基于深度神经网络的电力系统分布式数据异常诊断方法

本发明提供了基于深度神经网络的电力系统分布式数据异常诊断方法，涉及人工智能技术领域，包括获取电力系统的各个分布式能源的多模态数据，得到处理后的分布式数据；将电力系统各节点及其关系建模为图结构，得到多时间尺度的时空特征向量；通过构建自监督学习任务进行预训练，提取不同时间尺度和模态数据之间的有效特征；利用生成对抗网络生成正常数据分布模型，将异常数据样本汇总为综合数据集；通过任务之间的共享特征，得到多任务优化模型；得到最终优化后的异常响应系统，进而通过异常响应系统完成电力系统分布式数据异常诊断的任务。本发明实现了对电力系统分布式数据的高效异常诊断和响应处理，具有显著的技术优势和实际应用价值。