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！

龙图腾网获悉济南精进电子科技有限公司;河南源洪电气有限公司申请的专利一种电能表的异常检测方法及检测系统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：CN121051662B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511597198.0，技术领域涉及：G06F18/2433；该发明授权一种电能表的异常检测方法及检测系统是由王凤萌;李青帅;张毅;郑春兰;赵宏勇;张保生;郑函明;郑玉娟;徐翠丽设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本一种电能表的异常检测方法及检测系统在说明书摘要公布了：本发明涉及异常检测技术领域，具体涉及一种电能表的异常检测方法及检测系统。其方法包括：获取待检测电能表的时序数据，通过N个异构的基学习模型得到初步异常分数及中间层特征向量，计算初步异常分数的方差，生成共识向量、创建元特征向量并将二者输入分数聚合网络得到第一异常置信度，利用方差与初步异常分数调制中间层特征向量，再经注意力网络融合后输入元学习器得到第二异常置信度，当第一异常置信度与第二异常置信度均满足预设条件时判定为确认异常，并将融合特征输入聚类模型得到类别标签。即本发明的方案能够引导分数聚合网络评估整体决策的难度，利用中间层信息并构建出两条并行的分析路径，从而提高对电能表异常检测的准确性。

本发明授权一种电能表的异常检测方法及检测系统在权利要求书中公布了：1.一种电能表的异常检测方法，其特征在于，包括： 获取待检测电能表在预设时间窗口内的时序数据，时序数据包含多个电能特征；将时序数据输入到N个异构的基学习模型，得到每个基学习模型针对时序数据输出的初步异常分数以及从基学习模型特定层级提取的中间层特征向量；计算N个初步异常分数之间的方差； 将方差通过嵌入层生成共识向量；为每个基学习模型创建一个元特征向量，将共识向量与N个元特征向量按顺序拼接构成长序列，将长序列输入到基于Transformer编码器的分数聚合网络，得到第一异常置信度； 将方差与每个初步异常分数共同输入到参数化映射网络，通过元素乘积对相应的中间层特征向量进行调制，得到调制的特征向量；将N个调制的特征向量输入到以方差作为全局条件的注意力网络，得到融合特征；将融合特征输入到一个元学习器，得到第二异常置信度； 当第一异常置信度与第二异常置信度均大于预设阈值，且二者之间的差异满足预设的一致性条件时，判定为确认异常；将生成第二异常置信度时所用的融合特征输入到预设的聚类模型，得到确认异常的类别标签; 时序数据包含多个电能特征，包括：有功功率、无功功率、A相电压、B相电压、C相电压、A相电流、B相电流以及C相电流； 元特征向量包含基学习模型针对时序数据输出的初步异常分数、基学习模型的可靠性评估指标以及可学习的基学习模型身份嵌入向量；可靠性评估指标是每个基学习模型在验证集上的分数、精确率或召回率；基学习模型身份嵌入向量是为N个基学习模型分别初始化的可训练向量，在训练过程中端到端地学习；将初步异常分数、可靠性评估指标以及基学习模型身份嵌入向量进行拼接得到元特征向量； 所述将所述方差与每个初步异常分数共同输入到参数化映射网络，通过元素乘积对相应的中间层特征向量进行调制，得到调制的特征向量，包括：对于第个基学习模型，将所述方差与第个基学习模型输出的初步异常分数拼接成二维向量；将二维向量输入到参数化映射网络，生成一个向量；所述生成的向量与从第个基学习模型特定层级提取的中间层特征向量的维度相同；将生成的向量与所述中间层特征向量进行元素乘积，得到调制的特征向量。

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济南精进电子科技有限公司;河南源洪电气有限公司，其通讯地址为：250000 山东省济南市高新区孙村街道春秀路北段598号智能电表建设项目三相智能电表厂房101；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。