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！

龙图腾网获悉国网上海市电力公司;朗新科技集团股份有限公司申请的专利基于全要素学习图神经网络低压配电网节点电压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：CN119940616B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510001924.1，技术领域涉及：G06Q10/04；该发明授权基于全要素学习图神经网络低压配电网节点电压预测方法是由许堉坤;王婧骅;俞钧;俞磊;陈海宾;朱铮;朱伟杰;刘畅;童涛;甄昊涵;王中杰;安遥;蔡燕;张静峰设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本基于全要素学习图神经网络低压配电网节点电压预测方法在说明书摘要公布了：本发明提出了基于全要素学习图神经网络低压配电网节点电压预测方法，属于智能电网技术领域，包括以下步骤：S1：基于低压配电网拓扑结构的缺失，通过迭代更新图神经网络的边，建立低压配电网的图神经网络模型；S2：基于图神经网络模型的边特征和节点特征，进行图神经网络模型的迭代学习；S3：基于学习得到的图神经网络模型，实现对低压配电网节点电压的直接预测。本发明能够兼顾拓扑结构特征与计量数据特征，实现对低压配电网节点电压的直接预测，模型复杂度更低，深度挖掘数据之间的潜在关系，预测模型建立的效率更高，提高了预测模型的准确度。

本发明授权基于全要素学习图神经网络低压配电网节点电压预测方法在权利要求书中公布了：1.基于全要素学习图神经网络低压配电网节点电压预测方法，其特征在于，包括以下步骤： S1：基于低压配电网拓扑结构的缺失，通过迭代更新图神经网络的边，建立低压配电网的图神经网络模型； S2：基于图神经网络模型的边特征和节点特征，进行图神经网络模型的迭代学习； S3：基于学习得到的图神经网络模型，实现对低压配电网节点电压的直接预测； 全局特征包括：变压器的节点电压作为全局变量使用，顶点表示为： 1； 式中，、、分别表示节点i的有功功率、无功功率与电压，特征属性为一个三维向量； 边表示为： 2； 式中，、分别表示边k的电导与电纳，特征属性为一个两维向量； 具有全局变量的图神经网络模型表示为： 3； 式中，为变压器电压表示的全局变量，为由用户节点和中间节点构成的顶点集合，为由三元组表示的边的集合； 其中，为边k的特征，为接收节点的索引，为发送节点的索引； 图神经网络模型的迭代学习过程包括： 边特征学习：定义边特征更新函数，公式表示为： 4； 式中，为边k更新后的特征，为边k接收节点的特征，为发送节点的特征； 由三层全连接网络实现，其输入为9维的特征向量，表示为： 5； 输出为2维的特征向量，表示边的电导与电纳； 节点特征学习：定义边聚合函数，公式表示为： 6； 式中，为边k聚合后的特征，将边特征聚合至邻接矩阵，将其变为加权邻接矩，由两层全连接网络组成，输入为边特征，输出为1维特征； 定义节点更新函数，公式表示为： 7； 节点更新函数采用3层图卷积神经网络来实现； l+1时刻的顶点特征矩阵由式8计算得到，公式表示为： 8； 式中，为第l时刻的顶点特征矩阵，GCH由三层图卷积层实现，每一层的计算方法，公式表示为： 9； 式中，i=1,2,3，和分别为第i层和第i-1层的输入，W为权重矩阵，当i=1时，，当i=3时，； 为加入自环的邻接矩阵，为的度矩阵； 在GCN第一层添加一个关于全局变量的正则项，公式表示为： 10； 式中，为全局变量的学习权重，为加入自环的加权邻接矩阵。

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上海市电力公司;朗新科技集团股份有限公司，其通讯地址为：200120 上海市浦东新区源深路1122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。