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！

龙图腾网获悉朗坤智慧科技股份有限公司申请的专利基于自编码器缺失数据重建方法、系统、设备及存储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：CN119739975B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510247045.7，技术领域涉及：G06F18/10；该发明授权基于自编码器缺失数据重建方法、系统、设备及存储介质是由陈松;袁存发;康建辉;陈志凯;欧阳永子设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本基于自编码器缺失数据重建方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了基于自编码器缺失数据重建方法、系统、设备及存储介质，涉及电力市场数据处理技术领域，包括收集电力市场数据指标，并对收集到的数据进行预处理，利用自适应网络架构搜索算法搜索构建自编码器和LSTM的网络结构，利用自编码器对预处理后的数据进行特征提取，通过编码器和解码器提取数据的潜在特征，将特征数据输入LSTM网络模型，利用生成对抗网络生成缺失电力市场数据，利用生成的电力市场数据训练LSTM网络模型，利用训练后的模型对缺失数据进行重建，并通过实际数据评估重建效果。本发明能够有效解决数据缺失问题，提高电力市场数据的完整性和可靠性。

本发明授权基于自编码器缺失数据重建方法、系统、设备及存储介质在权利要求书中公布了：1.基于自编码器缺失数据重建方法，其特征在于：包括， 收集电力市场数据指标，并对收集到的数据进行预处理； 利用自适应网络架构搜索算法搜索构建自编码器和LSTM的网络结构，利用自编码器对预处理后的数据进行特征提取，通过编码器和解码器提取数据的潜在特征，将潜在特征数据输入LSTM网络模型； 利用生成对抗网络生成缺失电力市场数据，利用生成的电力市场数据训练LSTM网络模型，利用训练后的模型对缺失数据进行重建，并通过实际数据评估重建效果； 所述收集电力市场数据指标，包括，收集电力负荷数据、电力价格数据、供需关系数据、天气相关数据、用户耗电量数据、电网运行数据、社会经济数据、节假日与特殊事件数据、能源市场数据和电力市场政策数据； 所述天气相关数据包括温度、湿度、风速和太阳辐射强度；所述电网运行数据包括电网负荷率、输电线路损耗和变压器负载情况； 所述预处理包括数据清洗、利用基于深度学习模型的异常检测去除异常值和基于统计方法进行数据归一化； 利用基于深度学习模型的异常检测公式为： 其中，Ωx为异常检测的综合指标，N为数据集的大小，xc为第c个数据点，σ2为数据点分布的方差，μ为数据点的均值，d为数据点的维度，Σ为协方差矩阵，为损失函数，fxc；θ为去除第c个数据点后的深度学习模型输出，θ为深度学习模型的参数，P为指数函数，为归一化常数，xc-μT为差异向量的转置；当Ωx为0时，表示检测数据点为异常数据点，进行剔除；当Ωx为1时，表示检测数据点为正常数据点，继续进行后续处理； 所述自适应网络架构搜索算法，包括，利用自适应网络架构搜索算法搜索构建自编码器和LSTM的网络结构； 自适应网络架构搜索算法包括，利用自适应网络架构搜索算法搜索构建自编码器和LSTM的网络结构； 自适应网络架构搜索算法公式为： 其中，F为自适应网络架构搜索算法的优化目标函数，gyj,α为自编码器的重构误差函数，yj为输入数据，α为自编码器的参数，hyj,β为LSTM的预测误差函数，β为LSTM的参数，M为数据样本数量，γ为正态分布的均值，ε为正态分布的标准差，y为积分变量； 所述构建自编码器和LSTM的网络结构包括定义网络架构的搜索空间，选择神经架构搜索算法，在搜索算法中，进行迭代搜索，并在每次迭代中，根据评估函数对当前种群中的网络架构进行评估，并根据评估结果对种群进行选择、交叉和变异操作，在搜索过程中，根据搜索算法的反馈和评估结果，动态调整搜索空间，当搜索算法达到性能满足的要求时，选择评估结果最佳的网络架构作为最终的自编码器和LSTM网络结构； 所述特征提取，包括，集成周期性成分分析到自编码器中进行数据提取，并在自编码器中加入正则化约束； 所述集成周期性成分分析包括，对预处理后的数据进行傅里叶变换，将时间序列数据转换为频率域数据，并捕捉数据中的周期性成分，编码器将输入数据映射到低维空间，提取数据的潜在特征，解码器将低维特征重建为原始数据，将傅里叶变换提取的周期性特征作为自编码器的输入，并捕捉数据的周期性成分，在自编码器的编码器部分，将原始数据和周期性特征进行融合，形成新的输入数据； 傅里叶变换公式为： 其中，fa为频率域数据，at为时间域信号，b为频率，i为虚数单位，t为时间，e-i2πzt为复指数函数； 所述生成缺失电力市场数据，包括，利用生成对抗网络生成缺失电力市场数据； 生成对抗网络公式表示为： 其中，Dz为估计的缺失数据，G为生成器网络，τ为生成器参数，zj为噪声样本，fk为特征函数，yk为可观测数据，A为可观测数据点的数量，σz为噪声分布的标准差，B为生成器生成的样本数量，n为生成器输出的梯度，l为指数函数的指数参数； 所述指数参数表示为： 其中，zj为噪声样本，μz为噪声分布的均值，σz为噪声分布的标准差，l为指数函数的指数参数； 所述生成器输出的梯度表示为： 其中，n为生成器输出的梯度，G为生成器网络，τ为生成器参数，zj为噪声样本。

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朗坤智慧科技股份有限公司，其通讯地址为：210005 江苏省南京市鼓楼区汉中路2号亚太商务楼31层；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”。