[發明專利]一種基于圖結構池化的水電信號監視方法、系統及終端

在審

• 申請號: 202210384779.6
• 申請日: 2022-04-13
• 公開（公告）號: CN114743052A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 羅瑋;馬宇;張錚;郭仕銳;黃飛虎
• 申請（專利權）人: 國能大渡河大數據服務有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/40;G06V10/778;G06K9/62
• 代理公司: 成都啟慧金舟知識產權代理事務所(特殊普通合伙) 51299
• 代理人: 何媛

本發明公開了一種基于圖結構池化的水電信號監視方法、系統及終端，涉及異常監測技術領域，其技術方案要點是：對水電系統各站點監測數據進行特征提取，得到節點特征向量；通過改進自注意力方法聚合鄰接節點，獲取注意力系數后更新節點特征向量；采用新圖卷積獲得全局的圖信息來保留適應度分數排序前列的節點；重復操作，將每層的輸出拼接并通過MLP得到最終的圖表示；使用交叉熵損失函數對圖表示進行圖分類，判斷得到監測結果。本發明綜合考慮了圖的局部結構信息和全局結構信息使得對圖信息差異性特征提取更為準確，可以用于判斷水電系統是否運行正常。

技術領域

本發明涉及異常監測技術領域，更具體地說，它涉及一種基于圖結構池化的水電信號監視方法、系統及終端。

背景技術

水電站監控系統信號監視是運行值班的核心工作，將各個監測點之間的關系抽象為圖網絡，即節點表示監測點，節點狀態則是監測信號。這樣對整個系統運行是否正常的任務就抽象為一個圖網絡的分類問題，分為正確類則表示系統運行正常，分為錯誤類則表示系統運行異常。

應用于圖分類任務的方法涉及通過利用給定的圖結構和初始節點級表示來預測輸入圖的標簽。現有的圖分類方法主要分為兩類，一是全局圖池化，這種架構依賴于通過GNN學習節點表示，然后聚合節點信息以生成圖形表示，即通過圖卷積獲取整個圖的表達再結合MLP進行分類，其中SET2SET，global-attent，sortPool最為典型。二是基于層級的圖池化方法，即每一步池化將圖中不重要節點刪除，每次只保留重要的節點，這樣來獲取圖的細小結構信息。比如DiffPool，TOP-K Pool以及SAGPool等方法。

然而，在現有的圖分類方法中，全局圖池化本質上是扁平的，只關注了圖的全局信息而缺乏了對子圖結構的捕捉，而層級圖池化方法過于關注捕捉圖的子圖信息，而忽視了對整個圖結構的把握。并且節點之間的差異性信息常常被忽略。比如說相同的分子結構只要有一個節點存在差異，那么整個分子起到的作用將會有巨大的差別。因此，如何研究設計一種能夠克服上述缺陷的一種基于圖結構池化的水電信號監視方法、系統及終端是我們目前急需解決的問題。

發明內容

為解決現有技術中的不足，本發明的目的是提供一種基于圖結構池化的水電信號監視方法、系統及終端，綜合考慮了圖的局部結構信息和全局結構信息使得對圖信息差異性特征提取更為準確，可以用于判斷水電系統是否運行正常。

本發明的上述技術目的是通過以下技術方案得以實現的：

第一方面，提供了一種基于圖結構池化的水電信號監視方法，包括以下步驟：

S1：對水電系統各站點監測數據進行特征提取，得到節點特征向量；

S2：通過改進自注意力方法聚合鄰接節點，獲取注意力系數后更新節點特征向量；

S3：采用新圖卷積獲得全局的圖信息來保留適應度分數排序前列的節點；

S4：重復步驟S2-S3，將每層的輸出拼接并通過MLP得到最終的圖表示；

S5：使用交叉熵損失函數對圖表示進行圖分類，判斷得到監測結果。

進一步的，所述節點特征向量的提取過程具體為：

對節點的初始特征信息執行卷積進行矢量化；

應用全連接層來降低維度。

進一步的，所述節點特征向量的提取表達式具體為：

其中，表示第i個節點的節點特征向量；FC表示全連接層；BN表示正則化網絡，負責每層網絡參數的正則化；表示第i個水電各監測站點的特征信息。

進一步的，所述改進自注意力方法的表達式具體為：

其中，表示節點i與節點j之間的注意力系數；表示激活函數；表示自適應保留當前節點的特征信息的參數矩陣；表示學習有向圖中源節點的特征的參數矩陣；表示第i個節點的節點特征向量；表示第j個節點的節點特征向量；表示拼接操作。