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！

龙图腾网获悉温州大学申请的专利基于混合模型的电力变压器周期性时间序列预测方法及多变量周期性时间序列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：CN120493181B 。

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：202510906819.2，技术领域涉及：G06F18/25；该发明授权基于混合模型的电力变压器周期性时间序列预测方法及多变量周期性时间序列预测方法是由黄辉;章豪;张楠;叶其蕾;李毅设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本基于混合模型的电力变压器周期性时间序列预测方法及多变量周期性时间序列预测方法在说明书摘要公布了：本发明公开了一种基于混合模型的电力变压器周期性时间序列预测方法及多变量周期性时间序列预测方法，该方法通过采集变压器运行数据，包括油温和负荷变量，进行标准化、缺失值处理及周期性时间特征嵌入；构建多分支混合模型，融合双向状态空间编码器、时间卷积网络、局部窗口注意力机制和周期性增强网络，分别捕捉长期周期性依赖、多尺度局部周期特征、短期周期模式及周期性特征增强表示；通过全局上下文加权融合机制自适应整合多分支特征，采用多阶切比雪夫多项式投影模块对融合特征进行高效非线性变换，生成油温和负荷变量的预测序列。

本发明授权基于混合模型的电力变压器周期性时间序列预测方法及多变量周期性时间序列预测方法在权利要求书中公布了：1.一种基于混合模型的电力变压器周期性时间序列预测方法，其特征在于，包括以下步骤： 步骤一：数据采集与预处理 采集电力变压器运行数据，包括油温及负荷变量； 对数据进行标准化、缺失值处理； 通过周期性时间特征嵌入，生成包含日、周、季节周期信息的高维输入特征矩阵； 步骤二：构建多分支混合模型 设计多分支特征提取架构，包括双向状态空间编码器、时间卷积网络、局部窗口注意力机制和周期性增强网络，分别捕捉长期周期性依赖、多尺度局部周期特征、短期周期模式和周期性特征表示； 步骤三：特征融合与预测 通过线性层融合多分支周期性特征，生成综合特征表示； 采用单层切比雪夫多项式投影模块对融合特征进行非线性变换，生成油温和负荷变量的周期性预测序列； 所述步骤二的多分支特征提取架构包括： 双向状态空间编码器：通过正向和反向状态空间变换，基于输入嵌入特征捕捉时间序列的长期周期性依赖，包括周和季节周期； 时间卷积网络：基于状态空间编码器输出，采用多尺度膨胀卷积和门控机制，提取多尺度局部周期特征，包括日周期； 局部窗口注意力机制：基于状态空间编码器输出，通过限制注意力窗口大小，捕捉短期周期模式，包括亚日周期； 周期性增强网络：直接基于输入嵌入特征，通过线性变换和非线性激活，生成周期性特征增强表示。

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温州大学，其通讯地址为：325035 浙江省温州市瓯海经济开发区东方南路38号温州市国家大学科技园孵化器；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。