【技术实现步骤摘要】
本专利技术涉及电力系统主设备缺陷诊断与动态图表示学习，尤其涉及一种量子游走和量子热力学的电网动态知识图谱链接预测方法。
技术介绍
1、电力系统是维系现代生产生活的关键，其稳定运行直接关系到社会的正常运转和经济的发展。主设备缺陷是威胁电力系统稳定运行的主要因素之一。变压器、发电机、电抗器等关键设备一旦出现故障，不仅会导致电力供应中断，还可能引发更为严重的次生灾害。因此，对主设备缺陷的及时准确诊断显得尤为重要。然而，主设备往往结构复杂、部件众多、检修与日常维护工作繁琐，其缺陷分析诊断不仅受设备现状影响，也需要考虑设备的运维记录等时态信息。现有的主设备缺陷诊断方法虽然取得了一定成效，但往往只依赖设备的当前状态，忽略了设备所处的复杂环境及故障之间的关联关系，难以应对更为复杂的情况。另外，量子游走是随机游走的一个量子状态的模拟，常常被用于衡量静态图节点之间的关系，但是之前没有被用于动态图的刻画。这些问题限制了电力系统的可靠性和安全性，亟需新的技术和方法来提高主设备缺陷诊断的有效性和准确性。
2、动态图是用于描述动态系统中节点和边随时间变化的一种图模型。与传统的静态图不同，时态图在图的结构中引入了时间维度，能够反映出系统在不同时间点上的拓扑变化和关系演变。典型的动态图包括社交网络、引文网络、交通网络、疾病传播网络等。电网设备之间存在着天然的拓扑关系，将电力设备转化为图，可以有效捕获设备之间的关联关系，有助于分析不同设备之间的缺陷关联，识别出某些缺陷是否具有传播性或是否会引发其他设备的故障，提高系统整体的故障预测能力。而引入时序信
3、图神经网络和结构学习是动态图表示学习的两大基础方法：前者以图神经网络为基础，通过邻居节点聚合和时态编码建模节点表示；后者注重学习网络的时态结构，可以取得更好的表示结果，但因为随机游走过程难以加速，往往会导致更高的时间开销。在实际生产中，电力系统的运行是一个长期的过程，随着时间的推移，动态图的数据量会迅速增长，造成邻居节点数量激增，使传统图神经网络的训练和运行面临更大的压力。此外，电力场景要求实现实时的缺陷分析诊断，使得以时态随机游走为基础的结构学习方法难以为继。如何应对数据膨胀问题，保障缺陷诊断的实时性、有效性，是使用动态图表示学习实现主设备缺陷诊断的关键。
技术实现思路
1、为此，本专利技术实施例提供了一种量子游走和量子热力学的电网动态知识图谱链接预测方法及系统，用于解决现有技术中只依赖设备的当前状态，忽略了设备环境及故障关联，难以应对复杂情况，且未有效利用动态图来刻画时态信息等问题。
2、为了解决上述问题，本专利技术实施例提供一种量子游走和量子热力学的电网动态知识图谱链接预测方法，该方法包括：
3、收集电网动态知识图谱的相关数据，包括电网设备的状态、连接关系、时间戳，构建数据集，并将数据集划分为训练集和测试集；
4、构建基于量子游走和量子热力学的电网动态知识图谱链接预测模型，所述模型包括量子迁移感知编码器和温度感知混合专家模型解码器；
5、其中所述量子迁移感知编码器用于基于动态知识图谱，以当前要推理的节点为中心节点进行子图采样，得到以中心节点为中心的子图结构；基于子图结构，在子图上进行量子游走，计算中心节点到各节点的量子偏置值；基于子图结构和量子偏置值，使用图注意力网络从邻居节点聚合信息，并引入量子偏置调整注意力权重，得到中心节点的更新嵌入；
6、所述温度感知混合专家模型解码器用于基于动态知识图谱的连续时刻数据，计算动态知识图谱的全局演化特征；基于中心节点的嵌入、连边时间、全局演化特征，得到未来可能存在的边的预测结果；
7、使用训练集数据对模型进行训练，通过反向传播算法优化模型参数，得到训练好的模型；
8、利用测试集对训练好的模型进行评估。
9、优选地，所述动态知识图谱是按照时间顺序排列的四元组，四元组的形式包括头实体，关系，尾实体，时间；实体是电网设备和故障，边在电网设备和故障之间，四元组代表在某个时间某个电网设备发生了某种故障。
10、优选地，所述所述基于动态知识图谱，以当前要推理的节点为中心节点进行子图采样的方法为：
11、基于动态知识图谱，以当前要推理的节点为中心节点进行子图采样，采样范围在中心节点k-step的范围内，采样有固定上限，同时优先采样出现较晚的边。
12、优选地，所述基于子图结构，在子图上进行量子游走，计算中心节点到各节点的量子偏置值，具体包括：
13、基于子图结构，对采样得到的子图增加一个虚拟自环后计算中心节点到其他被采样节点的量子偏置值，其中，所述虚拟自环是指在推理可能存在的连边的时候，为中心节点添加一个指向自己，时间为推理时间的边，所述量子偏置值的定义为量子从中心节点出发经过足够长的时间后能够在子图每个节点上被观察到的平均几率，其计算公式为：
14、；
15、；
16、其中，是系统哈密尔顿矩阵，且，是哈密尔顿矩阵个不同的特征值，是具有相同特征值的特征矩阵之和；是时间上限；是不特定时间；和是时间时的量子共轭矩阵；是在时间时，从不同节点出发的量子在节点上被观察到的几率矩阵；
17、计算出量子偏置矩阵之后，根据中心节点的序号就能够获得中心节点相对于其他节点的量子偏置值。
18、优选地，所述基于子图结构和量子偏置值，使用图注意力网络从邻居节点聚合信息，并引入量子偏置调整注意力权重，得到中心节点的更新嵌入，具体包括：
19、基于子图结构，计算中心节点相较于邻居节点的注意力值，首先通过图注意力网络的方法计算原始基于特征的注意力值，之后加入前一步计算得到的量子偏置值，通过以下公式计算得到：
20、；
21、其中，是矩阵转置符号；是量子偏置值；是节点相对节点的量子偏置值；是在时间以为中心节点采样得到的子图；是中心节点的嵌入线性变化之后的值；是嵌入的维度，用于放缩attention值使其不至于过度稀疏；和是中心节点、邻居节点与中心节点连接的边的嵌入线性变化之后的值，计算过程如下：
22、；
23、；
24、其中，是拼接操作，将多个向量合并成一个更长的向量；是一个基于三角函数的时间编码模型；是在时刻，和之间的连边总数；是第层的节点嵌入；是推理发生的时间；是选取的该连边的时间戳，也就是对应时间的发生时间；和是参数投影矩阵；
25、节点聚合邻居信息，公式如下：
26、；
27、其中，是邻居节点与中心节点连接的边的嵌入；是softmax激活函数；是第层更新后的节点嵌入；表示中心节点的邻居节点集合；
28、最后再用一个多层感知机网络融本文档来自技高网...
【技术保护点】
1.一种量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，包括：
2.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述动态知识图谱是按照时间顺序排列的四元组，四元组的形式包括头实体，关系，尾实体，时间；实体是电网设备和故障，边在电网设备和故障之间，四元组代表在某个时间某个电网设备发生了某种故障。
3.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于动态知识图谱，以当前要推理的节点为中心节点进行子图采样的方法为：
4.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于子图结构，在子图上进行量子游走，计算中心节点到各节点的量子偏置值，具体包括：
5.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于子图结构和量子偏置值，使用图注意力网络从邻居节点聚合信息，并引入量子偏置调整注意力权重，得到中心节点的更新嵌入，具体包括：
6.根据权利要求1所述的量
7.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于中心节点的嵌入、连边时间、全局演化特征，得到未来可能存在的边的预测结果，具体包括：
8.一种量子游走和量子热力学的电网动态知识图谱链接预测系统，其特征在于，所述系统用于实现权利要求1至7任意一项所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，具体包括：
9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器和总线系统，所述处理器和存储器通过该总线系统相连，所述存储器用于存储指令，所述处理器用于执行存储器存储的指令，以实现权利要求1至7任意一项所述的量子游走和量子热力学的电网动态知识图谱链接预测方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机软件产品，所述计算机软件产品包括的若干指令，用以使得一台计算机设备执行权利要求1至7任意一项所述的量子游走和量子热力学的电网动态知识图谱链接预测方法。
...【技术特征摘要】
1.一种量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，包括：
2.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述动态知识图谱是按照时间顺序排列的四元组，四元组的形式包括头实体，关系，尾实体，时间；实体是电网设备和故障，边在电网设备和故障之间，四元组代表在某个时间某个电网设备发生了某种故障。
3.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于动态知识图谱，以当前要推理的节点为中心节点进行子图采样的方法为：
4.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于子图结构，在子图上进行量子游走，计算中心节点到各节点的量子偏置值，具体包括：
5.根据权利要求1所述的量子游走和量子热力学的电网动态知识图谱链接预测方法，其特征在于，所述基于子图结构和量子偏置值，使用图注意力网络从邻居节点聚合信息，并引入量子偏置调整注意力权重，得到中心节点的更新嵌入，具体包括：
6.根据权利要求1所述的量子游走和量子热力...
【专利技术属性】
技术研发人员：杨虹，孟晓凯，芦竹茂，白洋，韩钰，俞华，刘永鑫，赵亚宁，张娜，卫世超，
申请(专利权)人：国网山西省电力公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。