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！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司惠州供电局申请的专利设备缺陷预测及模型训练方法、装置、设备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：CN119202608B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202411353406.8，技术领域涉及：G06F18/20；该发明授权设备缺陷预测及模型训练方法、装置、设备及存储介质是由蔡建峰;李柏林;黄晓波;马志学;林素瑜;巫小彬;朱锐锋;唐松平;李冲;陈峥嵘;刘远鹤;郭沛新设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本设备缺陷预测及模型训练方法、装置、设备及存储介质在说明书摘要公布了：本发明实施例公开一种设备缺陷预测及模型训练方法、装置、设备及存储介质，该方法包括：将样本监测序列输入至待训练的设备缺陷预测模型；设备缺陷预测模型包括：学习层、预测层和输出层；通过学习层学习样本监测序列的时间依赖特征，并基于时间依赖特征生成样本监测序列的邻接矩阵；通过预测层根据邻接矩阵基于图卷积操作获取样本监测序列的图卷积特征；通过输出层基于图卷积特征获取设备缺陷的训练预测结果；以及基于设备缺陷的训练预测结果对设备缺陷预测模型的模型参数进行调整。本发明实施例能够训练得到对设备的不同类型缺陷进行高精度预测的设备缺陷预测模型，并及时精确地进行设备的不同类型缺陷的预测。

本发明授权设备缺陷预测及模型训练方法、装置、设备及存储介质在权利要求书中公布了：1.一种设备缺陷预测模型训练方法，其特征在于，包括： 将样本监测序列输入至待训练的设备缺陷预测模型；所述设备缺陷预测模型包括：学习层、预测层和输出层，所述样本监测序列包括多个历史监测序列，各个历史监测序列为对与设备缺陷相关参数进行连续监测得到的历史监测数据的时间序列，所述各个历史监测序列对应的连续监测时长为预设时长； 通过所述学习层学习所述样本监测序列的时间依赖特征，并基于所述时间依赖特征生成所述样本监测序列的邻接矩阵； 通过所述预测层根据所述邻接矩阵基于图卷积操作获取所述样本监测序列的图卷积特征； 通过所述输出层基于所述图卷积特征获取设备缺陷的训练预测结果；以及 基于所述设备缺陷的训练预测结果确定训练损失函数的函数值，并根据所述训练损失函数的函数值对所述设备缺陷预测模型的模型参数进行调整； 所述基于所述时间依赖特征生成所述样本监测序列的邻接矩阵，包括： 通过门控循环单元学习所述样本监测序列的时间依赖特征，并通过自注意力机制调整所述时间依赖特征的自注意力得到所述邻接矩阵； 所述设备缺陷相关参数包括多个运行参数，一个连续监测时段对应的所述样本监测序列包括与所述多个运行参数一一对应的多个同时段序列，所述预测层包括与所述多个运行参数一一对应的多个图卷积模块，所述多个图卷积模块一阶近似叠加； 所述通过门控循环单元学习所述样本监测序列的时间依赖特征，并通过自注意力机制调整所述时间依赖特征的自注意力得到所述邻接矩阵，包括： 通过所述门控循环单元分别学习各个同时段序列中各个参数数据与运行时间的关联关系，得到各个同时段序列的时间依赖特征；以及 通过自注意力机制调整所述各个同时段序列的时间依赖特征得到所述各个同时段序列的邻接矩阵； 所述通过所述预测层根据所述邻接矩阵基于图卷积操作获取所述样本监测序列的图卷积特征，包括： 通过相应图卷积模块根据相应邻接矩阵，基于图卷积操作获取所述各个同时段序列的图卷积特征，并基于所述各个同时段序列的图卷积特征获取所述样本监测序列的图卷积特征。

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广东电网有限责任公司;广东电网有限责任公司惠州供电局，其通讯地址为：510000 广东省广州市越秀区东风东路757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。