CN119494751A 基于图神经网络的非侵入式负荷监测方法、装置、计算机设备、可读存储介质和程序产品 （贵州电网有限责任公司）_第1页
CN119494751A 基于图神经网络的非侵入式负荷监测方法、装置、计算机设备、可读存储介质和程序产品 （贵州电网有限责任公司）_第2页
CN119494751A 基于图神经网络的非侵入式负荷监测方法、装置、计算机设备、可读存储介质和程序产品 （贵州电网有限责任公司）_第3页
CN119494751A 基于图神经网络的非侵入式负荷监测方法、装置、计算机设备、可读存储介质和程序产品 （贵州电网有限责任公司）_第4页
CN119494751A 基于图神经网络的非侵入式负荷监测方法、装置、计算机设备、可读存储介质和程序产品 （贵州电网有限责任公司）_第5页
已阅读5页，还剩28页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本申请涉及一种基于图神经网络的非侵入神经网络基于图结构输出的负荷分解结果进行负荷监测，提高了对电网进行负荷监测的准确2获取待监测的电网对应的时间序列数据；所述时间序列数据对所述时间序列数据中各个所述融合电力数据进行特征提取根据各个所述时间点、各个所述融合电力数据、所述第一特征矩阵将所述图结构输入经训练的图神经网络，由所述图神经网络基于所对所述时间序列数据中各个所述时间点对应的各个所述融合电力数据进行傅里叶变获取所述时间序列数据对应的时间序列信号，对所述时间序根据各个所述时间点对应的待监测的各个负荷数据，确定包含根据各个所述融合电力数据、所述第一特征矩阵和所述第二特根据所述节点集合、所述边集合、所述邻接矩阵和所述节将所述图结构输入经训练的图神经网络，由所述图神经网络基根据所述时间关联关系和所述设备关联关系，对所述节点特征矩阵将所述图结构样本输入待训练的所述图神经网络，由所述图神经网络基3将所述负荷分解预测结果和所述负荷分解结果样本输入预设损失获取待监测的所述电网在预设时间段内各个时间对各个所述有功功率数据、各个所述电压数据、各个所述电流数据和获取模块，用于获取待监测的电网对应的时间序列数据；提取模块，用于对所述时间序列数据中各个所述时间点对应的各个所述监测模块，用于将所述图结构输入经训练的图神经网络，由所8.一种计算机设备，包括存储器和处理器，所述存储器处理器执行时实现权利要求1至6中任一项所述的方行时实现权利要求1至6中任一项所述的方4[0011]对所述时间序列数据中各个所述时间点对应的各个所述融合电力数据进行傅里5类型的电力数据融合得到；67服务器将各个时间点对应的融合电力数据按照时间顺序进行组合，形成上述时间序列数89间序列数据中各个时间点对应的各个融合电力数据进行傅里叶变换，得到频域特征矩阵，式负荷监测输入数据时间序列数据的频域特征，服务器通过对时间序列数据进行频域分[0070]频率相关的特征可以是上述第二特征矩阵，具体可以是短时傅里叶变换特征矩务器可以基于提取的频域特征矩阵和傅里叶变换特征矩阵进行对电网中各个设备进行非多个基于图神经网络的非侵入式负荷监测装置实施例中的具体限定可以参见上文中对于[0102]提取模块502，用于对时间序列数据中各个时间点对应的各个融合电力数据进行[0110]上述基于图神经网络的非侵入式负荷监测装置中的各个模块可全部或部分通过统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电网中的各种电力数机程序被处理器执行时实现上述的基于图神经网络的非侵入式负处理器执行时实现上述的基于图神经网络的非侵入式负

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论