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！

龙图腾网获悉国网四川省电力公司信息通信公司申请的专利一种现场作业全流程在线管控方法及系统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：CN120129082B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510606009.5，技术领域涉及：H04W72/542；该发明授权一种现场作业全流程在线管控方法及系统是由邓冰妍;宋梁;吕磊;邹琬;王志川;苏小平;方源;毛锐;李熠;陈泰龙;赵波;杜雪松;冯文韬;邓雯月;彭莘然设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种现场作业全流程在线管控方法及系统在说明书摘要公布了：本发明涉及电力现场管控技术领域，公开了一种现场作业全流程在线管控方法及系统，其方法包括以下步骤，采集实时信道参数，计算信道质量系数，对边缘与云端数据差异进行加权计算，根据信道质量和数据差异分配实时带宽，计算实时同步时延并启动分级缓存机制，对优先传输的检修任务数据采用差分编码对传输包结构优化，同步获取边缘侧实时坐标与云端基准坐标，计算平面直角坐标系下的坐标偏差。本发明构建信道－数据－定位跨层感知体系，弱网下仍维持300ms级控制指令闭环，通过补偿算法与多源校验，将地理围栏的米级误差压缩至亚米级，建立模型漂移－冲突事件－信道劣化的三角纠错机制，系统平均无故障时间大幅提升。

本发明授权一种现场作业全流程在线管控方法及系统在权利要求书中公布了：1.一种现场作业全流程在线管控方法，其特征在于，包括以下步骤： S100，动态带宽分配与数据差异预判：采集实时信道参数，计算信道质量系数，对边缘与云端数据差异进行加权计算，根据信道质量和数据差异分配实时带宽，计算实时同步时延并启动分级缓存机制，对优先传输的检修任务数据采用差分编码对传输包结构优化； 具体包括以下步骤： S110，信道质量动态评估：采集实时信道参数：带宽、信噪比和丢包率，并计算信道质量系数； 信道质量系数的计算公式如下： ； 其中表示理论最大带宽，为实时带宽，为丢包率，为信噪比，表示信道质量系数，当，当0.6时判定为信道劣化； S120，关键差异数据量化：对边缘与云端数据差异进行加权计算； ； 其中为数据维度权重，为同步数据维度数，为边缘端第i维度数据，为云端第i维度数据，表示数据差异量； S130，动态带宽分配策略：根据信道质量系数和数据差异量分配实时带宽； ； 其中为分配带宽，为容差系数； S140，同步冲突检测与缓存触发：计算实时同步时延，若，则启动分级缓存机制，并按权重从低到高逐级缓存非关键数据； S150，核心数据压缩传输：对优先传输的检修任务数据采用差分编码，并对传输包结构进行优化； ； 其中为边缘端任务数据，为云端任务数据，为基准值，表示差分编码后的任务数据； 传输包结构优化： ； 其中表示传输包大小，表示向下取整，为信噪比； S200，定位数据双源采集与补偿：同步获取边缘侧实时坐标与云端基准坐标，计算平面直角坐标系下的坐标偏差，提取历史轨迹数据进行三次样条插值补偿，计算补偿后偏移量并触发多源校验策略，将最终偏移量反馈至带宽分配过程； 具体包括以下步骤： S210，定位数据双源采集：同步获取边缘侧实时坐标与云端基准坐标； 其中表示边缘侧实时坐标，表示云端基准坐标； S220，实时偏移量计算：计算平面直角坐标系下的坐标偏差，并求解欧氏距离偏移量； ； ； 其中和分别为边缘端坐标的横坐标和纵坐标，和分别为云端坐标的横坐标和纵坐标，表示横坐标上的坐标偏差，表示纵坐标上的坐标偏差； 欧氏距离偏移量的计算公式如下： ； 约束条件：当时，触发补偿机制； 其中表示欧氏距离偏移量，表示偏移量阈值； S230，历史轨迹插值补偿：提取时间窗口内的历史轨迹数据，构建三次样条插值函数，生成补偿后坐标； 其中历史轨迹数据的提取公式如下： ； ； 其中表示时间窗口，为当前时间，为时间窗口长度，和分别为第k个历史坐标点的横坐标和纵坐标，表示历史坐标点的总数，表示历史轨迹数据集； 三次样条插值函数的计算公式如下： ； ； 其中和分别为横坐标和纵坐标的插值系数，通过最小二乘法拟合，表示时间的i次幂，表示插值后的横坐标，表示插值后的纵坐标； 补偿后坐标如下： ； ； 其中为补偿后的坐标，表示补偿后的坐标的横坐标，表示补偿后的坐标的纵坐标； S240，补偿结果验证：计算补偿后偏移量，并融合安全帽RFID定位数据进行修正； 计算补偿后偏移量： ； 其中，和分别为云端基准坐标的横坐标和纵坐标，表示补偿后偏移量，若，触发多源校验策略： 融合安全帽RFID定位数据修正； 采用加权平均修正： ； ； 其中表示加权的权重系数，和表示RFID定位坐标的横坐标和纵坐标； S250，动态误差反馈：将最终偏移量反馈至S100中的带宽分配流程中，更新S120中的差异数据权重，记录历史误差数据用于长期优化； 将最终偏移量反馈至S100的带宽分配流程中： ； 其中为最终偏移量，为偏移阈值，为原始坐标数据权重，表示位置数据权重； 更新步骤S120中的差异数据权重： ； 其中表示更新后的差异数据权重； 记录历史误差数据用于长期优化： ； 其中为历史记录长度为记录时间戳，表示历史误差数据，表示第k个最终偏移量； S300，孪生模型增量学习与校准：校验同步数据完整性并提取设备健康状态关键指标，计算孪生模型预测寿命与实际寿命的偏差，加载轻量化模型进行边缘侧增量学习，采用梯度压缩与回传机制，更新云端全局模型并进行校准效能验证； 具体包括以下步骤： S310，隐患数据同步验证：校验S100中的同步数据完整性，提取设备健康状态关键指标，建立数据质量评分； 校验S100中的同步数据完整性，要求； ； 其中为边缘端数据，为云端数据，为数据差异量，表示同步数据完整性； 提取设备健康状态关键指标：绝缘电阻、局部放电量和振动频谱； 建立数据质量评分： ； 其中表示数据质量评分，表示最小绝缘电阻，表示最大放电量，表示最大振动频谱值，、、和分别表示数据完整性权重、绝缘电阻权重、放电量权重和振动频谱权重； S320，模型漂移量化检测：计算孪生模型的预测寿命与实际寿命的偏差，建立漂移趋势监控； 计算孪生模型的预测寿命与实际寿命的偏差： ； 其中表示预测寿命，表示实际寿命，表示寿命偏差，当时，触发增量学习，其中表示寿命偏差阈值； 建立漂移趋势监控： ； 其中为监控窗口大小，表示漂移趋势，表示当前时间戳； S330，边缘侧增量学习： 加载轻量化模型，构建训练集： ； 其中为边缘端数据，为实际寿命，为历史数据，为样本数量，表示训练集； 局部训练损失函数： ； 其中为模型函数，为模型参数，为正则化系数，表示损失函数值； S340，梯度压缩与回传： 计算参数梯度矩阵： ； 其中表示参数梯度矩阵； 采用Top-K稀疏化压缩： ； 其中表示压缩后的梯度矩阵，表示取最大的K个梯度值的操作； 回传数据量控制： ； 其中表示回传时间； S350，孪生模型动态更新： 云端全局模型融合： ； 其中为云端模型参数，为学习率，为压缩后的梯度，表示更新后的模型参数； 更新设备健康状态预测函数： ； 其中表示更新后的预测寿命，表示更新后的模型函数； 模型版本控制： 记录更新时间戳和性能指标： ； 其中表示模型版本记录； S360，校准效能验证： 计算校准后偏差： ； 其中表示校准后的预测偏差； 生成校准报告：若，则触发S250的动态反馈记录校准失败原因启动人工干预流程； 建立效能跟踪指标： ； 其中为跟踪窗口大小，为时间间隔，表示校准效能指标； S400，电子围栏动态调整与告警：使用高精度定位设备进行实时校准，动态调整电子围栏边界，监测人员位置与电子围栏的关系并设置分级告警，计算误报率并启动多源数据校验，通过调整系统参数降低误报率； 具体包括以下步骤： S410，定位数据校准：使用高精度定位设备进行实时校准，建立校准精度评估； 使用高精度定位设备进行实时校准： ； 其中表示校准后的定位数据，表示原始定位数据，表示校准修正值； 建立校准精度评估： ； 其中为高精度参考点坐标，表示位置误差； S420，动态调整电子围栏边界：根据校准后的定位数据，实时调整电子围栏边界，考虑安全裕度； 根据校准后的定位数据，实时调整电子围栏边界： ； 其中表示动态调整后的电子围栏边界，表示初始电子围栏边界，表示边界调整值； 考虑安全裕度： ； 其中为安全裕度系数，表示最终电子围栏边界； S430，监测人员位置与电子围栏的关系：监测人员位置是否越界，计算越界距离，设置分级告警阈值； 监测人员位置是否越界： ； 其中表示越界状态； 计算越界距离： ； 其中表示越界距离； 设置分级告警阈值： ； 其中表示告警等级； S440，误报率监测：计算当前误报率，建立误报分析矩阵； 计算当前误报率： ； 其中表示误报数量，表示总告警数量，表示误报率； 建立误报分析矩阵： ； 其中表示时间段，表示位置区域，表示误报次数，表示原因分类，其中表示误报分析矩阵； S450，多源数据校验启用：当误报率超过15%时，启动多源数据校验，计算校验后误报率，建立校验可信度评分； 当误报率超过15%时，启动多源数据校验，包括RFID信号验证、摄像头图像识别和工作票信息核验； 根据多源数据校验，计算校验后误报率： ； 其中表示校验后确认的误报数量，表示总告警数量，表示校验后误报率； 并建立校验可信度评分： ； 其中表示RFID信号权重系数，表示视频识别权重系数，表示工作票核验权重系数，表示校验可信度综合评分，表示RFID信号验证准确率，表示视频识别准确率，表示工作票核验准确率； S460，降低误报率：调整告警系统参数，确保，采用优化策略，建立长期优化指标； 其中调整告警系统参数，确保； 优化策略包括动态调整检测阈值、更新告警规则和完善过滤算法； 建立长期优化指标： ； 其中为评估周期，表示长期优化效果评估指标，表示调整后的误报率，表示评估时间间隔； S500，冲突事件分析与优化：提取关键参数构建时空关联数据集，计算带宽利用效能指数和信道质量衰减影响，生成优化报告并输出建议规则，根据带宽压缩比调整QoS等级，重构分级缓存阈值并进行闭环验证； S510，冲突事件参数全息记录： 提取关键参数：带宽、信道质量、同步时延、定位误差和模型漂移率； 构建时空关联数据集： ； 其中为事件数量，表示冲突事件时空关联数据集，表示第k个带宽数据，表示第k个信道质量数据，表示同步时延数据； 建立事件关联分析： ； 其中表示事件关联系数矩阵，表示相关性分析函数； S520，同步效能量化评估： 计算带宽利用效能指数： ； 其中表示带宽利用效能指数，表示第k次分配的带宽，表示第k次实际需要的带宽； 评估信道质量衰减影响： ； 其中表示信道质量衰减影响因子； 建立综合评分： ； 其中表示效能评分，表示带宽效能权重，表示信道质量权重； S530，优化报告自动生成： 生成PDF报告，包含： 同步冲突事件热力图： ； 其中为时间衰减系数，表示热力图强度分布，表示第k次事件发生时间； 带宽-时延关联矩阵： ； 其中表示带宽-时延关联矩阵，表示第j个时延样本； 输出优化建议规则：若则提升分配权重； S540，信道分配策略动态更新： 根据带宽压缩比调整QoS等级： ； 其中表示带宽压缩比，表示调整后等级； 更新频谱分配： ； 其中表示更新后的带宽分配值； 建立分配效果跟踪： ； 其中表示带宽分配效果跟踪记录； S550，缓存规则自适应优化： 重构分级缓存阈值： ； 其中表示缓存阈值； 动态调整数据权重： ； 其中表示定位误差阈值，表示更新后的数据权重； S560，闭环验证与迭代： 量化优化效能提升率： ； 其中表示优化前的同步时延，表示优化后的同步时延，表示优化效能提升率，若，触发S360中的模型校准机制。

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国网四川省电力公司信息通信公司，其通讯地址为：610095 四川省成都市高新区蜀绣西路366号2层、4层、5层、8层；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”。