一种基于GCN-IDDA的电力信息物理系统关键节点识别方法

本发明提供了一种基于GCN‑IDDA的电力信息物理系统关键节点识别方法，用于电力信息物理系统(CPPS)关键节点识别，通过引入Inception网络结构实现多尺度特征提取，结合可变形卷积(DCN)增强空间自适应能力，采用深度可分离卷积(DSC)降低模型复杂度，并嵌入注意力机制实现关键特征动态加权。模型基于邻接矩阵和融合拓扑与物理特征的节点特征矩阵，采用PyTorch框架训练，利用BA无标度网络及四种代表性CPPS网络(网络1至网络4)进行验证。实验结果显示，GCN‑IDDA的肯德尔相关系数在0.93以上，证明其在复杂网络关键节点识别中的优越性与适应性，为CPPS结构优化和可靠性提升提供了新思路。