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！

龙图腾网获悉国网江苏省电力有限公司;国网江苏省电力有限公司扬州供电分公司申请的专利一种数据驱动的配网运行特性仿真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：CN119853009B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411970456.0，技术领域涉及：H02J3/00；该发明授权一种数据驱动的配网运行特性仿真方法是由陈思宇;荆江平;房少华;彭纯;徐挺;汤舒涵;罗凯明;孙勇;杨梓俊;朱健;付柳笛设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种数据驱动的配网运行特性仿真方法在说明书摘要公布了：本发明涉及配电网技术领域，尤其涉及一种数据驱动的配网运行特性仿真方法。包括以下步骤：S1、多源数据的采集和预处理；S2、将预处理后的数据进行自适应融合，形成数据集；S3、构建初始仿真模型，基于数据集进行训练，得到主仿真模型；通过主仿真模型输出配网特性的预测结果；S4、基于预测结果，进行动态校核与仿真优化，从而输出仿真结果。本发明在工作中，涵盖了多源数据融合、深度学习模型构建、动态校核与自适应优化等技术模块。通过融合实时负荷数据、设备运行数据及环境数据相关的多源信息，结合动态调整和增量学习机制，实现了对配网运行状态的高精度预测与优化。

本发明授权一种数据驱动的配网运行特性仿真方法在权利要求书中公布了：1.一种数据驱动的配网运行特性仿真方法，其特征在于，包括以下步骤： S1、多源数据的采集和预处理；多源数据包括实时负荷数据、设备运行数据和环境数据； S2、将预处理后的数据进行自适应融合，形成数据集； S3、构建以深度神经网络为核心的初始仿真模型，基于数据集进行训练，得到主仿真模型；通过主仿真模型输出配网特性的预测结果； S4、基于预测结果，进行动态校核与仿真优化，从而输出仿真结果； 步骤S2中，根据数据的重要性，动态调整各数据维度的权重，融合生成统一的配网运行数据集； 其中，数据的重要性包括历史相关性、实时波动性和运行状态敏感性， 历史相关性，采用如下公式： 式中，：第数据维度的值；：运行状态关键指标；：和的协方差；和：和的标准差； 实时波动性，采用如下公式： 式中，：第数据维度在第个时间窗口的值；：第数据维度在当前窗口的平均值；：滑动窗口大小； 运行状态敏感性，采用如下公式： 式中，：导函数； 动态调整各数据维度的权重，包括：当某一数据源的权重变化时，其他数据源的权重需按比例重新分配，保持总和为1； 设，，分别对应实时负荷数据、设备运行数据以及环境数据的权重，当调整时，和按以下公式调整： ，， 式中， ：调整后的负荷权重； 和：重新分配后的设备运行权重和环境权重； ：负荷权重因波动性变化的增量比例； 按权重融合各数据维度，生成统一的配网运行数据集，如下： 式中，：融合后的综合数据集；：第数据维度的值；：第数据维度的权重；n：数据个数； 步骤S4中，动态校核包括： 将预测结果与实时监测数据进行比对，采用如下相对误差： 式中，：相对误差；：模型预测值；：实时监测数据； 针对误差进行校核，包括： 误差较小：5%，认为预测结果可接受，模型直接输出仿真结果； 误差中等：5%≤10%，提示需要校核模型； 误差较大：≥10%，触发模型参数调整或数据输入优化； 在误差较大的情况下，通过增量学习动态调整模型参数； 包括：新增数据样本，更新模型权重； 权重更新公式：对于每一层的权重矩阵，更新公式为： 式中，V：损失函数；：学习率；：新样本对权重的增量调整；:增量学习强度； 或重新分配数据源权重； 重新分配公式为：数据源权重基于历史相关性、波动性和敏感性重新计算： 。

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江苏省电力有限公司;国网江苏省电力有限公司扬州供电分公司，其通讯地址为：210024 江苏省南京市上海路215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。