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电力科学研究院;国网江苏省电力有限公司;江苏省电力试验研究院有限公司申请的专利变电站设备稀少缺陷模拟与识别方法、系统及存储介质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：CN121435083B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202512003438.6，技术领域涉及：G06F18/2433；该发明授权变电站设备稀少缺陷模拟与识别方法、系统及存储介质是由刘子全;薛海;王真;杨景刚;潘建亚;朱雪琼;胡成博;刘征宇;胡妍捷设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本变电站设备稀少缺陷模拟与识别方法、系统及存储介质在说明书摘要公布了：本发明公开了变电站设备稀少缺陷模拟与识别方法、系统及存储介质，构建设备基准特征库；根据时空特征增强算法标注历史巡视中稀少缺陷的动态特征，生成知识图谱，构建动态缺陷学习库；通过双模态生成网络学习缺陷与设备的空间关联及环境因子影响，生成匹配设备薄弱区域的初始缺陷数据；通过物理约束‑智能检测双筛生成高可信度缺陷融合数据；构建三维混合数据集，通过动态缺陷演化算法与分层认知评估筛选优质训练样本；以联邦学习框架构建多算法协同微调网络，模拟并标注缺陷信息，输出多维度识别预测报告。本申请旨在解决模型对稀少缺陷识别精度不足及缺乏演化预测能力的问题，实现稀少缺陷样本的高质量模拟与模型的高精度识别。

本发明授权变电站设备稀少缺陷模拟与识别方法、系统及存储介质在权利要求书中公布了：1.一种变电站设备稀少缺陷模拟方法，其特征在于，包括以下步骤： 采集多源设备运行数据，整合异构数据特征，构建设备基准特征库；所述整合异构数据特征包括： 获取温振信号、红外光谱、三维点云及航拍图像； 对获取的数据进行预处理，包括格式标准化、噪声过滤及时间戳对齐，通过特征对齐算法定位不同模态数据的空间关联点； 采用多模态协同融合调谐算法依据各模态数据的实时离群因子自动分配权重，将异构特征整合为统一特征向量； 其中，多模态协同融合调谐算法计算公式为： 为第i个模态的融合权重，n为模态总数；k表示第k个模态特征；为第i个模态数据的实时离群因子；为第i个模态与第j个模态的特征相关系数；为第i个模态离群因子的二阶时间导数；为第i个模态的特征维度；为离群因子敏感系数，为非线性增强指数，为动态变化系数，为维度补偿指数； 基于设备基准特征库的基准特征，标注历史巡视中稀少缺陷的动态特征，融合多源设备运行数据生成知识图谱，构建动态缺陷学习库；所述构建动态缺陷学习库包括： 对基准特征通过时空索引定位历史巡视中含稀少缺陷的片段，提取多模态特征，采用多尺度时空卷积网络，在时间维度捕捉缺陷演化趋势，在空间维度强化局部异常特征，通过注意力机制自动分配权重，突出关键时空区域，并结合物理约束规则验证特征合理性，将增强后的特征与标签关联，形成带时空演化信息的缺陷动态特征标注集； 将设备固有参数、环境传感数据与缺陷动态特征标注集输入知识图谱构建引擎，通过预定义的实体分类体系进行实体识别，利用基于注意力机制的实体链接算法将多源数据映射至对应实体节点，采用混合式关系抽取方法，融合规则模板与深度学习模型，挖掘实体间的关联关系，并通过置信度评分过滤，生成带时空属性的多维度知识图谱； 将缺陷动态特征标注集与多维度知识图谱进行关联映射，采用时序模式挖掘算法从整合数据中提取缺陷演化规律，并结合规则引擎对数据进行校验，校验通过后，按设备类型、缺陷类别构建分层存储结构，为每条缺陷数据添加时空索引与多参数标签，形成包含缺陷静态特征、动态演化规律及多维度关联关系的动态缺陷学习库； 基于动态缺陷学习库，通过双模态生成网络学习缺陷与设备的空间关联及环境因子影响，得到匹配设备薄弱区域的初始缺陷数据； 通过动态环境参数自适应融合方法将初始缺陷数据与真实场景的多源传感数据进行融合，基于设备物理约束规则与智能异常检测算法，构建双筛选机制，剔除虚假缺陷特征，生成高可信度缺陷融合数据。

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电力科学研究院;国网江苏省电力有限公司;江苏省电力试验研究院有限公司，其通讯地址为：211103 江苏省南京市江宁区帕威尔路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。