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！

龙图腾网获悉中国科学院软件研究所;中国电力科学研究院有限公司申请的专利基于时态聚合的时空图节点分类方法及装置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：CN116310567B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310289877.6，技术领域涉及：G06V10/764；该发明授权基于时态聚合的时空图节点分类方法及装置是由乔颖;徐凯悦;刘道伟;王宏安;李依霖;薄紫彤;赵高尚;郜燊设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本基于时态聚合的时空图节点分类方法及装置在说明书摘要公布了：本发明涉及一种基于时态聚合的时空图节点分类方法及装置。所述方法包括：针对发生故障的电网，收集故障发生后的若干时刻产生的电网节点数据；根据所述电网节点数据，生成各时刻下的静态图；将所述静态图送入基于混合滤波的图卷积神经网络，并通过两个全连阶层用于电网中节点的交互，得到电网节点在该时刻下的向量表示；其中，所述基于混合滤波的图卷积神经网络中的每一层包含低通滤波器、高通滤波器和自聚合滤波器；对电网节点在各时刻下的向量表示进行融合并分类，得到故障发生后的电网节点受影响程度。本发明可以根据电网中节点受影响程度对该节点迅速准确分类，从而辅助相关人员及时制定措施，降低故障造成的影响。

本发明授权基于时态聚合的时空图节点分类方法及装置在权利要求书中公布了：1.一种基于时态聚合的时空图节点分类方法，其特征在于，所述方法包括： 针对发生故障的电网，收集故障发生后的若干时刻产生的电网节点数据； 根据所述电网节点数据，生成各时刻下的静态图； 将所述静态图送入基于混合滤波的图卷积神经网络，并通过两个全连阶层用于电网中节点的交互，得到电网节点在该时刻下的向量表示；其中，所述基于混合滤波的图卷积神经网络中的每一层包含低通滤波器、高通滤波器和自聚合滤波器； 对电网节点在各时刻下的向量表示进行融合并分类，得到故障发生后的电网节点受影响程度； 其中，将所述静态图送入基于混合滤波的图卷积神经网络，并通过2个全连阶层用于对电网中节点信息的交互，得到每一电网节点在该时刻下的向量表示，包括： 通过MLP层将节点i的电网节点数据的特征映射到高维空间得到采用混合滤波的思想，利用和第l‑1层的节点i的节点表示对节点表示进行更新得到通过MLP层将最后一层图神经网络输出的节点表示映射到目标维度空间； 将所有节点的表示通过2个n×n的全连接层对节点间信息进行交互；其中，n表示该电网中的节点数量； 所述采用混合滤波的思想，利用和第l‑1层的节点i的节点表示对节点表示进行更新得到包括： 基于低通滤波器Flow为中心节点i的邻居节点j分配的权重得到节点i更新后的表示其中，结构权重λAk＝1‑λk，λk为归一化邻接矩阵D‑12AD‑12的第k个特征值，uki和ukj分别表示对应地第k个特征向量uk的第i个和第j个分量，D、A分别是所述静态图的度矩阵和邻接矩阵，γ为超参，⊙表示element‑wise运算，属性权重a为可学习参数向量； 基于高通滤波器Fhigh为中心节点i的邻居节点j分配的权重得到节点i更新后的表示其中，结构权重基于自聚合滤波器Fself为中心节点i为自身分配的权重得到节点i更新后的表示其中，结构权重取值来自归一化的邻接矩阵对应位置的值,其中为添加了自环的邻接矩阵，为相应的度矩阵，属性权重的构造与低通高通滤波器同理，即连接所述节点表示X0、表示表示和表示得到节点表示

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中国科学院软件研究所;中国电力科学研究院有限公司，其通讯地址为：100190 北京市海淀区中关村南四街4号；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”。

以上内容由龙图腾AI智能生成。