一种基于深度学习的供电量自修复方法

本发明涉及一种基于深度学习的供电量自修复方法，包括以下步骤：S1:通过智能传感器和终端设备，获取电力多维度数据并预处理；S2:基于电力多维度数据，构建电力网络图模型，并通过引入图注意力机制和时间动态模型，对电力网络图模型进行优化，获取电网拓扑动态依赖信息；S3:基于处理后的电力多维度数据和电网拓扑动态依赖信息，使用深度学习融合多模态信息，检测供电量的异常行为，并确定异常类型与分级；S4：根据电力网络图模型中识别的关键节点与异常分级结果，动态分配修复优先级，并产出修复值；S5:基于修复值和预定执行顺序执行修复，修复完成后，供电曲线返回至电力调度中心。本发明实现对供电异常的快速定位、分级以及修复方案的精准生成。