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申请的专利基于多源数据融合的配电变压器重载率预测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：CN120744844B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511222760.1，技术领域涉及：G06F18/25；该发明授权基于多源数据融合的配电变压器重载率预测方法及系统是由代杰杰;李泽霜;易于;何雪梅;陆超;马媛;陈楚靓;周文琪设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本基于多源数据融合的配电变压器重载率预测方法及系统在说明书摘要公布了：本发明公开了基于多源数据融合的配电变压器重载率预测方法及系统，涉及负荷预测技术领域，包括以下步骤：获取目标区域的变压器运行数据，构建知识图谱；从知识图谱中提取与目标变压器重载事件存在因果路径的实体与特征，生成特征张量；通过图神经网络对知识图谱进行图谱嵌入，并将图谱嵌入与特征张量输入至时间序列预测模型中，构建联合预测网络；基于因果推理方法对输入变量进行模拟干预，并评估对预测结果的影响强度；根据模拟干预的影响强度，输出目标变压器未来时间段的重载率预测值，并生成导致预测值变化的主要因果路径；本申请通过多源数据融合和因果知识图谱，实现了精准且可解释的预测。

本发明授权基于多源数据融合的配电变压器重载率预测方法及系统在权利要求书中公布了：1.基于多源数据融合的配电变压器重载率预测方法，其特征在于，包括： 获取目标区域的变压器运行数据，构建知识图谱； 从知识图谱中提取与目标变压器重载事件存在因果路径的实体与特征，生成特征张量； 通过图神经网络对知识图谱进行图谱嵌入，并将图谱嵌入与特征张量输入至时间序列预测模型中，构建联合预测网络； 基于因果推理方法对输入变量进行模拟干预，并评估对预测结果的影响强度； 根据模拟干预的影响强度，输出目标变压器未来时间段的重载率预测值，并生成导致预测值变化的主要因果路径； 所述通过图神经网络对知识图谱进行图谱嵌入，并将图谱嵌入与特征张量输入至时间序列预测模型中，构建联合预测网络，具体如下： 基于图神经网络模型对知识图谱执行迭代传播与嵌入学习，生成每个实体节点的嵌入向量； 对嵌入向量执行多轮迭代传播与特征聚合，捕捉节点之间的拓扑依赖关系和语义相关性，生成每个实体节点的最终嵌入表示； 通过全局平均池化对嵌入向量进行整合，生成全局嵌入向量，并对全局嵌入向量进行线性变换，使其与特征张量的时间维度对齐； 将对齐后的全局嵌入向量与特征张量沿特征维度进行拼接，形成联合输入张量； 利用Transformer模型对压缩时间窗内各路径的联合输入张量，提取关键路径的语义关系与特征关联，生成路径特征向量； 将路径特征向量按时间序列展开，形成时间步级的路径特征序列，并输入至门控循环单元网络进行训练，得到时间序列预测模型； 将时间序列预测模型的输出结果输入多层感知机中，对目标变压器未来t个时间步的重载率进行逐步回归预测，得到重载预测值序列； 根据重载率预测值序列和实际重载率预测值序列之间的均方误差，作为预测损失函数； 根据预测损失函数的输出值，通过反向传播算法对时间序列预测模型中的参数，以最小化预测损失函数为目标，迭代更新模型，得到重载率预测模型； 所述根据模拟干预的影响强度，输出目标变压器未来时间段的重载率预测值，并生成导致预测值变化的主要因果路径，具体如下： 基于修正后的变量影响强度向量，对联合输入特征张量中对应的干预变量进行加权调整，生成修正的联合输入张量； 将修正的联合输入张量输入至重载率预测模型，输出未来时间段内的重载率预测值序列； 基于知识图谱，检索每个干预变量所对应的全部可达因果路径，并记录每条路径的稳定性评分； 根据路径中节点的稳定性评分和模拟干预的影响强度，对路径进行加权评分，输出各条路径对预测结果的影响贡献度，并按贡献度排序，筛选若干关键因果路径； 提取关键因果路径中各节点的干预幅度、预测响应值变化以及路径评分，构成路径级别的因果影响解释向量； 将预测序列与关键路径因果解释向量映射整合，建立干预变量与预测变化的因果路径关系； 根据路径映射关系输出目标变压器在未来时间段的重载率预测值序列，并联同其关键因果路径集合及对应的因果影响解释向量，构成具备因果解释能力的预测结果集。

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，其通讯地址为：200122 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。