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！

龙图腾网获悉北京智芯微电子科技有限公司申请的专利基于边侧终端的深度学习数据传输方法、装置及终端设备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：CN120724059B 。

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：202511214034.5，技术领域涉及：G06F18/15；该发明授权基于边侧终端的深度学习数据传输方法、装置及终端设备是由谢凡;杜剑;霍超;白晖峰;尹志斌;郑利斌;杨钦斌;孙海鹏设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本基于边侧终端的深度学习数据传输方法、装置及终端设备在说明书摘要公布了：本申请提供一种基于边侧终端的深度学习数据传输方法、装置及终端设备，涉及配电网数据传输技术领域，方法包括：采集至少一种配电网运行参数的时序数据；以至少一种配电网运行参数的时序数据为输入，经预先构建的编码器模型对至少一种配电网运行参数的时序数据进行降维处理，得到对应的降维表征向量；将降维表征向量发送至主站，以使得主站通过预先构建的解码器模型对降维表征向量进行解码，得到至少一种配电网运行参数的时序数据；编码器模型及解码器模型由不同配电网运行参数的历史时序数据对深度学习神经网络训练后得到。本申请有效提升了配电网边侧设备的数据传输效率，降低了主站的负载。

本发明授权基于边侧终端的深度学习数据传输方法、装置及终端设备在权利要求书中公布了：1.一种基于边侧终端的深度学习数据传输方法，其特征在于，包括： 采集至少一种配电网运行参数的时序数据； 以所述至少一种配电网运行参数的时序数据为输入，经预先构建的编码器模型对所述至少一种配电网运行参数的时序数据进行降维处理，得到对应的降维表征向量； 将所述降维表征向量发送至主站，以使得所述主站通过预先构建的解码器模型对所述降维表征向量进行解码，得到所述至少一种配电网运行参数的时序数据； 所述编码器模型及所述解码器模型由对不同配电网运行参数的历史时序数据进行预处理后，对深度学习神经网络训练后得到； 对不同配电网运行参数的历史时序数据进行预处理，包括： 确定当前历史时序数据的缺失值； 确定当前缺失值之前的多个连续数据值的第一变化趋势，并确定当前缺失值之后的多个连续数据值的第二变化趋势； 基于所述第一变化趋势及所述第二变化趋势确定当前缺失值的预测值，以所述预测值对当前缺失值进行赋值； 基于所述第一变化趋势及所述第二变化趋势确定当前缺失值的预测值，包括： 若所述第一变化趋势与所述第二变化趋势相同，确定当前缺失值之前的多个连续数据值的第一变化量均值及当前缺失值之后的多个连续数据值的第二变化量均值； 以第一有效数据值及所述第一变化量均值之和构建当前缺失值的正向预测值，以第二有效数据值及所述第二变化量均值之差构建当前缺失值的反向预测值，其中，所述第一有效数据值为当前缺失值的前一个有效数据值，所述第二有效数据值为当前缺失值的后一个有效数据值； 基于所述第一变化量均值及所述第二变化量均值构建所述正向预测值的第一权重及所述反向预测值的第二权重，其中，所述第一权重与所述第一变化量均值正相关，所述第二权重与所述第二变化量均值正相关，所述第一权重为w前=e△y前e△y前+e△y后，所述第二权重为w后=e△y后e△y前+e△y后，其中，w前表示第一权重，w后表示第二权重，e为自然常数，y前表示第一有效数据值，△y前表示第一变化量均值，y后表示第二有效数据值，△y后表示第二变化量均值； 以所述第一权重及所述第二权重对所述正向预测值及所述反向预测值加权求和，得到当前缺失值的预测值； 基于所述第一变化趋势及所述第二变化趋势确定当前缺失值的预测值，包括： 若所述第一变化趋势与所述第二变化趋势不同，确定当前缺失值在当前缺失段中的排序值及当前缺失段中缺失值的数量； 基于当前缺失值在当前缺失段中的排序值及当前缺失段中缺失值的数量确定当前缺失值的预测权重，所述预测权重与当前缺失值在当前缺失段中的排序值正相关； 确定当前缺失值的后一个有效数据值与前一个有效数据值的变化量值，以所述预测权重对所述变化量值进行加权，得到当前缺失值的预测调节值，对所述预测调节值及前一个有效数据值的前一个有效数据值求和以得到当前缺失值的预测值。

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北京智芯微电子科技有限公司，其通讯地址为：100192 北京市海淀区西小口路66号中关村东升科技园A区3号楼；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。