CN114581261B 基于快速图计算的故障诊断方法、系统、设备及存储介质 （中国电力科学研究院有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114581261B(45)授权公告日2025.07.01

(21)申请号202210048196.6

(22)申请日2022.01.17

(65)同一申请的已公布的文献号申请公布号CN114581261A

(43)申请公布日2022.06.03

(73)专利权人中国电力科学研究院有限公司地址100192北京市海淀区清河小营东路

15号

专利权人国网天津市电力公司

国网天津市电力公司电力科学研

究院

国家电网有限公司

(72)发明人马震媛谈元鹏徐会芳何可嘉

郑渠岸贺春刘力卿

(74)专利代理机构北京中巡通大知识产权代理有限公司11703

专利代理师文骊鹃

(51)Int.CI.

GO6F18/241(2023.01)

GO6N3/063(2023.01)

GO6F18/23213(2023.01)

GO6N3/042(2023.01)

GO6N5/022(2023.01)

GO6Q50/06(2024.01)

GO6N5/01(2023.01)

(56)对比文件

CN112165496A,2021.01.01

CN110929029A,2020.03.27

审查员程维高

权利要求书2页说明书6页附图3页

(54)发明名称

图结构数据输入图结构数据

图结构数据输入

图结构数据聚类特征分析

图神经网络池化层构建

多尺度

图神经网络构建

池化层

快速计算技术

输出

(57)摘要

CN114581261B本发明公开了一种基于快速图计算的故障诊断方法、系统、设备及存储介质，包括：对电力运检领域知识图谱图中的节点进行聚类，生成图的节点组序列；根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏表示矩阵，构建多尺度图神经网络；将所述图的节点组序列输入到多尺度图神经网络中，完成快速图神经网络的计算，得多尺度图神经网络的输出结果，完成电力设备的故障类型诊断，该方法、系统、设备及

CN114581261B

CN114581261B权利要求书1/2页

2

1.一种基于快速图计算的故障诊断方法，其特征在于，包括：

对电力运检领域知识图谱图中的节点进行聚类，生成图的节点组序列；

根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏表示矩阵，构建多尺度图神经网络；

将所述图的节点组序列输入到多尺度图神经网络中，得所述电力运检领域知识图谱图中电力设备的故障类型；

所述对电力运检领域知识图谱图中的节点进行聚类，生成图的节点组序列的具体过程为：

通过聚类算法对电力运检领域知识图谱图G中的节点进行聚类，生成图的节点组序列(G?,G?,..,G),其中，G?=G,图G;+1的节点对应图G;中的节点簇，j=0,...,K-1;

所述根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏表示矩阵，构建多尺度图神经网络的具体过程为：

对所述图的节点组序列中的各节点组进行向量表示，通过各节点组的向量表示组成该节点组的表示矩阵；

将各节点组的表示矩阵分别作为多尺度图神经网络中各池化层的稀疏表示矩阵，构建多尺度图神经网络。

2.根据权利要求1所述的基于快速图计算的故障诊断方法，其特征在于，所述将各节点组的表示矩阵分别作为多尺度图神经网络中各池化层的稀疏表示矩阵之前还包括：

通过各节点组的表示矩阵的特征值舍弃该表示矩阵中的高频精细信息。

3.根据权利要求1所述的基于快速图计算的故障诊断方法，其特征在于，所述多尺度图神经网络表示为：

X?u=Φx”,j=0,1……,K-1

其中，①;为第j个池化层的大小为N+1×N的稀疏表示矩阵，X为大小为N;×d的输入

特征矩阵，X“为大小为N;+1×d的输出特征矩阵，K为多尺度图神经网络中池化层的数目。

4.根据权利要求1所述的基于快速图计算的故障诊断方法，其特征在于，所述将图的节点组序列输入到多尺度图神经网络中，得多尺度图神经网络的输出结果的过程中，通过各池化层对图的节点组序列进行池化，对各池化层的输出结果进行聚合，将聚合结果传至读出操作及多层感知机中。

5.一种基于快速图计算的故障诊断系统，其特征在于，包括：

聚类模块(1),用于对电力运检领域知识图谱图中的节点进行聚类，生成图的节点组序列；

确定模块(