买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉惠州市达雅科技有限公司申请的专利基于图神经网络的电网故障定位方法、系统、设备及产品获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120408196B 。

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510499660.7，技术领域涉及：G06F18/214；该发明授权基于图神经网络的电网故障定位方法、系统、设备及产品是由郑林浩;李梦婷设计研发完成，并于2025-04-21向国家知识产权局提交的专利申请。

本基于图神经网络的电网故障定位方法、系统、设备及产品在说明书摘要公布了：本发明公开了一种基于图神经网络的电网故障定位方法、系统、设备及产品，属于故障定位的技术领域，首先获取实际电网线路，并生成图模型；然后分别获取各个电气运行设备对应的遥测数据和遥信数据，并对应地存储入各个节点中；再训练出基于注意力的时空图卷积网络模型和图神经网络模型，并提取出电网节点特征；随后将电网节点特征输入一维卷积神经网络进行节点覆盖，以将电网节点特征映射至电网边线特征；最后输出边线集合中各个边线为故障区段的概率值，选取出概率值最大的对应的边线作为电网故障定位结果。本发明所提供的方案，不仅对拓扑变动、高阻故障及数据不完备场景具有强鲁棒性，并且还显著地提升了配电网故障定位的准确率。

本发明授权基于图神经网络的电网故障定位方法、系统、设备及产品在权利要求书中公布了：1.一种基于图神经网络的电网故障定位方法，其特征在于，包括： 获取实际电网线路，并根据实际电网线路生成图模型，其中，所述图模型包括节点集合和边线集合，节点集合用于表示各个电气运行设备，边线集合用于表示电力线路区段； 分别获取各个电气运行设备对应的遥测数据和遥信数据，并将各个电气运行设备对应的遥测数据和遥信数据分别对应地存储入所述节点集合的各个节点中，其中，所述遥测数据包括对应电气运行设备的电压信号和电流时序信号，所述遥信数据包括对应电气运行设备的离散动作信息； 基于所述节点集合，训练出基于注意力的时空图卷积网络模型和图神经网络模型，并根据基于注意力的时空图卷积网络模型和图神经网络模型，处理所述节点集合，以提取出电网节点特征； 将电网节点特征输入一维卷积神经网络，并利用一维卷积核进行节点覆盖，以将电网节点特征映射至电网边线特征； 对电网边线特征进行降维，并输出所述边线集合中各个边线为故障区段的概率值，选取出概率值最大的对应的边线作为电网故障定位结果； 基于所述节点集合，训练出基于注意力的时空图卷积网络模型和图神经网络模型，包括： 获取所述节点集合中各个节点的遥测数据； 以各个节点的遥测数据形成第一训练集； 基于所述第一训练集，训练出基于注意力的时空图卷积网络模型； 获取所述节点集合中各个节点的遥信数据； 以各个节点的遥信数据形成第二训练集； 基于所述第二训练集，训练出图神经网络模型； 根据基于注意力的时空图卷积网络模型和图神经网络模型，处理所述节点集合，以提取出电网节点特征，包括： 基于时空图卷积网络模型，将所述节点集合投影至时间注意力空间，根据所述节点集合的时间注意力空间投影，分别计算出所述节点集合中各个节点的时间注意力权重，并基于各个节点的时间注意力权重得到时间注意力矩阵； 基于时空图卷积网络模型，将所述节点集合投影至空间注意力空间，根据所述节点集合的空间注意力空间投影，分别计算出所述节点集合中各个节点的空间注意力权重，并基于各个节点的空间注意力权重得到空间注意力矩阵； 基于图卷积方法，对所述空间注意力矩阵进行处理，以提取出所述节点集合中各个节点的空间特征； 基于所述时间注意力矩阵，提取出所述节点集合中各个节点的时间特征； 基于所述节点集合中各个节点的空间特征和各个节点的时间特征，得到所述节点集合中各个节点的时空融合特征； 在基于所述节点集合中各个节点的空间特征和各个节点的时间特征，得到所述节点集合中各个节点的时空融合特征后，还包括： 基于图神经网络模型，对所述节点集合构建出多头图注意力机制； 利用所述多头图注意力机制计算出所述节点集合中各个节点的图注意力权重； 根据所述节点集合中各个节点的图注意力权重对所述节点集合中各个节点进行处理，以通过所述多头图注意力机制中的各个注意力头计算出图注意力特征； 将所述各个注意力头计算出的图注意力特征，与所述节点集合中各个节点的时空融合特征进行特征拼接，以得到电网节点特征； 将所述节点集合投影至时间注意力空间，根据所述节点集合的时间注意力空间投影，分别计算出所述节点集合中各个节点的时间注意力权重，并基于各个节点的时间注意力权重得到时间注意力矩阵，包括： 利用可学习的时间线性变换矩阵，对所述节点集合中各个节点的遥测数据进行线性处理，以将所述节点集合投影至时间注意力空间； 根据所述节点集合的时间注意力空间投影，计算出各个节点之间的时间相似度矩阵； 对所述各个节点之间的时间相似度矩阵添加时间偏置项矩阵，并利用激活函数生成时间注意力权重矩阵； 利用可学习的时间权重矩阵，对所述时间注意力权重矩阵进行线性处理，以分别计算出所述节点集合中各个节点的时间注意力权重，并基于各个节点的时间注意力权重得到时间注意力矩阵； 相应的，基于时空图卷积网络模型，将所述节点集合投影至空间注意力空间，根据所述节点集合的空间注意力空间投影，分别计算出所述节点集合中各个节点的空间注意力权重，并基于各个节点的空间注意力权重得到空间注意力矩阵，则包括： 利用所述时间注意力矩阵，对所述节点集合中的各个节点进行加权处理，以得到时间加权特征矩阵； 利用可学习的空间线性变换矩阵，对所述节点集合中各个节点线性处理，以将所述节点集合投影至空间注意力空间； 根据所述节点集合的空间注意力空间投影，计算出各个节点之间的空间相似度矩阵； 对所述各个节点之间的空间相似度矩阵添加空间偏置项矩阵，并利用激活函数生成空间注意力权重矩阵； 利用可学习的空间权重矩阵，对所述空间注意力权重矩阵进行线性处理，以分别计算出所述节点集合中各个节点的空间注意力权重，并基于各个节点的空间注意力权重得到空间注意力矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人惠州市达雅科技有限公司，其通讯地址为：516000 广东省惠州市惠城区山背路6号九峰华庭第7、8栋第7栋28层04号房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。