CN118657404B 一种基于多模态的电网健康评估与分析方法 （广东电网有限责任公司茂名供电局）

局一种基于多模态的电网健康评估与分析方法本发明提出了一种基于多模态的电网健康集电网设备的多模态数据，进行多模态特征融对运行数据生成伪标签并进行深度学习模型进2步骤S1、部署多种传感器实时采集电网设备的多模态步骤S3、在电网设备的运行数据中引入自监督学习机制S203、各个边缘节点完成本地全局模型训练实时收集多模态数据并上传到中央服务器，构3将步骤S1_S6集成到系统框架内，通过API接口实norm表示归一化后的特征向量；norm和σnorm分别表示归一化后特征向量的均值和标准差。其中，validate_mode表示验证数据集函数，表示在验证数据集4,,其中，sim(h(xi),h(xi))表示向量h(xi,,,i)表示样本xi的表示向量，τ为温度参数，sim(h(xi),h(xj))表示向量h(xi)和h,,,TV所述将深度学习模型和知识图谱进行融合，包括：将自监督学习得到的表5对所述异常点进行特征提取与增强，构建缺陷分类模型并使用所述S503、根据预测的健康指数估计故障发生的概率paur:并根据概率paut预测设备将设备运行状态定义为状态向量，将可执行的维护动作定义为t10.根据权利要求9所述的一种基于多模态的电网健康评估与分析方法，其特征在于，6[0003]单一模态数据的局限性：大多数现有的电网监测系统主要依赖单一模态的数据[0009]为了达到上述目的，在本发明提供一种基于多模态的电78[0044]将步骤S1_S6集成到系统框架内，通过API接口实现各模块的数据交互和功能调9[0072]其中，sim(h(x),h(x)表示向量h(x)和的相似性，h(x)表示样本的表示向量，表示样本的表示向量，为温度参数，sim(h(,)AGY))表示向量h(x)和n(s)的相似性，[0075]其中，hrJ和hy()分别表示温度数据和振动数据的特征提取网络，和分别为温h[0104]rt=R(se,a)=-c(a)+AHf，[0119]利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限xi和xs分别是数据的最小值和最[0155]Max=max()，[0156]Min=min()，[0232]⃞=tx(),txE了，[0236]其中，sim(h(x),h(x)表示向量h(x)和的相似性，h(x)表示样本的表示向量，表示样本的表示向量，为温度参数，sim(h(,)AGY))表示向量h(x)和n(s)的相似性，[0240]对多模态数据进行联合对比学习，所述多模态深度学习模型的损失函数Lsweaa[0249]R=tz,I2z…,Im，r为第i个关系；h[0308]Fas=[Fr,FY,F]，[0313]所述健康等级划分是根据健康指数将设备健康状态划分为不同等级，如健康、入为故障发生率。[0355]rt=R(se,a)=-c(a)+AHf，[0367]a=select(k*)，[0376]通过上述步骤，动态维护优化方案能够根据电网设备的实际运行情况和健康状[0378]将步骤S1_S6集成到系统框架内，通过API接口实现各模块的数