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 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 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 > 国网山西省电力有限公司信息通信分公司;太原理工大学刘秀获国家专利权

国网山西省电力有限公司信息通信分公司;太原理工大学刘秀获国家专利权

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!

龙图腾网获悉国网山西省电力有限公司信息通信分公司;太原理工大学申请的专利一种高比例EV接入下考虑用户行为及时空随机性的配电网状态估计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:CN121503296B

龙图腾网通过国家知识产权局官网在2026-04-14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:202610030724.3,技术领域涉及:G06F30/27;该发明授权一种高比例EV接入下考虑用户行为及时空随机性的配电网状态估计方法是由刘秀;李鸿;宫鑫;顾玮;赵菊敏;党宇曈;杜锋;王越;高旭瑞设计研发完成,并于2026-01-12向国家知识产权局提交的专利申请。

一种高比例EV接入下考虑用户行为及时空随机性的配电网状态估计方法在说明书摘要公布了:本发明属于智能电网与人工智能交叉领域,具体涉及一种高比例EV接入下考虑用户行为及时空随机性的配电网状态估计方法。包括:用户聚类与类别定义、数据建模与图结构构建、物理信息空间特征提取、基于多尺度波动感知的时序特征建模、多源数据融合、状态估计输出。本发明成功解决了高比例电动汽车接入背景下配电网状态估计面临的挑战,提供了一种精度高、鲁棒性强、可扩展性好的解决方案。该方法不仅适用于状态估计任务,也为未来配电网的实时监控、优化调度和电动汽车充电管理提供了坚实的技术基础,具有重要的理论价值和工程应用前景。

本发明授权一种高比例EV接入下考虑用户行为及时空随机性的配电网状态估计方法在权利要求书中公布了:1.一种高比例EV接入下考虑用户行为及时空随机性的配电网状态估计方法,其特征在于,包括以下步骤: S1:用户聚类与类别定义:基于历史用户出行的EV负荷数据,通过聚类算法将用户划分为若干典型类别,然后分析聚类误差最终确定用户标签; S2:数据建模与图结构构建:将配电网建模为图结构,其中为节点集合,节点表示配电网中的母线或测量点;为边集合,边集合表示连接节点的支路;为节点特征矩阵,其中为实数域,为节点数量,为特征维度;节点特征矩阵的特征向量包括电气量数据、分布式电源、EV负荷数据以及用户标签; S3:物理信息空间特征提取:通过多头注意力机制计算节点与邻居节点间的阻抗权重,聚合邻居节点的特征向量,得到每个节点最终的空间特征; S4:基于多尺度波动感知的时序特征建模:将每个节点最终的空间特征按时间序列排列形成特征序列,然后将特征序列与波动性指标融合构建波动感知,输入至Transformer编码器中,通过自注意力机制进行多层编码,得到每个节点每个时间步的时空特征; S5:多源数据融合:通过门控融合单元自适应调整每个节点最终的空间特征和时空特征的信息流比例,输出最终的联合特征; S6:状态估计输出:将联合特征通过一个全连接解码层,映射获得最终的配电网状态估计值; 步骤S3中,物理信息空间特征提取具体为:通过节点与邻居节点的特征向量计算原始注意力系数,然后引入阻抗权重,计算获得物理增强的注意力系数,对物理增强的注意力系数进行标准化处理,最后聚合邻居节点的特征向量,得到每个节点最终的空间特征; 步骤S3中,计算原始注意力系数时,其计算过程为: ; 式中:表示可学习的权重矩阵,表示每个注意力头的单层前馈神经网络的权重向量,表示的转置矩阵,、分别是节点与邻居节点的特征向量,||表示拼接操作,表示激活函数; 步骤S3中,阻抗权重的计算过程为: ; 式中:表示连接节点与邻居节点的支路阻抗模值;表示可学习的缩放系数,用于调整阻抗影响的程度,取值0,1]; 物理增强的注意力系数的计算过程为: ; 对物理增强的注意力系数进行标准化处理,具体为: ; 式中:表示邻居节点的集合,表示标准化的注意力系数; 聚合邻居节点的特征向量的计算过程为: ; 式中:表示节点在个注意力头的输出特征,表示Sigmoid激活函数; 然后将节点的所有注意力头的输出特征进行拼接,得到节点的最终的空间特征,其计算公式为: ; 式中:表示注意力头数; 步骤S4中,将每个节点最终的空间特征按时间序列排列形成特征序列,其中表示时间步; 波动性指标的计算过程为:; ; 式中:是滑动窗口内EV负荷数据的平均值,表示时间步的EV负荷数据,表示滑动窗口的长度,表示波动性指标; 将特征序列与波动性指标进行融合,构建波动感知: ; 式中:表示特征序列的线性嵌入,,表示时间步的节点特征矩阵,和分别表示线性嵌入的权重与偏置项,表示拼接操作,表示波动性指标映射到高维向量的可学习权重向量; 将特征序列与波动性指标融合后得到的波动感知; 将波动感知输入至Transformer编码器中,通过自注意力机制进行多层编码,得到每个节点每个时间步的时空特征。

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国网山西省电力有限公司信息通信分公司;太原理工大学,其通讯地址为:030032 山西省太原市晋源区谐园路3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。