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！

龙图腾网恭喜中国电建集团江西省水电工程局有限公司;华能陇东能源有限责任公司申请的专利基于深度学习的换流站能效预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：CN119578664B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510114799.5，技术领域涉及：G06Q10/04；该发明授权基于深度学习的换流站能效预测系统是由姚享;王皓杰;郭晓锋;马超;张小磊;宋涛;项晨设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本基于深度学习的换流站能效预测系统在说明书摘要公布了：本发明公开了一种基于深度学习的换流站能效预测系统，包括S1、采集换流站内各设备数据，生成原始数据集；S2、对原始数据集进行处理，生成标准化数据集；S3、基于换流站设备的拓扑关系构建设备网络图；S4、图神经网络模块，基于设备网络图构建图神经网络模型，提取节点和边的特征信息，生成多维嵌入向量；S5、元学习模块，基于图神经网络模块生成的多维嵌入向量，采用分层优化策略对模型参数进行更新，生成可适应不同输入特征分布的模型参数集合；S6、基于元学习模块生成的模型参数集合，对换流站能效相关指标进行预测。本发明具备建模能力强、预测精度高、适应性强和实时性好的优点。

本发明授权基于深度学习的换流站能效预测系统在权利要求书中公布了：1.一种基于深度学习的换流站能效预测系统，其特征在于，包括：S1、数据采集模块，用于采集换流站内各设备数据，生成包含完整设备运行状态的原始数据集；S2、数据预处理模块，用于对原始数据集进行处理，包括数据清洗、缺失值填补、归一化处理以及时间序列特征提取，生成清洗后的标准化数据集；S3、图构建模块，基于换流站设备的拓扑关系构建设备网络图，所述设备网络图将各设备表示为节点，将设备之间的电气连接关系表示为边；S4、图神经网络模块，基于设备网络图构建图神经网络模型，提取节点和边的特征信息，生成多维嵌入向量；S5、元学习模块，基于图神经网络模块生成的多维嵌入向量，采用分层优化策略对图神经网络模型的模型参数进行更新，生成可适应不同输入特征分布的模型参数集合；S6、能效预测模块，基于元学习模块生成的模型参数集合，结合标准化数据集和多维嵌入向量，对换流站能效相关指标进行预测；所述S3具体包括：S31、拓扑数据提取单元，从标准化数据集中提取换流站设备的拓扑结构数据，包括节点集合和边集合，其中节点集合表示换流站内的各设备，边集合表示设备之间的电气连接关系；S32、特征映射单元，将节点集合中每个节点的设备运行状态数据映射为节点特征向量，其中为特征向量维度，为实数集合；S33、边权重计算单元，基于边集合中每条边的属性信息计算对应的权重值，其中表示节点与节点之间的连接强度： ；其中，和分别表示节点和节点的特征向量，表示边的属性向量，为节点特征的权重矩阵，为边属性的权重向量，其中表示边属性向量的维度，表示修正线性单元激活函数，用于将输出值映射到非负范围；S34、图结构生成单元，根据节点集合、边集合以及对应的权重值构建设备网络图，其中表示节点特征的权重矩阵，矩阵元素为权重值；所述S4具体包括：S41、输入节点特征单元，接收由图构建模块生成的设备网络图，其中节点集合包含每个节点的节点特征向量，边集合包含每条边的属性向量，权重矩阵包含每条边的权重值；S42、特征聚合单元，基于图卷积操作对节点的局部邻域信息进行聚合，更新节点特征向量： ；其中，表示节点的邻居节点集合，表示节点和节点之间的权重值，为第层的权重矩阵，为节点的第层特征向量，为激活函数；S43、特征更新单元，基于多层图卷积网络逐层更新节点特征向量，生成节点嵌入向量，其中表示最终嵌入向量的维度；S44、边特征融合单元，基于节点嵌入向量和边的属性向量，生成边嵌入向量；S45、将节点嵌入向量与边嵌入向量融合，生成多维嵌入向量；所述S5具体包括：S51、元任务构建单元，基于图神经网络模块生成的多维嵌入向量，构造多个元任务组成的元任务集合，其中，表示元任务的总数量，每个元任务包括输入特征分布和对应的目标函数，用于模拟不同运行环境中的输入数据特征分布及其目标映射关系；S52、初始参数优化单元，基于元任务集合，通过最小化所有元任务的总损失函数对初始模型参数进行优化： ；其中，表示模型在元任务上的损失函数，为待优化的模型参数；S53、任务适配参数更新单元，对于元任务集合中的每个元任务，采用梯度下降法从初始模型参数更新为任务特定参数，以适配元任务的特征分布；S54、全局参数更新单元，将任务特定参数聚合，结合每个元任务的权重对初始参数进行优化，生成反映跨任务的全局参数；S55、将全局参数与任务特定参数组合形成可适应不同输入特征分布模型参数集合；所述S6具体包括：S61、特征融合单元，基于元学习模块生成的模型参数集合，结合标准化数据集中的设备运行特征和多维嵌入向量，构建输入特征矩阵： ；其中，为节点的设备运行特征，为对应的多维嵌入向量，表示特征拼接操作；S62、能效预测模型选择单元，从模型参数集合中选择对应的全局参数和任务特定参数构建任务特定预测模型，根据设备运行特征选择最优任务模型；S63、预测计算单元，基于选择的任务特定预测模型和输入特征矩阵计算换流站能效相关指标： ；其中，表示换流站能效相关指标，表示任务特定预测模型，为任务特定参数。

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中国电建集团江西省水电工程局有限公司;华能陇东能源有限责任公司，其通讯地址为：330000 江西省南昌市青云谱区南莲路138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”。