电网调度操作链异常智能溯源策略研究OA

近年来,随着电网结构日趋复杂,调度链条呈现出强耦合、强时序等特征,多数研究聚焦于基于规则的专家系统或浅层模型,存在误报率高、实时性差的问题。因此,针对现有方法难以识别复杂操作链中动态演化异常的问题,提出一种基于记忆增强的时序图注意力网络(memory-augmented temporal graph attention network,MA-TGAN)用于调度操作链异常智能溯源。该方法通过解析多源异构报文,构建动态时序图,利用图注意力与记忆增强机制学习节点与边的演化特征。引入嵌入重构误差进行异常评分,实现实时检测;结合记忆模块进行注意力回溯,定位异常源头。实验结果表明,所提方法在检测精度和溯源能力方面均优于传统模型,为调度操作链的智能监测与精准诊断提供了新方法。