CN114581261B 基于快速图计算的故障诊断方法、系统、设备及存储介质 （中国电力科学研究院有限公司）

本发明公开了一种基于快速图计算的故障2根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏将所述图的节点组序列输入到多尺度图神经网络中，得所述电力运所述对电力运检领域知识图谱图中的节点进行聚类，生成图的通过聚类算法对电力运检领域知识图谱图G中的节点进行聚类，生成图的节点组序列所述根据所述图的节点组序列确定多尺度图对所述图的节点组序列中的各节点组进行向量表示，通过各节点将各节点组的表示矩阵分别作为多尺度图神经网络中各池化层的稀组的表示矩阵分别作为多尺度图神经网络中各池化层的稀疏通过各节点组的表示矩阵的特征值舍弃该表示矩阵中的X"=jx",j=0…,K-1确定模块(2)，用于根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀数据处理模块(21)，用于对所述图的节点组序列中的各节点3构建模块(22)，用于将各节点组的表示矩阵分别作所述对电力运检领域知识图谱图中的节点进行聚类，生成图的通过聚类算法对电力运检领域知识图谱图G中的节点进行聚类，生成图的节点组序列6.一种计算机设备，包括存储器、处理器以及存7.一种计算机可读存储介质，所述计算机可读存储4力运检领域知识图谱图中电力设备的故障类[0010]将所述图的节点组序列输入到多尺度图神经网络中，完成快速图神经网络的计[0013]通过聚类算法对电力运检领域知识图谱图G中的节点进行聚类，生成图的节点组[0014]所述根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏表示矩5[0016]将各节点组的表示矩阵分别作为多尺度图神经网络中各[0017]所述将各节点组的表示矩阵分别作为多尺度图神经网络中各池化层的稀疏表示算机程序时实现所述基于快速图计算的故障诊断方6员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范在Nj>Nj+1。使用聚类算法对图结构数据特征进行分析，生成图的节点组序列(G0,G1,...,[0048]需要说明的是，例如，在电力运检领域，所述聚类算法可以采用spectral7clustering(Shi&Malik,2000),k-meansclustering(Pakhira,2014),DBSCAN(Esteret从图Gj中的Nj个节点中选择并聚类生成的，因此图Gj中的每个节点都可以表示为一个大小示矩阵Φj。[0057]3)将各节点组的表示矩阵分别作为多尺度图神经网络中各池化层的稀疏表示矩(G:",G",…,G⃞),粗化图的一个节点为粗化前的一个节点组聚类，因此粗化图的节点数8[0064]确定模块2，用于根据所述图的节点组序列确定多尺度图神经网络中各池化层的计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。所述易失性存储器可以包括随机存储存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0075]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特9令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一