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！

龙图腾网恭喜华东交通大学申请的专利基于云边协同的变电站关键设备时序数据补全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：CN119167018B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411676214.0，技术领域涉及：G06F18/15；该发明授权基于云边协同的变电站关键设备时序数据补全方法及系统是由曾晗;杨一帆;蔡礼;鲍超斌;邓芳明;贾惠敏;黄泽润;曾永康设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于云边协同的变电站关键设备时序数据补全方法及系统在说明书摘要公布了：本发明提供一种基于云边协同的变电站关键设备时序数据补全方法及系统，该方法包括：利用无线传感网检测设备对变电站内关键设备的时序数据进行采集，并将所采集到的时序数据上传至云端服务器；基于云端服务器的时序数据故障检测算法对时序数据进行判断得到数据判断结果；利用云端服务器的数据张量重构算法对数据判断结果中存在故障或缺失的时序数据及其相邻时序数据进行张量重构，以形成张量时序化数据；构建基于张量分解的核心张量核范数的张量补全算法，并利用张量补全算法对张量时序化数据进行缺失数据补全。本发明解决了硬性设定的核心张量无法及时匹配数据模型大小变化问题，从而结合最优化问题限制条件，达到张量核范数的最小化计算。

本发明授权基于云边协同的变电站关键设备时序数据补全方法及系统在权利要求书中公布了：1.一种基于云边协同的变电站关键设备时序数据补全方法，其特征在于，包括：利用无线传感网检测设备对变电站内关键设备的时序数据进行采集，并将所采集到的时序数据上传至云端服务器；基于所述云端服务器的时序数据故障检测算法对所述时序数据进行判断，以得到对应的数据判断结果；利用所述云端服务器的数据张量重构算法对所述数据判断结果中存在故障或缺失的时序数据及其相邻时序数据进行张量重构，以形成张量时序化数据；构建基于张量分解的核心张量核范数的张量补全算法，并利用所述张量补全算法对所述张量时序化数据进行缺失数据补全，其中，利用所述张量补全算法对所述张量时序化数据进行缺失数据补全的步骤包括：对所述张量时序化数据构建张量补全模型： ；式中，X是经过缺失数据补全后的完整三阶张量，minrank表示最小秩，表示正交投影算子，可对缺失数据进行补0；对所述张量补全模型的最优化问题进行转化： ；式中，、和表示对应张量展开核范数的加权因子，、和是大于0的常数，且，X1、X2和X3分别是张量X对应的mode-1、mode-2和mode-3矩阵，是三阶张量X各模展开矩阵的核范数之和，是三阶核心张量，R表示实数域，I1、I2和I3分别表示三阶张量中各阶的维数，U1、U2和U3是三阶张量T的因子矩阵，ri和ci分别表示矩阵Ui的行数和列数，其中，矩阵Ui中i=1，2，3，表示三阶核心张量沿每个模态分别和对应的因子矩阵U1、U2和U3相乘；引入辅助变量对所述张量补全模型的最优化问题进行凸松弛，以得到化简模型； ；式中，、和分别是辅助变量、和的核范数，是Frobenius范数，即矩阵中所有元素绝对值的平方和的平方根，λ为惩罚系数；利用增广拉格朗日算法对所述化简模型进行求解，以得到部分的拉格朗日函数： ；式中，表示拉格朗日函数，表示和，其中，i=1，2，3，、和是辅助变量，、和表示拉格朗日张量乘子，ω为惩罚系数；利用交替方向乘子法对所述拉格朗日函数进行求解： ；式中，表示使得函数取得最小值的变量值，ω和μ是惩罚系数；利用预秩计算辅助HOOI算法中的Tucker分解算法更新所述拉格朗日函数的因子矩阵： ；获取最优补全张量，并利用所述最优补全张量对所述张量时序化数据中的原始缺失数据进行补全。

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东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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”。