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！

龙图腾网获悉广东律诚工程咨询有限公司申请的专利电力工程项目信息化管理与大数据分析的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：CN120725294B 。

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：202511196689.4，技术领域涉及：G06Q10/063；该发明授权电力工程项目信息化管理与大数据分析的方法是由陈良荣;万宏伟;李双燕;刘欢;钟振宇;程明富;张绮琳;刘金蕾;何君毅;廖伟;张伟楠设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本电力工程项目信息化管理与大数据分析的方法在说明书摘要公布了：本申请提供电力工程项目信息化管理与大数据分析的方法，涉及信息技术领域，包括：获取配电变压器项目管理的负荷时间序列数据，对数据进行预处理，包括数据清洗、异常值处理和数据归一化，得到预处理后的负荷时间序列数据；根据负荷转移特征，采用聚类算法对变压器进行聚类，将具有相似负荷转移模式的变压器划分为同一类，得到变压器聚类结果，输入项目管理系统中；根据项目管理系统中变压器聚类结果，结合时间的变化，判断配电网拓扑结构的动态变化，若某一时刻变压器的聚类结果发生变化程度高于阈值，则该时刻发生了拓扑结构变化。为配电网项目的实时管理提供支持，提高了配电网运行的可靠性和效率。

本发明授权电力工程项目信息化管理与大数据分析的方法在权利要求书中公布了：1.电力工程项目信息化管理与大数据分析的方法，其特征在于，所述方法包括： 获取配电变压器项目管理的负荷时间序列数据，对数据进行预处理得到预处理后的负荷时间序列数据； 根据预处理后的负荷时间序列数据，提取能够反映负荷转移的负荷突变特征和负荷相关性变化特征作为负荷转移特征； 根据负荷转移特征，采用聚类算法对变压器进行聚类，得到变压器聚类结果，并输入项目管理系统中； 根据项目管理系统中变压器聚类结果，结合时间的变化，判断配电网拓扑结构的动态变化； 若拓扑结构发生变化，根据项目管理系统中配电网的动态拓扑结构，推断出相应的包括负荷转移路径的拓扑结构变化； 根据历史的推断拓扑结构变化，采用决策树算法，以变压器的负荷转移特征和聚类结果为输入，训练拓扑变化推断模型，根据实时采集的负荷数据，推断当前的配电网拓扑结构； 对拓扑变化推断模型进行评估，采用交叉验证方法，评估模型的准确性和泛化能力，根据评估结果，对模型进行优化和改进，包括调整模型参数、引入新的特征，得到配电网动态拓扑推断模型； 所述根据历史的推断拓扑结构变化，采用决策树算法，以变压器的负荷转移特征和聚类结果为输入，训练拓扑变化推断模型，根据实时采集的负荷数据，推断当前的配电网拓扑结构，包括： 获取历史数据库中的拓扑结构变化记录，拓扑结构变化记录包括变压器负荷转移特征和聚类结果及对应的拓扑变化类型； 对所述拓扑结构变化记录进行数据清洗，采用标准化方法处理连续型特征，对类别型特征进行独热编码，得到标准化数据集； 根据标准化数据集提取关键特征，所述关键特征包括负荷变化率、聚类标签转换频率和负荷转移方向，其中负荷转移方向通过计算相邻变压器间的负荷差值变化来量化； 采用决策树算法构建拓扑变化推断模型，设置最大树深度为预设值，最小叶节点样本数为预设值，使用信息增益比作为节点分裂准则； 从实时数据采集系统获取当前配电网的负荷数据和变压器聚类结果，经过与训练数据相同的预处理和特征提取，将处理后的数据输入拓扑变化推断模型，输出当前的配电网拓扑结构推断结果； 所述对拓扑变化推断模型进行评估，采用交叉验证方法，评估模型的准确性和泛化能力，根据评估结果，对模型进行优化和改进，包括调整模型参数、引入新的特征，得到配电网动态拓扑推断模型，包括： 获取携带有拓扑变化类型标识的历史数据集，所述历史数据集由配电网监测系统记录生成； 根据历史数据集采用滚动窗口法进行时间序列划分，得到训练窗口数据集和测试窗口数据集； 针对测试窗口数据集计算模型性能指标，性能指标包括准确率、精确率、召回率和F1分数； 采用加权平均方法对性能指标进行综合评估，得到模型评估分数； 若所述模型评估分数低于预设阈值，则采用贝叶斯优化方法对模型参数进行调整； 获取新的特征数据，所述新的特征数据包括负荷时间序列自相关系数、相邻变压器负荷互相关系数和负荷波动频谱分析结果； 根据新的特征数据和优化后的模型参数重新训练模型，得到配电网动态拓扑推断模型。

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广东律诚工程咨询有限公司，其通讯地址为：528400 广东省中山市石岐区南江路29号3-4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”。

以上内容由龙图腾AI智能生成。