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！

龙图腾网获悉湖北能源集团齐岳山风电有限公司申请的专利一种基于数据与知识双向驱动的电能表异常数据修补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：CN119622402B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411622070.0，技术领域涉及：G06F18/24；该发明授权一种基于数据与知识双向驱动的电能表异常数据修补方法是由王文;石东江;张永梅;何君;吴凡;田勇;牟令;肖利涛;朱露;杨德超;刘必武;杨泽开;王东设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种基于数据与知识双向驱动的电能表异常数据修补方法在说明书摘要公布了：本发明公开了一种基于数据与知识双向驱动的电能表异常数据修补方法，包括如下步骤：获取风力发电场的风电时间序列数据；确定规范化后的风电时间序列数据中的数据点在极坐标系中的向量集合；计算向量集合中第一向量和第二向量的自定义内积；根据自定义内积，确定格拉姆角场；确定经验特征；分别得到数据驱动特征和知识驱动特征；构建联合训练模块，使用联合训练模块对数据驱动特征和知识驱动特征进行处理，得到风电时间序列数据对应的样本标签；使用异常数据修补模块对样本标签为异常数据的风电时间序列数据进行数据修补，得到风电时间序列修补数据。本发明可以提高高风电场电能表数据的修补精度和效率。

本发明授权一种基于数据与知识双向驱动的电能表异常数据修补方法在权利要求书中公布了：1.一种基于数据与知识双向驱动的电能表异常数据修补方法，其特征在于，所述方法包括： S1、获取风力发电场的风电时间序列数据，并对所述风电时间序列数据进行规范化处理，得到规范化后的风电时间序列数据； S2、将所述规范化后的风电时间序列数据中的数据数值转化为夹角余弦值，并将所述范化后的风电时间序列数据中数据数值对应的时间戳转化为半径大小，并根据所述夹角余弦值和所述半径大小，确定所述规范化后的风电时间序列数据中的数据点在极坐标系中的向量集合； S3、计算所述向量集合中第一向量和第二向量的自定义内积； S4、根据所述自定义内积，确定格拉姆角场； S5、根据所述风电时间序列数据，分别确定所述风电时间序列数据的总负荷、最大值、最小值、平均值、标准差、偏度和峭度，并将所述总负荷、所述最大值、所述最小值、所述平均值、所述标准差、所述偏度和所述峭度进行特征拼接，得到经验特征； S6、构建双通道特征提取模块，通过所述双通道特征提取模块对所述格拉姆角场和所述经验特征分别进行特征提取，分别得到数据驱动特征和知识驱动特征； S7、构建联合训练模块，使用所述联合训练模块对所述数据驱动特征和所述知识驱动特征进行处理，得到风电时间序列数据对应的样本标签； 所述样本标签包括异常数据和正常数据； 所述联合训练模块包括Deep部分、Wide部分、特征拼接模块和训练模块； 所述Deep部分为前馈神经网络，所述Wide部分为线性网络， 所述Deep部分的计算公式为： 其中，表示Deep部分的辨识结果，表示数据驱动特征，表示Deep部分的模型参数，表示Deep部分的偏差； 所述Deep部分中每层神经网络的计算公式为： 其中，表示Deep部分中神经网络的层数，表示Relu激活函数，分别表示第层神经网络的激活、偏置和权重参数； 所述训练模块的损失函数为： 其中，表示样本标签，表示softmax函数，表示经验特征，表示偏置项，表示Wide部分的权重向量，表示Deep部分的权重向量，表示神经网络的激活函数； S8、使用异常数据修补模块对样本标签为异常数据的风电时间序列数据进行数据修补，得到风电时间序列修补数据。

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湖北能源集团齐岳山风电有限公司，其通讯地址为：445410 湖北省恩施土家族苗族自治州利川市南坪乡南坪村；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。