一种基于时空图神经网络的燃气管网故障定位方法

本发明公开了一种基于时空图神经网络的燃气管网故障定位方法，采用边缘‑云端协同架构，通过仿真数据生成、多模态感知、动态时空建模与分层定位实现泄漏点精准检测。首先对管网进行仿真建模，生成多工况泄露数据集，采用模糊聚类优化监测点布局；在在边缘端部署多模态传感单元、轻量级异常检测模块，实现粗粒度异常检测和数据分级传输；云端构建动态时空图神经网络，融合管网拓扑结构、多源时序数据及物理约束，通过分层定位策略实现泄漏点的高精度定位；最后通过弹性权重固化和分层参数更新实现模型在线演进。本方法将时空图神经网络与管网物理特性深度融合，解决了复杂管网故障定位中时空耦合特征提取困难、物理约束缺失的问题。