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！

龙图腾网获悉国网信通亿力科技有限责任公司申请的专利一种融合多源数据的电力行业智能环保监控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：CN121211290B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511758206.5，技术领域涉及：G06F18/2433；该发明授权一种融合多源数据的电力行业智能环保监控方法是由陈岸青;李金湖;许梓明;刘燕秋;林建雄;王达琳;王若雪;陈艺燕设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种融合多源数据的电力行业智能环保监控方法在说明书摘要公布了：本发明涉及一种融合多源数据的电力行业智能环保监控方法，包括以下步骤：S1:获取多源环境与生产运行原始数据，附带设备元数据，并利用边缘端AI模块，实现原始数据进行预处理，获取结构化多源数据流；S2:根据结构化多源数据流，采用深度学习实现数据一致性提升，获取融合数据；S3:基于融合数据，将设备、指标、地理、法规实体及其关系构建成环保多层级知识图谱；S4:根据融合数据，基于异常排放检测模型，获取异常排放事件；S5:基于环保多层级知识图谱，结合图神经网络，实现异常排放事件的根因溯源，并基于异常排放事件的根因溯源进行风险评估。本发明有效提升电力企业的环保管理水平和合规运营能力。

本发明授权一种融合多源数据的电力行业智能环保监控方法在权利要求书中公布了：1.一种融合多源数据的电力行业智能环保监控方法，其特征在于，包括以下步骤： S1:获取多源环境与生产运行原始数据，附带设备元数据，并利用边缘端AI模块，实现原始数据进行预处理，获取结构化多源数据流,具体如下： 通过边缘端内置边缘AI模块，统一接入各类采集终端，对采集的各类原始信号，首先采用离散小波降噪算法，对突发性的高频噪声进行消除，对周期性干扰噪音采用自适应中值滤波和小窗口滑动均值法进行自动平滑处理； 在边缘端设定了每一类数据的物理合理范围和变化速率门限，自动过滤掉不符合预设规则的数值对采样点在时间和空间上的数据进行对比分析，如果发现某一通道、某一设备的信号与周边同类设备、上一时刻自身数据存在差异，则自动标记为孤立异常节点，并剔除； 对于视频采集通道，边缘端部署了轻量化的区域识别模型；对采集到的画面进行目标检测和分类，自动剔除无关区域或无关时刻，保留环保相关的图像，并进一步提取结构化事件信息； 对各采集通道的原始信号进行统一单位、统一时标规范，采用JSON标准格式，嵌入所有采集参数、元数据及质量标签，最后为每个数据点自动赋予质量标签，得到结构化多源数据流; S2:根据结构化多源数据流，采用深度学习实现数据一致性提升，获取融合数据； 具体如下： 获取到M类不同模态数据x1,x2,...,xm,...,xM，第m类模态数据xm经特征提取映射为： ； 其中为卷积、MLP或TransformerEncoder，根据具体模态选择； 所有模态特征拼接成输入矩阵H： H=[h1;h2;...;hm;...;hM]； 利用自注意力机制实现信息交互，Q、K、V分别为模态的特征的查询矩阵、键矩阵和值矩阵： Q=HWq,K=HWk,V=HWv； 其中，Wq、Wk、Wv为Q、K、V对应的权重矩阵； 计算注意力权重与加权融合： ; 其中，d为特征维数；A为注意力输出； 堆叠多层自注意力机制，得到自注意力机制的输出H′： H′=TransformerEncoderH; 最终采用平均池化输出融合数据fused_value： fused_vector=AggregateH′; ； 其中，Aggregate为平均池化层；fused_vector为平均池化层输出；Wout和bout为输出层权重和偏置； S3:基于融合数据，将设备、指标、地理、法规实体及实体关系构建成环保多层级知识图谱； S4:根据融合数据，基于异常排放检测模型，获取异常排放事件，具体如下： 对融合数据，在滑动窗口内应用控制限法和预测残差法，分别发现超限和规律破坏类异常点；并利用时间聚合策略，将相邻异常点组团为单条异常排放事件，消除因孤立误报带来的碎片化； 对每个事件提取最大偏差、平均偏差、持续时长、关联系统指标特征，实现事件分级和溯因，输出结构化事件对象； S5:基于环保多层级知识图谱，结合图神经网络，实现异常排放事件的根因溯源，并基于异常排放事件的根因溯源进行风险评估。

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国网信通亿力科技有限责任公司，其通讯地址为：361008 福建省厦门市软件园二期观日路36号402室；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。