CNIPA.AI
Back to Search
Dossier

基于图注意力网络和聚类优化算法的负荷识别方法及系统

InventionActive
1views
10Claims · 4 independent
§ Ⅰ

Dossier Overview

Inventor

张俊玮; 谈竹奎; 高吉普; 申彧; 唐赛秋; 曾鹏; 王冕; 汪明媚; 王扬; 古庭赟; 牛唯; 孟令雯; 刘斌; 张后谊; 丁超; 安甦; 张博; 梁敏航; 陈裕周

IPC Classification

G06F 18/2431 (2023.01)H02J 3/00 (2006.01)H02J 13/00 (2006.01)G06F 18/2415 (2023.01)G06F 18/15 (2023.01)G06F 18/213 (2023.01)G06F 18/25 (2023.01)G06F 18/214 (2023.01)G06F 18/21 (2023.01)G06F 18/23213 (2023.01)G06N 3/042 (2023.01)G06N 3/045 (2023.01)G06N 3/084 (2023.01)G06N 3/048 (2023.01)G06F 123/02 (2023.01)

本发明公开了基于图注意力网络和聚类优化算法的负荷识别方法及系统,涉及电网设备监测技术领域,包括采集受监测设备的运行状态数据,通过图表示方法构建设备负荷图数据和设备负荷运行状态识别样本集;构建基于图注意力网络的负荷特征识别模型并进行设备负荷关键指标与特征提取;进行特征聚类调整,结合特征判别误差与历史负荷识别数据库设置模型修正环节,输出设备负荷识别智能体模型;通过混叠设备运行信息进行负荷识别,输出负荷识别结果与特征参数并进行存储。本发明通过构建基于图注意力网络的负荷特征识别模型并进行设备负荷关键指标与特征提取,提高特征识别的准确性,本发明在识别准确性、稳定性以及利用效率方面都取得更加良好的效果。

External Resources