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！

龙图腾网获悉四川大学申请的专利非完全量测下有源配网拓扑的图生成对抗学习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：CN119378597B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411600006.2，技术领域涉及：G06N3/042；该发明授权非完全量测下有源配网拓扑的图生成对抗学习估计方法是由刘友波;陈永东;王茁宇;唐志远;高红均;唐冬来设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本非完全量测下有源配网拓扑的图生成对抗学习估计方法在说明书摘要公布了：本发明涉及电力系统技术领域，公开了一种非完全量测下有源配网拓扑的图生成对抗学习估计方法，包括以下步骤：配电网拓扑变换；将原始配电网拓扑进行变换得到线拓扑图；图卷积特征提取；基于线拓扑图，图卷积神经网络通过图形结构传播节点特征之间的依赖关系，提取图数据的空间特征，构建生成对抗拓扑估计模型；构建生成对抗网络，将提取的空间特征输入生成对抗网络中进行训练，其中，生成器函数通过最小化对数概率进行训练，判别器函数通过最大化对数概率进行训练；构建可观性布局优化设计模型；将变分dropout正则化添加到GCN‑GAN的输入层中，可观性布局优化设计模型学习降低对GCN‑GAN模型正确预测拓扑重要特征的丢弃率。

本发明授权非完全量测下有源配网拓扑的图生成对抗学习估计方法在权利要求书中公布了：1.非完全量测下有源配网拓扑的图生成对抗学习估计方法，其特征在于：包括以下步骤： 步骤S1、配电网拓扑变换； 将原始配电网拓扑进行变换得到线拓扑图； 步骤S2、图卷积特征提取； 基于线拓扑图，图卷积神经网络通过图形结构传播节点特征之间的依赖关系，提取图数据的空间特征，得到隐藏信息，从而更新自身线路状态； 所述步骤S2中将线拓扑图表示为一个无向连通图，其中，表示节点，表示边，邻接矩阵以二进制矩阵的形式表示拓扑结构，其中每个元素表示节点之间是否连接，节点特征矩阵包含每个节点的可用测量值； 矩阵定义为： ； 其中，表示电流的幅值，表示电流的相角； 步骤S3、构建生成对抗拓扑估计模型； 构建生成对抗网络，将提取的空间特征输入生成对抗网络中进行训练，其中，生成器函数通过最小化对数概率进行训练，判别器函数通过最大化对数概率进行训练； 所述步骤S3中为了生成适用于特定状态的拓扑，引入以下附加信息： 其中，为通过步骤S2提取的电流特征，表示系统的总有功功率，表示系统的总无功功率，极小极大博弈重新表述为： 步骤S4、构建可观性布局优化设计模型； 将变分Dropout正则化添加到GCN-GAN的输入层中，通过可观性布局优化设计模型学习降低对GCN-GAN模型正确预测拓扑重要特征的丢弃率，同时增加其他不重要特征的丢弃率，筛选出重要的电流特征； 所述步骤S4中变分Dropout正则化以一定概率随机丢弃部分神经元，从而提高学习效率并减少过拟合风险，被随机丢弃的神经元所占的Dropout比例通过最小化以下对数概率获得的： ； ； 其中，表示一个遵循伯努利分布的掩码并根据上式采样获得，表示丢弃率，表示Sigmoid函数； 在这种设置下，生成器函数和判别器函数的损失函数分别被表述为： ； ； 所述生成器函数和判别器函数的权重参数分别通过以下方式应用随机梯度下降法进行更新： ； ； 其中，表示是噪声或一个小批量的拓扑样本。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。