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！

龙图腾网获悉国网宁夏电力有限公司电力科学研究院;南京邮电大学申请的专利考虑时间与精度优先的电力系统异常数据恢复方法及系统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：CN119577333B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202411642328.3，技术领域涉及：G06F18/10；该发明授权考虑时间与精度优先的电力系统异常数据恢复方法及系统是由王峰;张翔;李兴华;吴旻荣;张素;邓松设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本考虑时间与精度优先的电力系统异常数据恢复方法及系统在说明书摘要公布了：本发明提供考虑时间与精度优先的电力系统异常数据恢复方法及系统，属于电力数据安全技术领域。包括：获取电力数据判断是否存在异常值；基于安全防护等级指标和响应恢复等级指标得出各异常值在两个维度的量化值组成行向量，并进一步建立决策指标矩阵；利用层次分析法确定出权重矩阵；基于决策指标矩阵和权重矩阵计算出各异常值的综合评分；根据综合评分以及阈值确定出优先级标签，为电力数据集中各个异常值进行标签处理，得到具有优先级标签的数据集；采用优先级标签对应的恢复算法恢复数据集中各异常值，得到正常数据集；恢复算法包括高精度恢复算法以及快速恢复算法；将正常数据集发至数据控制中心，为后续电力系统的实时决策分析提供数据来源。

本发明授权考虑时间与精度优先的电力系统异常数据恢复方法及系统在权利要求书中公布了：1.一种考虑时间与精度优先的电力系统异常数据恢复方法，其特征在于，包括： 步骤S1，获取电力数据集并判断是否存在异常值；所述异常值包括数据中心SCADA-EMS系统与厂站交换的远动信息、数据中心SCADA与EMS系统之间交换的数据信息、电能量计量信息、电力市场其他信息，所述电力市场其他信息包括发电成本、市场出清价格、交易量和用户负荷； 步骤S2，基于安全防护等级指标和响应恢复等级指标得出各所述异常值在两个维度的量化值组成行向量Aij，并进一步建立关于所有异常值的决策指标矩阵A，其中，Aij中元素aij表示第i个异常值在第j种等级指标下得到的量化值； 步骤S3，利用层次分析法来确定出权重矩阵W=[w1,w2]T，包括安全防护等级权重w1和响应恢复等级权重w2； 步骤S4，基于所述决策指标矩阵A和所述权重向量W计算出各个所述异常值的综合评分Zi； 步骤S5，根据所述综合评分Zi以及阈值Z´确定出优先级标签Priorityi，为所述电力数据集中各个所述异常值进行标签处理，得到具有优先级标签的数据集；所述优先级标签对应于异常值的恢复算法； 步骤S6，采用优先级标签对应的恢复算法恢复所述具有优先级标签的数据集中的各个所述异常值，得到数据恢复后的正常数据集；所述恢复算法包括高精度恢复算法以及快速恢复算法；所述快速恢复算法采用低秩矩阵分解算法进行数据恢复，所述高精度恢复算法利用时空卷积网络STCN进行数据恢复，所述时空卷积网络STCN由时间卷积网络TCN、图卷积网络GCN和全连接层组成； 步骤S7，将所述正常数据集发至数据控制中心，为后续电力系统分析提供数据来源； 所述步骤S3包括： 构建判断矩阵P： ; 其中，p11表示安全防护指标相对于自身的重要性为1，p12表示安全防护相对于响应恢复的重要性，p12∈[1,9]，令p21=1p12、p22=1，p21表示响应恢复相对于安全防护的重要性，p22表示响应恢复相对于自身的重要性为1； 对所述判断矩阵P的每个元素进行列归一化处理，得到归一化后的判断矩阵P´： ; 其中，元素p´ij的计算方式为： ; 将判断矩阵P´的每一行进行平均处理： ; 得到安全防护等级权重w1和响应恢复等级权重w2，以及权重矩阵W=[w1,w2]T； 所述步骤S6包括： 对于优先级标签Priorityi取值为1的异常值，利用低秩矩阵分解算法进行快速恢复： 令数据矩阵Y表示所述电力数据集，建立关于数据矩阵Y的掩码矩阵W，其中，所述掩码矩阵W中元素wij表示所述数据矩阵Y中元素yij的有效性，表示为： ; 建立低秩矩阵U、V，利用优化目标函数调整重构矩阵X=UV，使所述重构矩阵X逼近Y中的有效数据；优化目标函数为： ; 式中，wijYij-UVij2表示仅在有效数据位置计算误差；表示正则化项；λ表示正则化参数； 引入辅助变量Z和拉格朗日乘子矩阵Λ，通过交替方向乘子法ADMM将优化目标函数分解为两个子问题，分别优化X和Z，对X、Z和Λ进行迭代更新： 首先固定Z和Λ，优化X的值，同时考虑当前的Z和Λ值，X的迭代公式为： ; ; 式中，k为迭代次数，ρ为惩罚参数控制； 然后优化辅助变量Z，Z的优化公式为： ; ; 更新拉格朗日乘子矩阵Λ，Λ的更新公式为： ; 计算重构矩阵X和Y中有效数据位置之间的误差‖Xk+1-Y⊙W‖F，当满足‖Xk+1-Y⊙W‖F＜ε时停止迭代，其中，ε为预设阈值； 利用最终得到的重构矩阵X=UV，采用低秩推断方式基于Y中有效数据填补缺失数据和修复异常数据； 进一步地， 对于优先级标签Priorityi取值为0的异常值，利用时空卷积网络STCN进行高精度恢复： 假设所述电力数据集中电力数据的输入时间序列为Q={q1,q2,q3,...,qt}，其中，qt表示时间t采集的电力数据； TCN的卷积操作定义为： ; 式中，zt表示TCN在时间t提取到的时序特征；wi是卷积核的权重；k是卷积核的大小，表示单次卷积操作涉及的时间点数量；di是扩张率；b为偏置项；t＞dk-1；经过多层TCN的扩张卷积操作，得到输出特征序列Zt={zt1,zt2,zt3,...,ztn}； 利用Zt进一步构建初始特征矩阵H0=[zt1,zt2,zt3,...,ztn]作为图卷积网络GCN的输入； 利用图卷积网络GCN提取数据的空间特征，电力系统的拓扑结构抽象表示为图G=V,E，其中V是节点集合，表示电力系统中的测量点；E是边集合，表示测量点之间的物理连接；邻接矩阵A描述了节点之间的连接关系：如果节点相连，则A=1；否则A=0；度矩阵D用于表示每个节点的连接数；第l+1层的图卷积计算公式为： ; 式中，Hl+1为第l+1层的节点特征矩阵，初始时H0为TCN提取的时序特征矩阵；Wl为第l层的权重矩阵；σ为激活函数；通过图卷积的逐层操作，节点特征在电力系统的拓扑结构中传播与融合，生成包含时空信息的节点特征矩阵HL作为图卷积网络的最终输出矩阵H，所述最终输出矩阵H中包含了每个节点的时序和空间特征； 最后，通过全连接层将所述最终输出矩阵H映射为电力数据的最终恢复结果；全连接层的计算公式为： ; 式中，R是恢复矩阵，包含了电力系统中所有节点的完整估计结果；Wh是全连接层的权重矩阵，用于将特征矩阵H投射到数据恢复的输出空间；bh是偏置项，调节输出结果。

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宁夏电力有限公司电力科学研究院;南京邮电大学，其通讯地址为：750011 宁夏回族自治区银川市金凤区黄河东路716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。