Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网湖北省电力有限公司信息通信公司姚渭箐获国家专利权

国网湖北省电力有限公司信息通信公司姚渭箐获国家专利权

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!

龙图腾网获悉国网湖北省电力有限公司信息通信公司申请的专利一种多维电力感知信息特征融合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:CN115600153B

龙图腾网通过国家知识产权局官网在2026-03-31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:202211268618.7,技术领域涉及:G06F18/25;该发明授权一种多维电力感知信息特征融合方法是由姚渭箐;郭兆丰;罗弦;李想;余明阳设计研发完成,并于2022-10-17向国家知识产权局提交的专利申请。

一种多维电力感知信息特征融合方法在说明书摘要公布了:一种多维电力感知信息特征融合方法,该方法先基于主成分分析PCA对来自不同数据源的数据样本的协方差矩阵进行特征值分解,选择累计贡献率超过阈值的前k个主要特征作为主成分,并将这k个主要特征对应的特征向量作为二阶统计特征向量矩阵的各个列向量,再通过余下m‑k个特征值确定高阶统计特征向量矩阵,然后基于统计特征向量矩阵进行不同阶统计数据的特征预融合,并确定特征数据矩阵,最后将特征数据矩阵输入时空特性融合卷积神经网络CNN模型中进行特征融合。本发明采用独特的PCA‑ICA联合处理方式进行特征提取,能够有效节省存储空间和融合计算时间。

本发明授权一种多维电力感知信息特征融合方法在权利要求书中公布了:1.一种多维电力感知信息特征融合方法,其特征在于: 所述方法依次包括以下步骤: 步骤A、基于主成分分析PCA对来自不同数据源的数据样本的协方差矩阵进行特征值分解,选择累计贡献率超过阈值的前k个主要特征作为主成分,并将这k个主要特征对应的特征向量作为二阶统计特征向量矩阵的各个列向量,其中,所述数据样本为电力物联网的感知设备采集到的数据,包括输电线路温度、油浸式变压器温度、变压器节点输出负荷、电压等级、容量、传输最大有用功率、有用功率峰值时刻、高压侧接线方式、中压侧接线方式、低压侧接线方式、三相波形、用电量、故障次数以及时间段、电压、电流、最小功率,传感器采集到的温度、湿度和风速信息; 步骤B、通过余下m-k个特征值确定高阶统计特征向量矩阵; 步骤C、根据以下公式对不同阶的统计数据进行特征预融合: ; 上式中,为预融合后的特征向量矩阵,、分别为、对应的权重; 步骤D、基于预融合后的特征向量矩阵确定特征数据矩阵: ; ; ; 上式中,为第i个二阶统计特性数据向量,为第j个高阶特性数据向量,为二阶和高阶统计特征的数量和,、分别为矩阵的第i列、第j+k列向量,为第i个数据源的数据样本列向量,为数据源总数; 步骤E、将矩阵输入时空特性融合卷积神经网络CNN模型中进行特征融合,得到融合数据,包括: 步骤E1、将矩阵按照特征分为多路数据流,通过CNN模型中的多路特征链接模块集进行特征对齐和噪声滤除,得到处理后的特征数据,其中,所述多路特征链接模块集包括上采样模块1、级联的多个多路特征链接模块2,所述上采样模块1的信号输入端与多路数据流连通,上采样模块1的信号输出端依次通过各多路特征链接模块2与全盘特征融合模块的信号输出端连接; 所述上采样模块1采用倍率为4的重组操作滤除数据流中特征数据的部分噪声; 多个所述多路特征链接模块通过级联的方式逐步建立各数据流的对齐关系,实现特征对齐; 每个所述多路特征链接模块2都包括残差模块21、多个均与残差模块21的信号输出端连接的注意力模块22,所述第一级的多路特征链接模块2中残差模块21的信号输入端与上采样模块1的信号输出端连接,第一级的多路特征链接模块2中多个注意力模块22的信号输出端与第二级的多路特征链接模块2中残差模块21的信号输入端、第三级的多路特征链接模块2中残差模块21的信号输入端连接,第二级的多路特征链接模块2中多个注意力模块22的信号输出端与第三级的多路特征链接模块2中残差模块21的信号输入端连接,第三级的多路特征链接模块2中多个注意力模块22的信号输出端与第四级的多路特征链接模块2中残差模块21的信号输入端、第五级的多路特征链接模块2中残差模块21的信号输入端连接,第四级的多路特征链接模块2中多个注意力模块22的信号输出端与第五级的多路特征链接模块2中残差模块21的信号输入端连接,依次类推; 所述注意力模块22用于为交叉特征提取有效的掩码,实现特征对齐,并抑制噪声干扰; 步骤E2、CNN模型中的全盘特征融合模块对处理后的特征数据以及矩阵中的数据进行全局融合得到特征融合数据,其中,所述全盘特征融合模块包括多个步长为2的反卷积层; 步骤E3、将特征融合数据与真实的融合数据进行对比,若小于等于设定的阈值,则将作为融合数据输出,否则根据以下公式更新各卷积层的权重后返回步骤E1: ; ; 上式中,、分别为更新前、后第i个卷积层的的权重,为学习率,为损失函数,为可训练的参数,为融合输出的数据种类数。

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国网湖北省电力有限公司信息通信公司,其通讯地址为:430070 湖北省武汉市洪山区徐东大街341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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。