【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于電力異常檢測，尤其涉及多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法及系統(tǒng)。
技術(shù)介紹
1、在電力系統(tǒng)的日常運行中，設(shè)備異常事件可能由多種復(fù)雜因素引發(fā)，且這些異常往往具有連鎖反應(yīng)，影響范圍廣泛?，F(xiàn)有的異常檢測和分析系統(tǒng)大多依賴于單一數(shù)據(jù)源，難以全面捕捉異常的多維度特征，也難以識別異常事件之間的深層次因果關(guān)系。隨著多模態(tài)數(shù)據(jù)（如視覺、音頻和文本數(shù)據(jù)）的引入，電力系統(tǒng)能夠收集設(shè)備運行的多方面信息，但如何有效整合這些多模態(tài)數(shù)據(jù)并進行深入的因果分析，仍是一個亟待解決的問題。
2、此外，通用大模型在廣義異常檢測上具有較強的適應(yīng)性，但其在特定領(lǐng)域的精細化分析上存在不足，如果將其單獨應(yīng)用至電力領(lǐng)域，往往不能達到精準檢測的目的。
技術(shù)實現(xiàn)思路
1、為克服上述現(xiàn)有技術(shù)的不足，本專利技術(shù)提供了多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法及系統(tǒng)，結(jié)合通用模型與電力專屬模型進行通專協(xié)同分析，通過綜合多模態(tài)數(shù)據(jù)，實現(xiàn)高效、精準的異常因果鏈條推理，提升電力異常檢測的準確性和有效性。
2、為實現(xiàn)上述目的，本專利技術(shù)的一個或多個實施例提供了如下技術(shù)方案：
3、本專利技術(shù)第一方面提供了多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法。
4、多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，包括以下步驟：
5、獲取電力設(shè)備中的多模態(tài)數(shù)據(jù)，進行預(yù)處理并轉(zhuǎn)化為統(tǒng)一的嵌入表示；
6、將統(tǒng)一的嵌入表示輸入至通用模型中，通過ddcot推理技術(shù)將因果鏈條
7、電力專屬模型基于通用模型生成的因果鏈條的骨架，對因果鏈條的每個節(jié)點進行層層細化，補充細節(jié)信息并填充關(guān)鍵因素，得到因果圖；
8、將因果圖輸入至超圖神經(jīng)網(wǎng)絡(luò)中，通過多層卷積操作挖掘數(shù)據(jù)中的高階關(guān)聯(lián)，對因果圖中節(jié)點的嵌入表示進行更新，得到更新后的因果圖；
9、基于更新后因果圖中節(jié)點的嵌入表示，確定出存在異常的節(jié)點。
10、本專利技術(shù)第二方面提供了多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測系統(tǒng)。
11、多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測系統(tǒng)，包括：
12、數(shù)據(jù)獲取模塊，被配置為：獲取電力設(shè)備中的多模態(tài)數(shù)據(jù)，進行預(yù)處理并轉(zhuǎn)化為統(tǒng)一的嵌入表示；
13、通用模型數(shù)據(jù)處理模塊，被配置為：將統(tǒng)一的嵌入表示輸入至通用模型中，通過ddcot推理技術(shù)將因果鏈條的生成過程細化為多個子任務(wù)，將每個子任務(wù)逐層推進，確定每個子任務(wù)的節(jié)點和邊，得到最終的因果鏈條骨架；
14、電力專屬模型數(shù)據(jù)處理模塊，被配置為：電力專屬模型基于通用模型生成的因果鏈條的骨架，對因果鏈條的每個節(jié)點進行層層細化，補充細節(jié)信息并填充關(guān)鍵因素，得到因果圖；
15、超圖神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理模塊，被配置為：將因果圖輸入至超圖神經(jīng)網(wǎng)絡(luò)中，通過多層卷積操作挖掘數(shù)據(jù)中的高階關(guān)聯(lián)，對因果圖中節(jié)點的嵌入表示進行更新，得到更新后的因果圖；
16、檢測模塊，被配置為：基于更新后因果圖中節(jié)點的嵌入表示，確定出存在異常的節(jié)點。
17、本專利技術(shù)第三方面提供了計算機可讀存儲介質(zhì)，其上存儲有程序，該程序被處理器執(zhí)行時實現(xiàn)如本專利技術(shù)第一方面所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法中的步驟。
18、本專利技術(shù)第四方面提供了電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，所述處理器執(zhí)行所述程序時實現(xiàn)如本專利技術(shù)第一方面所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法中的步驟。
19、以上一個或多個技術(shù)方案存在以下有益效果：
20、本專利技術(shù)提供了一種多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法及系統(tǒng)，通過結(jié)合超圖神經(jīng)網(wǎng)絡(luò)和因果推理技術(shù)，構(gòu)建了一個動態(tài)更新和風(fēng)險預(yù)警的因果鏈條分析框架。首先，系統(tǒng)采集電力設(shè)備的多模態(tài)數(shù)據(jù)，經(jīng)過去噪和特征提取，以統(tǒng)一的嵌入表示輸入模型中；通用模型負責(zé)進行基礎(chǔ)異常檢測，形成因果鏈條的骨架結(jié)構(gòu)，并通過專屬模型的精細化分析，逐步填充因果鏈條中的關(guān)鍵節(jié)點和細節(jié)信息。然后，系統(tǒng)使用超圖神經(jīng)網(wǎng)絡(luò)在多層卷積中提取高階因果關(guān)系，并對因果鏈條進行層次化展示。最后，通過動態(tài)更新機制，系統(tǒng)能夠及時調(diào)整因果鏈條結(jié)構(gòu)，并基于鏈條中的風(fēng)險節(jié)點生成實時風(fēng)險預(yù)警報告。本專利技術(shù)方法使電力系統(tǒng)在面對復(fù)雜異常時，能夠?qū)崿F(xiàn)對異常事件的全面監(jiān)控、精準分析和有效預(yù)警，大幅提升電力系統(tǒng)的管理效率和安全性。
21、本專利技術(shù)提出了一種通專協(xié)同多模態(tài)因果思維鏈推理方法，結(jié)合通用模型的廣義語義理解和電力專屬模型的精細化分析，利用多模態(tài)思維鏈技術(shù)將兩者的推理過程有機協(xié)同，逐步識別異常的根本原因、可能影響及風(fēng)險，提升了對復(fù)雜異常的識別精度和響應(yīng)效率。
22、本專利技術(shù)提出了一種基于超圖神經(jīng)網(wǎng)絡(luò)與因果推理的多模態(tài)異常層次化因果鏈條分析方法，系統(tǒng)通過超圖神經(jīng)網(wǎng)絡(luò)捕捉多模態(tài)數(shù)據(jù)中復(fù)雜的高階關(guān)聯(lián)，并結(jié)合因果推理技術(shù)自動構(gòu)建因果鏈條，對鏈條中的關(guān)鍵因素進行逐層解析和因果驗證。該方法能夠?qū)惓z測結(jié)果以層次化因果鏈的形式呈現(xiàn)，直觀揭示異常背后的因果邏輯，為用戶提供詳細的因果關(guān)系分析和推理結(jié)果，從而實現(xiàn)對異常檢測和原因分析的透明化和精細化。
23、本專利技術(shù)附加方面的優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術(shù)的實踐了解到。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，獲取電力設(shè)備中的多模態(tài)數(shù)據(jù)，進行預(yù)處理并轉(zhuǎn)化為統(tǒng)一的嵌入表示，具體包括：
3.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，將統(tǒng)一的嵌入表示輸入至通用模型中，采用多層級遞歸式子任務(wù)生成的方式，得到最終的因果鏈條骨架，具體過程包括：
4.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，電力專屬模型基于通用模型生成的因果鏈條的骨架，對因果鏈條的每個節(jié)點進行層層細化，補充細節(jié)信息并填充關(guān)鍵因素，得到因果圖，具體包括：
5.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，將因果圖輸入至超圖神經(jīng)網(wǎng)絡(luò)中，通過多層卷積操作挖掘數(shù)據(jù)中的高階關(guān)聯(lián)，對因果圖中節(jié)點的嵌入表示進行更新，得到更新后的因果圖，具體包括：
6.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，基于更新
7.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，還包括對因果鏈條進行更新，具體為：
8.多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測系統(tǒng)，其特征在于，包括：
9.一種計算機可讀存儲介質(zhì)，其上存儲有程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7任一項所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法中的步驟。
10.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1-7任一項所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法中的步驟。
...【技術(shù)特征摘要】
1.多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，獲取電力設(shè)備中的多模態(tài)數(shù)據(jù)，進行預(yù)處理并轉(zhuǎn)化為統(tǒng)一的嵌入表示，具體包括：
3.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，將統(tǒng)一的嵌入表示輸入至通用模型中，采用多層級遞歸式子任務(wù)生成的方式，得到最終的因果鏈條骨架，具體過程包括：
4.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，電力專屬模型基于通用模型生成的因果鏈條的骨架，對因果鏈條的每個節(jié)點進行層層細化，補充細節(jié)信息并填充關(guān)鍵因素，得到因果圖，具體包括：
5.如權(quán)利要求1所述的多模態(tài)通專協(xié)同因果思維鏈推理電力異常檢測方法，其特征在于，將因果圖輸入至超圖神經(jīng)網(wǎng)絡(luò)中，通過多層卷積操作挖掘數(shù)據(jù)中的高階關(guān)聯(lián)，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李曉林，國健男，李巖，李陽，許榮浩，杜國棟，張海龍，劉海波，劉丕玉，郭銳，王興照，李振宇，王萬國，王振利，韓元凱，
申請(專利權(quán))人：國網(wǎng)智能科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。