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！

龙图腾网获悉国网山西省电力公司长治供电公司申请的专利一种基于多模态的变压器数据融合与治理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：CN120470546B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510972233.6，技术领域涉及：G06F18/25；该发明授权一种基于多模态的变压器数据融合与治理方法是由许明;马津;和文平;王文斌;张晓辉;冯铮;宁晋峰设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种基于多模态的变压器数据融合与治理方法在说明书摘要公布了：本发明涉及一种基于多模态的变压器数据融合与治理方法，通过对变压器多模态数据进行标准化接入和数据动态映射；构建映射后变压器数据的唯一标识符；根据唯一标识符构建变压器状态数据集，进行多策略数据治理，完成对状态数据集的清洗治理；基于清洗后数据集，进行多模态对齐融合，得到变压器多模态融合数据集；基于变压器多模态融合数据集，对数据治理方法进行评估。本发明能够在统一框架下实现多模态数据的标准化接入、治理与对齐融合，对提升电网变压器状态感知的精确性、可靠性和时效性具有重要意义。

本发明授权一种基于多模态的变压器数据融合与治理方法在权利要求书中公布了：1.一种基于多模态的变压器数据融合与治理方法，其特征在于：包括以下步骤： 步骤1、对变压器多模态数据进行标准化接入和数据动态映射； 步骤2、构建映射后变压器数据的唯一标识符； 步骤3、根据唯一标识符构建变压器状态数据集，进行多策略数据治理，完成对状态数据集的清洗治理； 步骤3.1、进行数据预处理，根据时间戳和设备ID识别匹配变压器，并对数值型数据进行归一化，将其缩放到[0,1]范围内： ； 其中，为原始数据，Xmax、Xmin分别为数据的最大值和最小值，X为归一化后的数据，范围在[0,1]； 对于数据中存在的缺失值，采用滑动窗口的归一化均值数据进行填补： ； 其中，Xt为当前时刻的数据，W为窗口大小，t为当前时刻，Xi为窗口内非缺失值，仅使用窗口内非缺失值计算均值； 步骤3.2、通过时间窗口划分变压器数据进行动态领域半径计算； 以15分钟的时间窗口划分变压器数据，窗口内数据按设备ID分组；然后计算窗口内每个数据点到第k近邻的距离，生成k-距离图，选择k-距离曲线的拐点作为候选领域半径值Eps，拐点对应密度变化显著区域，同时对于数据分布均匀的窗口，采用均值k-距离作为Eps；对于高密度区域的窗口，采用局部四分位数避免过拟合： ； 其中，dk为数据点的k-距离，用于确定数据点的局部密度，是滑动窗口内所有点的k-距离的均值，是标准差，为调节系数，当数据均匀分布时采用；Q3dk是k-距离的第三四分位数，Q1dk是k-距离的第一四分位数，IQR=Q3-Q1是四分位距，当窗口为高密度区域时，采用； 步骤3.3、基于动态领域半径改进DBSCAN聚类；通过改进DBSCAN聚类方法计算变压器数据窗口的差分值； ； 其中，Xt为当前时刻数据，Xt-1为上一时刻的数据，为一阶差分，当差分绝对值超过3倍标准差的阈值时，将当前时刻的数据点标记为候选突变点： ； 其中，为阈值，为取均值，为取标准差；之后将差分结果作为新维度，与原数据共同输入DBSCAN，在动态Eps下，聚类结果分为三类：核心点、边界点和噪声点；当候选突变点同时被标记为噪声点时，则确认为突变异常； 步骤3.4、基于动态Eps和改进DBSCAN聚类后的基础上进行多模态异常标记； 多模态异常标记方法采用Person相关系数计算变压器不同模态之间的关联关系识别跨模态关联异常，模态计算为： ； 其中：O和Z分别为两种模态数据集的数据，Oi和Zi为数据点，和为均值，r为相关性系数，其取值范围[-1,1]，r等于0时表示无相关，当r0.2且历史的r0.8时，标记为跨模态异常，根据数据质量、模态重要性及异常置信度，动态分配权重以提升异常检测鲁棒性； 步骤3.5、异常值处理与清洗；完成异常标记后，对异常值处理与清洗提升数据质量；删除异常值后，相对应的缺失值使用均值填补，均值填补方法仍为滑动窗口均值填补，从而完成变压器数据集治理； 步骤4、基于清洗后数据集，进行多模态对齐融合，得到变压器多模态融合数据集； 步骤5、基于变压器多模态融合数据集，对数据治理方法进行评估。

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山西省电力公司长治供电公司，其通讯地址为：046011 山西省长治市太行东街63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。