一种基于机器学习的低压台区漏电风险智能识别方法及系统

本发明公开了一种基于机器学习的低压台区漏电风险智能识别方法及系统，所述识别方法包括以下步骤：步骤1：多维漏电特征构建与台区信息聚合分析；步骤2：漏电风险动态评估与阈值自适应调整；步骤3：漏电类型智能识别与置信度判定机制。有益效果是，通过引入图神经增强的梯度提升树模型(G‑GTBoost)与改进型残差卷积‑时序神经网络(Res‑CNN‑LSTM)模型，配合多模态特征融合与动态阈值调节机制，在漏电风险识别与分类中取得显著性能提升。