基于自适应动态图神经网络的智能电网时空调度方法

本发明涉及的是基于自适应动态图神经网络的智能电网时空调度方法，它包括：从智能电网的分布式数据节点中实时收集时间序列数据，并进行数据预处理；自生成适应邻接矩阵，自适应算法根据实时数据的变化，调整邻接矩阵中的边权重；通过时空卷积网络STCN对生成的自适应邻接矩阵进行时空特征提取，捕捉电网节点间复杂的时空依赖关系，获得包含空间和时间依赖关系的特征图，将这些特征表示电网不同时间节点的运行状态和相互依赖情况；实时调度优化，将提取的时空特征输入至调度优化模块，计算负载需求与发电能力之间的最优匹配；在调度过程中持续监测节点状态，动态调整调度策略。本发明动态调整电力资源的分配，确保负载中心的电力供应满足需求。