基于软硬协同的电力多智能体异常分析方法与流程

本申请涉及电力系统智能监测，且更为具体地，涉及一种基于软硬协同的电力多智能体异常分析方法。

背景技术：

1、随着新型电力系统向智能化纵深推进，基于大语言模型驱动的多智能体被广泛部署于配电房环网箱、变电站边缘节点等算力受限的电力终端设备中，承担实时巡检决策、负荷调度推理等关键业务。这些智能体在接入电力系统并协同运行的过程中，底层硬件的瞬态物理扰动（如供电电压暂降、芯片过热降频）与上层认知逻辑异常（如推理幻觉、规划失效）往往相互耦合、交叉激发，若不能在端侧对此类软硬并发异常进行及时感知与精准溯源，将直接威胁电网核心控制指令的安全可靠性。

2、然而，现有的软硬协同异常分析方案通常将复杂的双分支孪生网络等密集型推理模型直接运行于边缘终端的主计算单元之上，其高频数据采样与张量运算不可避免地与业务智能体的正常推理过程在系统总线和缓存带宽上产生严重的资源抢占，在算力本已捉襟见肘的电力边缘场景中极易引发系统过载，形成监测工具自身制造新异常的恶性循环。此外，在因果溯源环节，现有方法在执行反事实干预时普遍采用静态均匀掩码对硬件特征进行无差别抑制，未能识别电力终端中各硬件故障维度之间由供电拓扑与计算流水线决定的有向级联传播关系，导致对独立健康维度的过度抑制引入虚假异常信号，又对故障源因果下游的隐性依附维度抑制不足而遗留级联残余干扰，最终使得归因概率矩阵中不同根因类别的边界模糊，自愈策略出现错配风险。

3、因此，期望一种优化的基于软硬协同的电力多智能体异常分析方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于软硬协同的电力多智能体异常分析方法，其包括：

2、s1，通过挂载于电力边缘终端的独立数据处理单元，对端侧原始运行数据进行零拷贝抓取与时钟同步堆叠以得到端侧软硬时序快照矩阵；

3、s2，基于独立数据处理单元内置的轻量级节拍对比器，对端侧软硬时序快照矩阵进行硬件时钟波动相位与词元生成频率相位的偏离度量化与异常触发判定，其中当偏离度超出动态阈值时对触发时刻的端侧软硬时序快照矩阵进行高密度切片并经专线卸载至边缘服务器，得到软硬节拍偏离度标签及故障瞬态上下文切片包；

4、s3，通过部署于边缘服务器的双分支孪生网络，对故障瞬态上下文切片包进行硬件分支与软件分支的并行特征解耦提取以得到硬件隐患特征向量及认知失效特征向量；

5、s4，对硬件隐患特征向量与认知失效特征向量进行因果传导效应量化以得到软硬因果归因概率矩阵；

6、s5，基于软硬因果归因概率矩阵的峰值索引与软硬节拍偏离度标签的紧急程度标识，对异常根因进行边界界定并匹配差异化自愈策略，以生成终端自愈控制指令流。

7、与现有技术相比，本申请提出一种基于软硬协同的电力多智能体异常分析方法。其通过在电力边缘终端挂载独立于主计算单元的数据处理单元，以零拷贝方式旁路抓取端侧软硬件运行数据并构建时序快照矩阵，再由内置的轻量级节拍对比器仅计算硬件时钟波动相位与词元生成频率相位的偏离度来实现极低功耗的异常触发判定，将沉重的深度分析任务经专线卸载至算力充裕的边缘服务器执行，从而在物理底座层面实现监测算力与业务算力的彻底隔离，消除监测过程对端侧推理资源的挤占。在边缘服务器侧，采用双分支孪生网络对故障瞬态切片进行硬件隐患与认知失效的并行特征解耦，并引入基于硬件故障级联邻接矩阵与图传播信念衰减的自适应梯度化掩码机制替代静态均匀掩码执行反事实因果干预，使抑制强度沿因果传播图精确靶向分配，最终依据因果归因概率矩阵与偏离度标签的紧急程度进行根因边界界定与差异化自愈策略匹配，生成终端自愈控制指令流。

1.一种基于软硬协同的电力多智能体异常分析方法，其特征在于，包括：

2.根据权利要求1所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，端侧原始运行数据包含神经网络处理器时钟频率数据、系统供电电压探针读数、内存页表数据以及智能体词元生成时间戳。

3.根据权利要求2所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，步骤s1，包括：

4.根据权利要求1所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，步骤s2，包括：

5.根据权利要求1所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，步骤s3，包括：

6.根据权利要求1所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，步骤s4，包括：

7.根据权利要求1所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，步骤s5，包括：

8.根据权利要求6所述的基于软硬协同的电力多智能体异常分析方法，其特征在于，对硬件隐患特征向量和认知失效特征向量进行基于虚拟干预的反事实掩码拓扑重构以得到反事实虚拟关联权重矩阵，包括：