摘要：针对配网中数据异构性与多源性挑战，提出一种基于编码-解码注意力机制自监督多源量测数据融合方法。该方法通过自监督学习自动捕捉数据间相关性，并利用编码和解码注意力机制提取加权融合特征，增强数据关联性、完整性与可用性，此方法能够自适应不同类型输入数据，进而确保在多源数据场景下实现高精度配网状态估计。在57节点仿真系统上开展的实验结果表明，所提方法在准确率、AUC和Macro_F值等核心指标上均优于GraphMDN，RetNode，AdaAtt 和DR-GCN 等主流算法。其中，准确率达到88%，AUC 提升至76.05%，Macro_F值达到93.02%，整体性能显著提升。相较最优对比算法，平均误差降低47%，最大误差控制在0.017以内。结果验证了所提方法在多源融合、电网数据建模与状态估计中的有效性与泛化能力。

      关键词：多源数据融合；编码-解码注意力；自监督学习；配网状态估计

      中图分类号：TM28     文献标识码：A