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！

龙图腾网获悉南京工程学院申请的专利基于SA-GAN的工业用户缺失数据填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：CN116861177B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202310823815.9，技术领域涉及：G06F17/16；该发明授权基于SA-GAN的工业用户缺失数据填补方法是由王高岩;董宜成;项俊杰;王启轩;靳宇帆;李婧娇设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本基于SA-GAN的工业用户缺失数据填补方法在说明书摘要公布了：本发明提出基于SA‑GAN的工业用户缺失数据填补方法，包括：1基于考虑正负关联度的灰色关联度算法构建工业用户的行业关联度，对于关联度高于阈值的多个工业用户，使用各工业用户在同一时序下的日负荷数据构成数据集A，对于关联度不高于阈值的单一工业用户，使用历史日负荷数据构成数据集B；2利用四分位法判别数据集A和数据集B中的异常数据，令异常数据的值为0；3将数据集A和数据集B中日负荷数据转换成RGB彩色像素值，使数据集A和数据集B图像化，得到图像A和图像B；4将图像A和图像B输入SA‑GAN模型，对图像A和图像B进行填补，得到经SA‑GAN填补后的图像E和图像F；5对图像E和图像F进行逆图像化过程，转化成日负荷数据。

本发明授权基于SA-GAN的工业用户缺失数据填补方法在权利要求书中公布了：1.一种基于SA-GAN的工业用户缺失数据填补方法，其特征在于，包括以下步骤： S1、基于考虑正负关联度的灰色关联度算法构建工业用户的行业关联度，对于关联度高于阈值的多个工业用户，使用各工业用户在同一时序下的日负荷数据构成数据集A，对于关联度不高于阈值的单一工业用户，使用历史日负荷数据构成数据集B； S2、利用四分位法判别数据集A和数据集B中的异常数据，令异常数据的值为0； S3、将带有0值的数据集A和数据集B中日负荷数据转换成RGB彩色像素值，使数据集A和数据集B图像化，得到图像A和图像B； S4、将图像A和图像B输入SA-GAN模型，对图像A和图像B进行填补，得到经SA-GAN填补后的图像E和图像F；S4具体为： S4.1、将电力工业用户负荷数据图像A和图像B输入SA-GAN模型中，图像A和图像B均为N维C通道； S4.2、对图像A和图像B进行图卷积运算，得到图像A的卷积特征图R和图像B的卷积特征图Q； S4.3、将卷积特征图R转换为两个特征空间f和g；进行1×1向量卷积运算，得到权重矩阵,,再将卷积特征图R转换为特征空间h，进行1×1向量卷积运算，得到权重矩阵，其中，为权重矩阵通道数，，其中k为整数； S4.4、将卷积特征图Q转换为两个特征空间a和b；进行1×1向量卷积运算，得到权重矩阵,,再将卷积特征图Q转换为特征空间v，进行1×1向量卷积运算，得到权重矩阵； S4.5、将权重矩阵进行转置，与权重矩阵进行矩阵乘法并进行归一化指数运算，得到权重矩阵与权重矩阵的注意力图S； S4.6、将权重矩阵进行转置，与权重矩阵进行矩阵乘法并进行归一化指数运算，得到权重矩阵与权重矩阵的注意力图T； S4.7、将注意力图S与权重矩阵进行矩阵乘法，再将乘法后的结果转换为特征空间u，利用1×1向量卷积运算，得到自注意力特征图D； S4.8、将注意力图T与权重矩阵进行矩阵乘法，再将乘法后的结果转换为特征空间u，利用1×1向量卷积运算，得到自注意力特征图U； S4.9、自注意力特征图D乘以可学习标量，再与卷积特征图R求和，得到输出特征图Y；自注意力特征图U乘以可学习标量，再与卷积特征图Q求和，得到输出特征图Z； S4.10、对输出特征图Y和输出特征图Z进行反卷积，得到经SA-GAN填补后的图像E和图像F； S5、对图像E和图像F进行逆图像化过程，重新转化成日负荷数据。

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南京工程学院，其通讯地址为：211167 江苏省南京市江宁区科学园弘景大道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”。

以上内容由龙图腾AI智能生成。