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！

龙图腾网获悉浙江大学申请的专利一种基于知识图谱的风电机组异常知识关联方法、装置及介质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：CN120763709B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511220340.X，技术领域涉及：G06F18/241；该发明授权一种基于知识图谱的风电机组异常知识关联方法、装置及介质是由陈积明;郭兴华;周启航;贺诗波;顾超杰设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本一种基于知识图谱的风电机组异常知识关联方法、装置及介质在说明书摘要公布了：本发明公开了一种基于知识图谱的风电机组异常知识关联方法、装置及介质，包括：基于风电行业运维需求，进行分布式多源异构数据和知识采集；建立风电设备节点的OPCUA信息模型；通过提示词工程指导工业多模态工业大模型对节点数据进行规范化描述与标识、完成实体抽取和属性抽取，进行关系提取与表示，从而导入图数据库构建异常知识图谱；优化和更新节点实体之间的语义联系，完成知识合并及加工，动态更新异常知识图谱；面向异常知识运用场景，基于异常知识图谱挖掘实体关联进行知识推理。本发明实现基于图结构学习和微调多模态工业大模型的多模态知识图谱构建方法，探索不同异常的关联性，构建富含异常语义的知识库，确保正确处理工业异常故障。

本发明授权一种基于知识图谱的风电机组异常知识关联方法、装置及介质在权利要求书中公布了：1.一种基于知识图谱的风电机组异常知识关联方法，其特征在于，包括： 步骤1，基于风电行业运维需求，进行分布式多源异构数据和知识采集； 步骤2，建立风电设备节点的OPC UA信息模型，确定节点通用属性和引用类型； 步骤3，通过提示词工程指导工业多模态工业大模型对节点数据进行规范化描述与标识、完成实体抽取和属性抽取，利用图卷积网络进行关系提取与表示，从而导入图数据库构建异常知识图谱； 步骤4，使用图卷积网络和长短期记忆网络优化和更新节点实体之间的语义联系，完成知识合并及加工，动态更新异常知识图谱，包括： 步骤4.1，知识合并及加工：基于图卷积神经网络完成知识合并及加工过程，包括链接预测、知识推理、实体消歧，形成标准知识表示； 步骤4.2，构建知识图谱的动态演化：使用图卷积神经网络捕捉图的依赖关系，使用长短期记忆网络学习和演化每个时刻的图卷积网络不同层的参数矩阵，从而使用知识嵌入构建知识图谱的动态演化； 步骤5，面向异常知识运用场景，基于异常知识图谱挖掘实体关联进行知识推理。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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。