Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京天溯自动化控制系统有限公司钟文智获国家专利权

南京天溯自动化控制系统有限公司钟文智获国家专利权

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!

龙图腾网获悉南京天溯自动化控制系统有限公司申请的专利电表上下级关联关系的分析模型及验证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:CN121233974B

龙图腾网通过国家知识产权局官网在2026-03-06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:202511768609.8,技术领域涉及:G06F18/20;该发明授权电表上下级关联关系的分析模型及验证方法是由钟文智;马如明;高希彬设计研发完成,并于2025-11-28向国家知识产权局提交的专利申请。

电表上下级关联关系的分析模型及验证方法在说明书摘要公布了:本发明公开了一种电表上下级关联关系的分析模型及验证方法,涉及能源管理技术领域,该模型包括:电表数据高频采集模块用分布式架构批量并行采集电表数据,加密清洗后存于时序数据库;时空动态图构建模块以电表为节点动态构边;时空动态图卷积网络分析模块输入图并输出关联概率;上下级关系验证模块多维度验证修正关系;主动特征盲寻确认模块无资料时制造特征盲寻确认关联;本发明构建时空动态图结合图卷积网络,能自动捕捉电表复杂关联,精准快速识别上下级关系,处理大规模数据时并行能力强、适应性好,同时,通过多维度验证排除误判,无辅助资料时用主动特征盲寻确认,鲁棒性和灵活性佳,为电网运维和安全运行提供有力保障。

本发明授权电表上下级关联关系的分析模型及验证方法在权利要求书中公布了:1.电表上下级关联关系的分析模型,其特征在于,该模型包括: 电表数据高频采集模块:采用分布式架构,部署高速通信采集终端,批量并行采集电表实时与历史用电数据,数据经加密传输、清洗后,按含时间戳、电表标识、多维参数的标准格式存储于时序数据库; 时空动态图构建模块:将电表作为节点,赋予实时用电参数、历史趋势特征及自身属性,依据潜在电气连接动态构边,已知拓扑区域按电缆参数定边权,未知区域按用电负荷相关性构边,每5分钟更新节点属性与边权; 时空动态图卷积网络分析模块:将时空动态图输入含空间、时间特征提取层及融合输出层的网络模型,空间层利用图注意力机制聚合邻居信息,时间层用门控循环单元建模时序特征,融合层输出电表上下级关联概率,模型通过带标签的历史拓扑数据训练; 上下级关系验证模块:收集电网拓扑数据形成候选关联列表,从负荷曲线相似度、电量守恒、异常事件传导性多维度验证,修正并输出确认的上下级关系清单; 主动特征盲寻确认模块:无辅助资料时划定电表检测范围,分阶段制造谐波注入、脉冲用电及相位偏移的特征,结合采集数据盲寻并收缩范围,确认电表上下级关联, 所述时空动态图构建模块中,构建时空动态图的具体步骤为: 确定节点集合,利用单个电表作为图结构的基础节点,为每个节点赋予多维属性特征,包括实时采集的30秒级用电参数、历史用电趋势特征及电表自身属性; 采用时空特征衰减融合算法,将节点的实时采集特征与历史特征进行融合,得到节点的时空融合特征; 构建节点间的边时,对于已知台区拓扑的区域,依据电缆连接路径确定边的存在性,将电缆长度、线径、材质及敷设方式作为边的基础权重参数;对于拓扑未知区域,通过用电参数时序相关算法计算电表对用电参数的相关性系数,当相关性系数绝对值高于设定阈值时生成临时边; 采用双因子动态边权算法,结合节点时空融合特征相似度与固有连接系数,计算节点间边的动态权重; 每5分钟根据最新采集的用电数据更新节点属性值,并基于负荷波动同步调整边的权重参数,实现时空动态图的动态更新, 所述时空动态图构建模块中,时空特征衰减融合算法的计算公式为:,其中,表示电表在时刻的时空融合特征,是电表在时刻的实时采集特征向量,是电表在时刻的历史特征向量,是实时特征权重系数,是历史特征衰减系数,是历史时间窗口长度,是电表标识,是时间戳参数。

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南京天溯自动化控制系统有限公司,其通讯地址为:210000 江苏省南京市雨花台区软件大道170-1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。