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！

龙图腾网获悉南京南自华盾数字技术有限公司申请的专利一种基于多模型融合的指标异常检测与自适应优化方法及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：CN120724090B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511135973.0，技术领域涉及：G06F18/20；该发明授权一种基于多模型融合的指标异常检测与自适应优化方法及系统是由王竹;王文贵;倪晓锋;童雪帅;黎绍泉;经正俊;黄文浩;刘春雨;张靖设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本一种基于多模型融合的指标异常检测与自适应优化方法及系统在说明书摘要公布了：本发明公开了一种基于多模型融合的指标异常检测与自适应优化方法及系统，涉及电力系统智能运维技术领域。该方法基于运行数据流，构建动态因果网络图，融合小波相干性分析与贝叶斯‑时空图结构，实时更新边权并计算传播概率；并行调用多种异常检测模型，依据置信度评分与传播风险系数动态调整融合权重，生成融合异常评分结果；对高风险指标段，提取时间频率特征与拓扑结构特征，输入轻量化模型生成置信度修正因子，计算异常影响值，并驱动监控资源自适应调配。本发明的方法及系统提升了复杂电力场景下的模型适配性、异常检测精度与响应效率。

本发明授权一种基于多模型融合的指标异常检测与自适应优化方法及系统在权利要求书中公布了：1.一种基于多模型融合的指标异常检测与自适应优化方法，其特征在于，所述方法包括： 接收并存储来自电力系统的运行数据流和业务规则日志； 基于所述运行数据流，采用小波相干性分析计算各指标间的动态关联矩阵，结合所述业务规则日志构建贝叶斯-时空图结构的因果网络，并采用增量图卷积对所述因果网络的边权进行实时更新，形成带传播概率的动态因果网络图； 并行调用至少两种异常检测模型对目标监控指标进行异常判定，生成各异常检测模型的异常判定结果及置信度评分，基于置信度评分设定各异常检测模型对应异常判定结果的基础融合权重； 基于所述动态因果网络图中目标监控指标的传播路径信息，计算传播风险系数对各异常检测模型的基础融合权重进行动态调整，生成融合异常评分结果，作为目标监控指标的异常判定结果； 所述采用小波相干性分析计算各指标间的动态关联矩阵，包括： 对运行数据流中每个指标的时序序列进行滑动窗口分割； 从业务规则日志中提取业务场景标识，选择预置频带特征库中该业务场景标识所对应的小波分解的目标频带； 对每个滑动窗口内的指标时序序列进行小波分解，并提取所述目标频带的小波系数； 基于所述小波系数，计算两两指标间的小波相干性系数，公式为： ； 式中，为指标与指标在频率下的小波相干性系数；表示指标与指标在频率上的小波互功率谱密度；、分别为指标与指标的小波功率谱密度； 对所述目标频带内多个频率点对应的小波相干性系数进行加权平均，作为指标对的聚合关联值； 以所有指标对的聚合关联值为元素，构建当前时间窗口下的动态关联矩阵； 对所述动态关联矩阵施加L1范数稀疏性约束以剔除弱相关指标对； 所述构建贝叶斯-时空图结构的因果网络包括： 将依据动态关联矩阵中聚合关联值形成的边定义为统计关联边，构建边集，统计关联边的边权为对应的聚合关联值； 将业务规则日志中的业务拓扑结构映射为图的顶点集，构成有向图结构，并附加每个指标节点在运行数据流中的空间位置标识和时间戳序列，用于形成指标节点的时空状态标签； 对业务规则日志中的指标间因果关系调整事件进行解析，提取因果先后关系对及对应的置信度等级，将所述因果先后关系对作为规则注入边，添加至所述有向图结构中，并将所述规则注入边的边权指定为条件概率值，所述条件概率值根据置信度等级设定，置信度等级为高、中、低时对应的条件概率值分别为1.0、0.7和0.3； 构建联合概率图模型，并在满足因果推理假设的条件下，用于指标间因果路径的推断，从而形成贝叶斯-时空图结构的因果网络，满足联合概率表达式： ； 式中，为所有指标联合发生的概率；为顶点集中的第个指标节点；为指标节点的父节点集合；为条件概率； 当业务规则日志中的新增事件为拓扑变更事件时，根据该拓扑变更事件所记录的新增或失效节点信息，对所述有向图结构的顶点集和边集执行同步增删操作，保持贝叶斯网络结构与实时业务结构一致； 所述计算传播风险系数对各异常检测模型的基础融合权重进行动态调整，生成融合异常评分结果，包括： 基于动态因果网络图中从目标监控指标出发的所有可达路径，识别当前滑动窗口内传播概率超过阈值的传播路径集合； 对每条传播路径，分别确定传播深度、路径中传播概率最大值以及路径终端节点的融合异常评分均值，将以上三项参数相乘作为传播路径的传播风险值，并对所有传播路径的传播风险值加权平均，生成目标监控指标的原始传播风险系数； 定义包含目标监控指标的路径数量与总路径数量的比值作为目标监控指标在传播路径集合中的路径重叠度因子，并与原始传播风险系数相乘，得到修正传播风险系数； 预设每个异常检测模型的风险敏感度系数，并根据每个异常检测模型的置信度评分是否高于全部异常检测模型置信度评分的均值，分别对基础融合权重进行上调或下调，其中权重调整幅度由风险敏感度系数与修正传播风险系数的乘积决定； 将所有异常检测模型的异常判定结果与动态调整后的对应融合权重进行加权融合，生成融合异常评分结果，作为目标监控指标最终的异常判定结果。

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南京南自华盾数字技术有限公司，其通讯地址为：211000 江苏省南京市鼓楼区新模范马路38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。