一种基于人工智能的箱式变电站状态监测与预警方法

本发明公开了一种基于人工智能的箱式变电站状态监测与预警方法，涉及智能电网技术领域，针对现有静态阈值忽略多物理耦合及深度模型对稀缺故障样本依赖高，导致漏报、误报和响应滞后问题，提出方案:对多通道时序信号实施滑动窗口核密度估计并经递归Copula分解构建动态耦合矩阵，通过时变分位点回归生成三级阈值面，结合条件变分自编码器生成异常样本和图注意力网络提取状态表征，执行轻量化递归剪枝，以多层贝叶斯网络和粒子滤波生成异常评分并通过高斯核导数斜率判别多步风险趋势，最终应用无迹卡尔曼滤波平滑并在线校正阈值；本发明显著提升了箱式变电站对瞬态耦合故障的检测灵敏度与预警召回率，提高响应速度并有效降低了误警频次。