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多时空态的主多源协同建模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：CN120262368B 。

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：202510308788.0，技术领域涉及：H02J3/00；该发明授权一种多时空态的主多源协同建模方法及装置是由荆江平;陈思宇;汪波;陈康;蔡美玲;王鹏;滕俊;吴佳佳;王亮;孙磊;周新磊设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种多时空态的主多源协同建模方法及装置在说明书摘要公布了：本发明公开了一种多时空态的主多源协同建模方法及装置，该方法包括以下步骤：S1、多时空态数据分层处理；S2、对处理后的数据进行多时空态特征提取并关联分析，形成多时空关联矩阵；S3、基于多时空关联矩阵进行主多源协同建模并输出结果；S4、利用输出结果，进行预测并生成调度方案。本发明在工作中，以多时空态数据为基础，通过结合多时空关联分析与主模型‑协同子模型协同建模方法，整合全局和局部特征，通过动态权重调整实现对配电网运行状态的精准预测和优化，最终为调度、优化和应急响应提供全面支持。

本发明授权一种多时空态的主多源协同建模方法及装置在权利要求书中公布了：1.一种多时空态的主多源协同建模方法，其特征在于，包括以下步骤： 步骤S1、多时空态数据分层处理； 步骤S2、对处理后的数据进行多时空态特征提取并关联分析，形成多时空关联矩阵； 步骤S3、基于多时空关联矩阵进行主多源协同建模并输出结果； 步骤S4、利用输出结果，进行预测并生成调度方案； 步骤S3中，进一步包括基于多时空关联矩阵，设计主模型与协同子模型，以及主模型和协同子模型的融合； 其中，主模型，用于捕捉全局性特征；协同子模型，用于捕捉局部区域特征；所述主模型设计包括： 输入表示：多时空关联矩阵A； 全局空间特征提取，通过图卷积网络提取全网空间特征： 式中，图中节点v在第l+1层的特征；σ：Sigmoid激活函数；Nv:节点v的邻居节点集合；cvu：邻接矩阵中节点v和节点u的连接权重；wl：第l层图卷积的权重矩阵；hul：节点u在第l层的特征；bl：第l层的偏置向量； 全局时间特征提取，使用LSTM对时间维度进行建模： ht＝LSTM{ht-Δ，···，ht} 式中，ht：全局时间t的隐藏状态，表示当前时刻的特征表示；ht-Δ：全局时间t-Δ的隐藏状态； 全局特征融合，融合空间和时间特征： 式中，Hglobal:全局特征向量；Wg,bg:全局特征融合的参数；图中节点v在第l层的特征； 输出全局预测，根据全局特征，预测目标： 式中，全局预测值； 所述协同子模型设计包括： 输入子矩阵，从多时空关联矩阵A中提取局部区域的子矩阵Asub： Asub＝A[i:j,i:j,1:K] 式中， i:j:节点范围，表示局部区域的节点子集； 1:K:时间范围，表示选定的时间区间； 局部空间特征提取，通过图卷积网络提取全网空间特征： 式中，cvu：邻接矩阵中节点v和节点u的连接权重； Nsubv：子区域内节点v的邻居集合； 局部权重和偏置； 局部时间特征提取，使用LSTM对时间维度进行建模： ht，sub＝LSTM{ht-Δ，sub，···，ht，sub} 式中，ht，sub：局部时间t的隐藏状态；ht-Δ，sub：局部时间t-Δ的隐藏状态； 局部特征融合，融合空间和时间特征： 式中， Hlocal：局部特征向量；Wl：局部特征融合的权重矩阵，bl：局部特征融合的偏置项； 输出局部预测，根据全局特征，预测目标： 式中， 局部预测值； 主模型和协同子模型的融合包括： 根据时空关联矩阵的权重动态调整主模型与协同子模型的输出 式中，wglobal：主模型的权重；wlocal：每个协同子模型的权重； 主模型权重： 协同子模型权重： 式中， γ：调节参数； sub：表示在局部特征下； VarA：全局矩阵A的方差； VarAsub：子矩阵Asub的方差。

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。