测方法
导线
监测模块
状态监测系统
隧道工程结构
形变监测方法
嵌入特征
动态邻接矩阵
优化预测模型
分布式光纤监测方法
托辊故障
带式输送机
分布式光纤监测系统
多模态特征融合
多模态信息融合
数据监测方法
多模态监控
列表
预警方法