基于深度学习的智能电表在线健康状态自适应评价方法

本发明涉及一种基于深度学习的智能电表在线健康状态自适应评价方法，包括以下步骤：S1:获取智能电表原始时序数据、空间信息、邻域电表互联信息和电表运行环境信息，得到结构化原始多模态数据流；S2:进行数据预处理，并进行多模态特征提取和融合，得到对齐融合后的多模态特征矩阵；S3:构建基于时空卷积网络与自适应图神经网络的健康评估模型；S4:基于训练后的多头深度健康评估模型，根据实时数据，批量向模型前馈，评估每一电表状态，反馈健康评分和风险等级；S5:基于实际区域辅助信息和回流数据，自适应调整多头深度健康评估模型，进行局部或全局微调，实现自愈和自进化。本发明有效提升了智能电表健康评估的智能化、精准性和动态适应能力。