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！

龙图腾网获悉华南理工大学申请的专利基于图对比学习的电力系统状态估计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：CN119475263B 。

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：202411555649.X，技术领域涉及：G06F18/26；该发明授权基于图对比学习的电力系统状态估计方法是由李萍;王振宇;王梦真;余曼设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于图对比学习的电力系统状态估计方法在说明书摘要公布了：本发明公开了一种基于图对比学习的电力系统状态估计方法，包括以下步骤：构建电力系统状态估计的图序列数据；构建基于图对比学习的电力系统状态估计模型，将所述图序列数据基于图对比学习的电力系统状态估计模型中；将节点特征序列和掩蔽的边特征输入到结合自注意力机制和残差块的动态边缘卷积神经网络以及带有门控机制的动态传播策略的图卷积神经网络的混合编码器来综合处理节点和边的特征；通过图对比学习框架的模型参数的更新机制和采样对称化训练策略；利用支路相角差计算节点电压相角，输出状态估计结果。本发明通过结合图对比学习与深度神经网络技术，可以有效地学习电力系统数据的内在结构和模式，提高识别和滤除异常数据的能力。

本发明授权基于图对比学习的电力系统状态估计方法在权利要求书中公布了：1.基于图对比学习的电力系统状态估计方法，其特征在于，包括下述步骤： 收集电力系统状态估计量测数据，构建电力系统状态估计的图序列数据；所述图序列数据包括节点特征序列、边特征序列和图邻接矩阵； 构建基于图对比学习的电力系统状态估计模型，所述基于图对比学习的电力系统状态估计模型采用边特征掩蔽技术的图增强方式，结合动态边缘卷积神经网络和图卷积网络的混合编码器，以及结合对比损失和节点状态量预测损失的双重优化策略；所述采用边特征掩蔽技术进行有条件的掩蔽边特征，具体为： 利用数据增强生成两个增强视图时，两个视图的图结构需要保持不变，采用边特征掩蔽的方法，对两个视图随机设定阈值，当每个视图的四条边上的数据都小于该阈值时，对应边的特征值为0，边的特征为边的支路潮流； 将所述图序列数据基于图对比学习的电力系统状态估计模型中，采用边特征掩蔽技术进行有条件的掩蔽边特征； 将节点特征序列和掩蔽的边特征输入到结合自注意力机制和残差块的动态边缘卷积神经网络以及带有门控机制的动态传播策略的图卷积神经网络的混合编码器来综合处理节点和边的特征； 通过图对比学习框架的模型参数的更新机制和采样对称化训练策略，增强模型处理图序列数据的稳定性和泛化能力； 利用支路相角差计算节点电压相角，输出状态估计结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。