融合模式挖掘与图神经网络的检修冲突检测方法与流程
本申请涉及智能电网运维调度术领域,且更为具体地,涉及一种融合模式挖掘与图神经网络的检修冲突检测方法。
背景技术:
1、随着新型电力系统的快速发展与电网资产规模的持续扩大,电力设备运维检修任务日趋高频且复杂。检修作业通常伴随设备停运、电网运行方式变更以及特种机具与专业人力的密集调配。若多项检修计划在执行过程中产生时空或资源冲突且未被提前拦截,极易引发电网潮流越限、计划性停电超时乃至运行安全事故。因此,构建高可靠、智能化的检修冲突检测方案,对于防范电网安全风险、提升检修调度智能化水平具有重要意义。
2、现有的检修冲突检测方案主要依赖设备的电气物理台账拓扑,借助规则引擎或基于刚性电气连接的静态图神经网络进行冲突排查。然而,此类方案难以有效发掘隐式逻辑资源的无形耦合冲突。在实际检修作业中,许多任务在物理空间和电气拓扑上相隔甚远且互不相邻,但往往需要共用同一套特种工具车、大型起吊机具或同一支持证带电作业班组等隐式资源。现有图神经网络的消息传递机制高度受限于底层预设的刚性物理邻接矩阵,当节点之间缺乏直接电气连边时,网络无法跨越物理阻断传递资源争夺信号;同时,传统的模式挖掘仅输出离散的后验统计规则,与连续的图特征空间相互割裂,使得深层隐蔽的资源共享依赖关系无法被图网络有效感知与表征。
3、此外,现有技术在核查共享资源时,普遍采取脱离物理现实的判别机制。该机制默认检修资源可在各站点间瞬时调拨,仅在纸面作业时序上统计固定时段内的并发任务数量,并与单一静态经验阈值进行机械比对。这种做法完全忽视了人员与车辆在实际路网中跨站转移必然产生的路程耗时约束,导致大量作业时间看似错开,但实际上因跨站赶赴不及时而发生冲突的现场调度事故被系统性漏判,同时也抹平了不同区域的路网通行差异,极易诱发严重的误报与漏报。
4、因此,期望一种优化的检修冲突检测方案。
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融合模式挖掘与图神经网络的检修冲突检测方法。
2、根据本申请的一个方面,提供了一种融合模式挖掘与图神经网络的检修冲突检测方法,其包括:
3、步骤一,对获取的检修多源数据进行结构化提取与拓扑图谱化映射以得到结构化任务特征序列、物理拓扑邻接表和预处理运维日志;
4、步骤二,对预处理运维日志和结构化任务特征序列进行隐蔽共享资源实体共现挖掘与最大并发容量边界量化以得到隐式资源约束集合;
5、步骤三,基于物理拓扑邻接表实例化设备物理节点及其物理连边,并按照隐式资源约束集合为各隐蔽共享资源生成虚拟资源节点,其中将结构化任务特征序列中依赖同一隐蔽共享资源的非相邻物理节点经逻辑异构边接入同一虚拟资源节点以构建异构图拓扑结构,并按节点类型分别填充任务时空特征与资源容量特征以得到初始节点特征矩阵;
6、步骤四,对异构图拓扑结构和初始节点特征矩阵进行消息传递与联合编码以得到联合编码节点嵌入集;
7、步骤五,基于隐式资源约束集合,对联合编码节点嵌入集中时间窗重叠的任务节点对进行冲突概率推断与告警阈值过滤以输出跨节点资源冲突概率矩阵和隐蔽冲突预警定位列表。
8、与现有技术相比,本申请提供的一种融合模式挖掘与图神经网络的检修冲突检测方法,其首先利用多源运维数据挖掘非相邻任务对隐蔽共享资源的深层依赖,并将真实路网转场耗时与空间驻留特性映射为动态容量边界,打破瞬时调拨的纸面假设;其次,在图空间创新性注入虚拟资源节点作为逻辑枢纽,将原本相互割裂的物理节点跨域连接为物理-逻辑耦合异构图,打通跨站资源竞争的消息传递通道;最终,通过异构图神经网络完成物理拓扑与逻辑约束的联合编码,并结合物理可达时窗边界实现冲突概率推断。本方案通过这种方式能够从表征与判据双重维度消除了信息孤岛,实现了对非相邻节点资源抢占及跨站转场不可达等深层隐蔽冲突的精准拦截。
1.一种融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,包括:
2.根据权利要求1所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,检修多源数据包含检修任务编号、目标设备标识、检修时间窗、操作描述文本、设备电气连接台账和历史运维调度日志。
3.根据权利要求2所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,步骤一,包括:
4.根据权利要求3所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,对检修多源数据中的检修任务要素进行特征提取与向量拼接以得到结构化任务特征序列,包括:
5.根据权利要求1所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,步骤二,包括:
6.根据权利要求1所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,步骤三,包括:
7.根据权利要求1所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,步骤四,包括:
8.根据权利要求1所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,步骤五,包括:
9.根据权利要求8所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,以隐式资源约束集合中的最大并发容量所映射的决策偏置为基准,对任务节点关联打分矩阵进行资源容量越限判别与冲突概率映射以得到跨节点资源冲突概率矩阵,包括:
10.根据权利要求5所述的融合模式挖掘与图神经网络的检修冲突检测方法,其特征在于,对任务资源依赖映射矩阵中超过强依赖阈值的任务进行隐式资源容量边界计算与约束集合封装以得到隐式资源约束集合,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com