买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福州大学申请的专利基于时空信息特征融合的PMU数据重构方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117290738B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311475379.7，技术领域涉及：G06F18/22；该发明授权基于时空信息特征融合的PMU数据重构方法是由林俊杰;涂明权;陈浩宇;洪宏彬;陈冰冰设计研发完成，并于2023-11-07向国家知识产权局提交的专利申请。

本基于时空信息特征融合的PMU数据重构方法在说明书摘要公布了：本发明涉及一种基于时空信息特征融合的PMU数据重构方法。该方法通过分析现场实测的同步相量量测数据，归纳4种低质量数据情况，并且利用数理分析和相关性分析方法对系统运行状态进行辨识；接着将多视图学习方法与电网运行机理相结合，得出具有时空信息特征的4种视图方法，利用4种视图方法初步预测低质量目标数据的重构值；最后，对目标系统非低质量数据进行训练，通过得出的暂稳态阶段下4种算法各自总体误差自适应更新各个预测值的权重，将4种视图法的预测结果整合得到最终的数据重构值。本发明方法能有效对动态系统进行实时数据重构，为同步相量数据在电力系统中的应用提供有效保障。

本发明授权基于时空信息特征融合的PMU数据重构方法在权利要求书中公布了：1.一种基于时空信息特征融合的PMU数据重构方法，其特征在于，包括如下步骤： 步骤S1、建立系统运行状态辨识法来判断测量数据xij所处的最新时刻系统的运行阶段；若为稳态，则进行步骤S2；若为暂态，则进行步骤S4； 步骤S2、当处于稳态时，利用GTV法来检测与辨识xij是否为低质量数据；若是，则进行下一步；若否，则停止计算； 步骤S3、利用GTV、GSV、LTV和LSV分别对xij进行初步预测；再利用稳态下对非低质量数据训练得出的总体误差自适应分配权重，对xij进行数据重构； 步骤S4、当处于暂态时，利用GSV法来检测与辨识xij是否为低质量数据；若是，则进行下一步；若否，则停止计算； 步骤S5、利用GSV和LSV对xij进行初步预测；再利用暂态下对非低质量数据训练得出的总体误差自适应分配权重，对xij进行数据重构； 步骤S3与步骤S5中，利用时空信息特征融合模型STIFFM对非低质量数据训练得出的总体误差自适应分配权重，对xij进行数据重构，具体如下： 电力系统由于电气连接的约束以及元件的特性，系统状态存在着显著的时间和空间分别性，只利用单独断面的测量信息和线路参数线性无法充分表征电力系统的全局时空信息特征；为此，整合时空信息融合的全局与局部多维视角下的时空MVL数据重构方法中的GTV、GSV、LTV和LSV4种算法，构建STIFFM数据恢复方法； 由于GTV和LTV在处理扰动事件时没办法很好地预测数值，为此在暂态过程中仅采取空间法GSV和LSV来进行组合预测；采用时空信息融合的全局与局部多维视角下的时空MVL数据重构方法中的4种算法对目标系统非低质量数据进行训练，通过得出的在暂稳态阶段下4种算法各自总体误差自适应更新各个预测值的权重： 其中，为STIFFM得出的最终结果；Lgsv1、Llsv1分别为GSV、LSV法在St＝1系统暂态过渡阶段的总体误差，其各自的倒数作为权重；Lgtv0、Lgsv0、Lltv0、Llsv0分别为GTV、GSV、LTV、LSV法在St＝0系统稳定阶段的总体误差，其各自的倒数作为权重；分别表示对xij预测得到的GSV预测值、GTV预测值、LTV预测值和LSV预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。