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公司晋城供电公司申请的专利一种瓦斯发电站功率预测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：CN119204295B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202411173465.7，技术领域涉及：G06Q10/04；该发明授权一种瓦斯发电站功率预测方法是由陈文刚;王新瑞;刘贺龙;姬玉泽;朱剑飞;田瑞敏;董建军;李海燕;马伟天;许泳涛;董科;原亚飞设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本一种瓦斯发电站功率预测方法在说明书摘要公布了：本发明公开了一种瓦斯发电站功率预测方法，具体为：步骤1：采集瓦斯发电站的历史数据作为样本数据；步骤2：对样本数据进行预处理；步骤3：将预处理后的数据构建为时空图H；步骤4：设计自适应可扩展时空图卷积网络模型；步骤5：将预处理的数据和邻接矩阵作为训练集，对自适应可扩展时空图卷积网络模型进行训练；步骤6：采用训练好的自适应可扩展时空图卷积网络模型对瓦斯发电站的功率进行预测。发明所提方法在预测瓦斯发电功率时表现出更高的精度、更好的稳定性、更强的趋势跟踪能力以及更好的异常值处理能力。

本发明授权一种瓦斯发电站功率预测方法在权利要求书中公布了：1.一种瓦斯发电站功率预测方法，其特征在于：具体包括如下步骤： 步骤1：采集瓦斯发电站的历史数据作为样本数据； 步骤2：对样本数据进行预处理； 步骤3：将预处理后的数据构建为时空图H；H＝V,E,A，V表示节点集合，所述节点表示瓦斯发电站，E表示边集合，所述边为节点之间的连接边，A为邻接矩阵； 步骤4：设计自适应可扩展时空图卷积网络模型； 步骤5：将预处理的数据和邻接矩阵作为训练集，对自适应可扩展时空图卷积网络模型进行训练； 步骤6：采用训练好的自适应可扩展时空图卷积网络模型对瓦斯发电站的功率进行预测； 所述自适应可扩展时空图卷积网络模型被配置执行如下操作： 采用时空卷积块捕捉瓦斯发电站的时空特征，并通过堆叠L层时空卷积块提高特征提取能力；然后采用自适应模块调整模型参数；再采用可扩展模块根据瓦斯发电数据量和节点数量的增加进行扩展，最后通过全连接层输出瓦斯发电站的预测功率； 每个时空卷积块使用图卷积操作提取瓦斯发电站每个节点及邻域的特征，使用时间卷积中的一维卷积操作提取时间特征，同时使用时间卷积中的门控线性单元捕捉瓦斯发电站时间动态行为，时空卷积块的结构如下所示： 其中，表示第l+1层时空卷积块的输出特征，TemporalConv.表示时间卷积操作，σ.表示激活函数，GraphConv.表示图卷积操作，Hl表示第l层图卷积的输出特征，Zl表示第l层时间卷积的输出特征，表示第l层时间卷积中一维卷积的偏置，表示归一化后的邻接矩阵，其中J表示度矩阵，Θl表示第l层图卷积的权重矩阵；l＝0，1，2，...，L-1，X为样本数据； 图卷积的结构如下所示： 其中，Hl+1表示第l+1层图卷积的输出特征，Tk表示第k阶的Chebyshev多项式，K表示Chebyshev多项式的总阶数；表示归一化后的图拉普拉斯算子，I表示单位矩阵，Θk表示第l层图卷积中第k阶Chebyshev多项式的权重矩阵，第l层图卷积中K个Chebyshev多项式的权重矩阵构成第l层图卷积的权重矩阵Θl； 时间卷积的结构如下所示： 其中，Zl+1表示第l+1层时间卷积的输出特征，表示第l层时间卷积中一维卷积的输出特征，表示第l+1层时间卷积中一维卷积的卷积核，表示第l+1层时间卷积中一维卷积的偏置；表示第l+1层时间卷积中门控线性单元的卷积核，表示第l+1层时间卷积中门控线性单元的偏置，*表示卷积操作； 所述自适应模块包括依次连接的M层自适应层，所述的自适应层包括节点特征变换，自适应注意力权重计算以及注意力权重归一化； 所述节点特征变换具体为： Fm+1＝σBm+1Fm 其中，Fm+1表示第m+1层自适应层输出的节点特征矩阵，第1层自适应层输出的节点特征矩阵其中表示时空卷积块输出的特征，B1表示第一层自适应层的权重矩阵，σ.表示激活函数；Bm+1表示第m+1层自适应层的权重矩阵，m＝1,2,3,…,M；M表示自适应层的总个数； 所述自适应注意力权重计算具体为： 其中，表示在第m层自适应层中节点i和节点j之间的自适应注意力权重；LeakyReLU表示带泄漏的线性整流激活函数，||表示向量连接，和分别表示节点i、j在第m层自适应层的特征；Bm表示第m层自适应层的权重矩阵，am为第m层自适应层中归一化后的自适应注意力权重的集合； 注意力权重归一化具体为： 其中，表示在第m层自适应层中节点i和节点j之间的自适应注意力权重归一化后的值，Vi表示节点i的相邻节点集合,|Vi|表示集合Vi中节点的总个数，表示在第m层自适应层中节点i和集合Vi中节点k′之间的自适应注意力权重； 所述可扩展模块包括依次连接的N层可扩展层，所述可扩展层包括多头图卷积和分层聚合，所述多头图卷积如下所示： 其中，表示第n+1层多头图卷积输出的节点i的特征矩阵，Q表示注意力头的数量，Bn+1，q表示在第n+1层多头图卷积中第q个注意力头的权重矩阵，表示第n层多头图卷积输出的节点i的特征矩阵，将第M自适应层中归一化后的自适应注意力aM分解为Q个注意力头，将该Q个注意力头作为第1层多头图卷积中Q个注意力头，第1层多头图卷积输出的节点i的特征矩阵的表达式为 表示第1层多头图卷积中第q个注意力头计算的节点i与节点j之间的注意力权重，FM表示第M层自适应层输出的节点特征矩阵，n＝1,2，...，N。

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公司晋城供电公司，其通讯地址为：048026 山西省晋城市城区新市东街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”。