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！

龙图腾网获悉科大智能科技股份有限公司;科大智能电气技术有限公司申请的专利单模态模型数据向智能电能表的转移方法、设备及介质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：CN120317321B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510790573.7，技术领域涉及：G06N3/094；该发明授权单模态模型数据向智能电能表的转移方法、设备及介质是由张翔;戴成涛;张吉勇;魏林丽;汪梦余;曾凡东;王义辉;张謇;周宇;刘飞;周元征;王翔;黄彬彬;史政语设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本单模态模型数据向智能电能表的转移方法、设备及介质在说明书摘要公布了：本发明公开了单模态模型数据向智能电能表的转移方法、设备及介质，包括：S1.在设备终端构建多尺度特征提取网络，在云端生成网络生成训练集，以训练多尺度特征提取网络；S2.基于模型各层注意力权重分布，实施分层蒸馏压缩，并通过渐进重训练补偿损失精度；S3.更新模型差分编码协议，并通过优先级信道分配，在终端设备构建环境感知推理引擎；S4.终端设备记录环境‑误报关联数据，以构建反馈因子矩阵，并通过反向信道编码上传验证反馈；S5.云端训练集生成环境参数生成器，反馈因子矩阵注入环境参数生成器，基于强化学习构建模型进化评估器，训练并迭代指定周期。本发明能够实现电力异常检测模型在资源受限终端的高精度持续优化。

本发明授权单模态模型数据向智能电能表的转移方法、设备及介质在权利要求书中公布了：1.一种单模态模型数据向智能电能表的转移方法，其特征在于，包括： S1.在设备终端构建多尺度特征提取网络，在云端利用多维环境波形、动态环境耦合机制与对抗生成网络生成训练集，以训练多尺度特征提取网络； S2.基于多尺度特征提取网络模型各层的注意力权重分布，实施分层蒸馏压缩，并通过渐进重训练补偿损失精度； S3.更新多尺度特征提取网络模型的差分编码协议，并通过优先级信道分配，在终端设备构建环境感知推理引擎； S4.终端设备记录环境-误报关联数据，以构建反馈因子矩阵，并通过反向信道编码上传验证反馈； S5.云端训练集基于上一轮环境参数调整生成环境参数生成器，反馈因子矩阵注入云端训练集的环境参数生成器，基于强化学习构建模型进化评估器，训练并迭代指定周期； 所述S1步骤的具体操作流程包括： S11.在云端构建多维环境波形库，通过可编程电源控制器模拟标准异常波形； S12.引入动态环境耦合机制，在波形生成时注入实时环境参数； S13.采用对抗生成网络增强数据多样性，生成包含环境-波形联合分布特征的训练集； S14.在设备终端构建多尺度特征提取网络，通过训练集训练多尺度特征提取网络，通过并联卷积层捕获时域突变特征与频域畸变特征； 所述S12步骤中波形生成的表达式为： 其中，为动态耦合波形，用于表示叠加环境参数影响后的合成信号；为标准异常波形；为第类环境参数的影响系数；为第类环境参数的实时测量值；为第类环境参数的标称值；为在环境参数偏离标称值时输出±1，用于控制波形偏移方向； 所述函数用于确保环境参数偏离标称值时波形幅值定向偏移，以模拟真实工况下的热漂移效应； 所述S3步骤的具体操作流程包括： S31.重新设置模型差分编码协议，与上一版本模型对比获取模型参数差异，生成仅含变化量的更新包； S32.通过优先级信道分配，优先传输影响检测精度的核心层参数； S33.在终端构建环境感知推理引擎，根据实时温湿度数据动态调整特征提取阈值，有： 其中，表示为动态调整后的特征激活阈值，与环境温湿度、实时关联；为标称环境下的初始激活阈值；为温度补偿系数，温度每升高1℃阈值降低0.15%，用于补偿热噪声；为湿度补偿系数，湿度每升高1%RH阈值提高0.2%，用于抑制漏电流；为设备额定工况标称温度；为设备额定工况标称湿度。

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科大智能科技股份有限公司;科大智能电气技术有限公司，其通讯地址为：201600 上海市松江区泗砖路777号1幢503室；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”。