一种基于MA-LSTM的态势评估方法

本发明涉及态势感知技术领域，具体涉及一种基于MA‑LSTM的态势评估方法，使用PatchTST提升模型对时序数据关注的能力，捕捉数据的时序特征；通过多个自编码器的逐层训练，学习数据的低维表示，捕捉电力系统数据的复杂非线性关系；利用PatchTST‑StackedAE模型对测试集进行态势要素提取，得到评估数据集；划分训练集和测试集，并将训练集的数据输入MA‑LSTM模型中训练；判断态势评估模型是否达到最大训练周期，若未满足要求，继续迭代训练态势评估模型，直至满足训练周期；基于训练好的MA‑LSTM模型重新建立态势评估模型，并将测试集作为输入，得到电力系统当前的态势严重等级，该方法基于PatchTST和堆叠自编码器的电力系统网络安全态势要素提取方法，实现电力系统的网络安全态势要素提取。