基于异构时空图卷积网络的风电集群数据融合方法及系统

本发明公开了一种基于异构时空图卷积网络的风电集群数据融合方法及系统，首先将每个风电场站表示为一个节点，通过计算“不同数据间的影响权重”，动态调整每个场站数据的邻接窗口大小；接着通过关系图卷积网络，进行时序多模态特征的融合与重建；然后基于集成二维卷积神经网络与不同大小的滤波器和多阶图卷积网络的设计，进一步从时间和空间维度上增强对集群数据先验信息的表示能力；最后嵌入一个专门设计的轻量级图卷积注意力模块，进行邻域场和不同数据模式的局部空间场对空间依赖性的分层建模。本发明能够在模态严重缺失的场景中捕获更多不同数据间的信息，能有效地学习场站间数据的时空变化，并动态调整图节点间的时空相关性。