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！

龙图腾网获悉湖南大学申请的专利基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测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：CN115238980B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210828283.3，技术领域涉及：G06Q10/04；该发明授权基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法是由帅智康;赵慧敏;赵峰;彭也伦;沈阳;王钰泉;董雪梅设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法在说明书摘要公布了：基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法，该方法先确定当前时间各VSG所有通道的检测值以及电气邻接矩阵为时空图卷积神经网络的输入特征，再确定预测的未来时间各VSG的功角值为输出特征；接着构建基于注意力机制的时空图卷积神经网络的微电网功角轨迹预测模型；接着生成样本数据并预处理，将样本数据分为训练样本、验证样本和测试样本；再接着使用训练样本对模型训练，后将验证样本送入训练后的模型中来计算验证预测结果，得到最优化的模型；最后使用测试样本对最优化的模型进行性能评估，若结果理想，则可根据当前采集计算的输入特征预测未来时刻微电网各VSG的功角轨迹。本发明能有效准确的预测出微电网各VSG的功角轨迹。

本发明授权基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法在权利要求书中公布了：1.基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法，其特征在于，包括： 步骤S1，确定时空图卷积神经网络的输入特征及输出特征： 先定义任意时间断面的微电网为一张无向图，无向图中每一个节点分别代表一个VSG，为无向图中时间断面各节点所有通道的检测值，包括各节点的输出有功功率、输出无功功率、输出电压幅值、功角、功角加速度，为无向图中由各节点之间的电气距离组成的电气邻接矩阵； 再确定以当前时间各VSG所有通道的检测值以及电气邻接矩阵为时空图卷积神经网络的输入特征，并以预测的未来时间各VSG的功角值作为时空图卷积神经网络的输出特征； 步骤S2，构建基于注意力机制的时空图卷积神经网络的微电网功角轨迹预测模型：所述模型包括个依次连接的时空模块和一个提取时空特征的二维标准卷积层；每个时空模块均包含依次连接的捕捉时间动态的时间注意力层TAL、捕捉空间动态的空间注意力层SAL、挖掘空间特征的空间卷积层GCN和挖掘时序特征的时间卷积层2DConV； 步骤S3，样本数据生成和数据预处理：获取若干时间断面的无向图数据，生成样本数据，其中，前一时间断面各节点所有通道的输出有功功率、输出无功功率、输出电压幅值、功角、功角加速度、电气邻接矩阵为输入特征数据，后一时间断面各节点所有通道的功角为输出特征数据，对样本数据进行预处理，并将样本数据划分为训练样本、验证样本和测试样本； 步骤S4，使用训练样本对步骤S2构建的模型进行训练，后将验证样本送入训练后的模型中来计算验证预测结果，取验证效果最佳的一次训练参数作为最终的模型参数，得到最优化的模型； 步骤S5，使用测试样本对所述最优化的模型进行性能评估，若性能测试结果理想，则可将当前采集计算的输入特征送入最优化的模型中得到输出特征，以预测未来时刻微电网各VSG的功角轨迹，否则转至步骤S4； 电气邻接矩阵的计算方法如下： 首先，根据下式（2）计算各节点的阻抗矩阵： 2 其中，为第台VSG的自阻抗，为第台VSG到第台VSG的互阻抗，； 接下来，根据下式（3）计算任意两节点之间的电气距离； 3 最后，根据下式（4）将电气距离进行归一化处理； 4 则得到如下式（5）所示的电气邻接矩阵； 5。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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”。