(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211126785.8 (22)申请日 2022.09.16 (71)申请人 国网安徽省电力有限公司电力科 学 研究院 地址 230000 安徽省合肥市经济开发区紫 云路299号 申请人 国网安徽省电力有限公司 　 国网安徽省电力有限公司芜湖供电 公司 (72)发明人 骆晨　吴凯　冯玉　吴少雷　 张成龙　宫兴龙　戚振彪　徐飞　 张征凯　周建军　陈振宁　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 专利代理师 闫客(51)Int.Cl. G06K 9/62(2022.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 多源数据的双阶段融合方法及系统 (57)摘要 本发明公开一种多源数据的双阶段融合方 法及系统， 所述方法包括获取多源异构数据， 多 源异构数据包括通信网侧数据和电力网侧数据； 提取多源异构数据的初始标准化重构特征； 基于 初始标准化重构特征， 进行初始标准化重构特征 内的属性级浅层融合， 得到属性级浅层特征； 基 于属性级浅层特征， 进行深层的特征聚合， 得到 用户聚合特征关系矩阵； 基于传统电力网的属性 特征和用户聚合特征关系矩阵， 构建细粒度知识 图谱。 本发明提出了双阶段的数据融合方法， 从 浅层的属性级层面和深层的用户级层面分别对 特征进行细粒度的融合， 得到更加有效且精确的 融合信息， 提供给配电网调度人员进行辅助决策 和维护备案 。 权利要求书3页 说明书14页 附图3页 CN 115456080 A 2022.12.09 CN 115456080 A 1.一种多源数据的双阶段融合方法， 其特 征在于， 所述方法包括以下步骤： 获取多源异构数据， 所述多源异构数据包括 通信网侧数据和电力网侧数据； 提取所述多源异构数据的初始标准 化重构特 征； 基于所述初始标准化重构特征， 进行所述初始标准化重构特征内的属性级浅层融合， 得到属性级浅层特 征； 基于所述属性级浅层特 征， 进行深层的特 征聚合， 得到用户聚合特 征关系矩阵； 基于传统电力网的属性特 征和所述用户聚合特 征关系矩阵， 构建细粒度知识图谱。 2.如权利要求1所述的多源数据的双阶段融合方法， 其特征在于， 所述通信网侧数据包 括用户侧网络设备产生的异构数据， 所述电力网侧数据包括PMS系统产生的异构数据和用 电信息采集系统产生的异构数据。 3.如权利要求1所述的多源数据的双阶段融合方法， 其特征在于， 在所述获取多源异构 数据， 所述多源异构数据包括 通信网侧数据和电力网侧数据之后， 所述方法还 包括： 对所述多源异构数据进行文本数据 预处理， 对所述多源异构数据进行结构化类型划分 以及数据过 滤， 得到预处 理后的多源异构数据； 相应地， 所述 提取所述多源异构数据的初始标准 化重构特 征， 具体包括： 提取所述预处 理后的多源异构数据的初始标准 化重构特 征。 4.如权利要求1所述的多源数据的双阶段融合方法， 其特征在于， 所述提取所述多源异 构数据的初始标准 化重构特 征， 包括： 将所述多源异构数据中置信度高于设定 阈值的数据作为筛选数据， 将所述筛选数据用 图数据库以网络化的模式存 储至知识库； 利用NLP特征模型， 分别对所述通信网侧数据对应的筛选数据和所述电力网侧数据对 应的筛选数据进行 特征提取， 得到对应的第一属性特 征集合和第二属性特 征集合； 将所述第一属性特征集合和所述第 二属性特征集合进行属性层次的特征级联， 得到所 述初始标准 化重构特 征。 5.如权利要求1所述的多源数据的双阶段融合方法， 其特征在于， 所述基于所述初始标 准化重构特征， 进 行所述初始标准化重构特征内的属性级浅层融合， 得到属性级浅层特征， 包括： 采用多层感知神经网络， 进行所述初始标准化重构特征内的属性级浅层融合， 得到属 性级浅层特征， 所述多层感知神经网络包括输入层、 隐藏层和输出层， 所述隐藏层包括h个 隐藏单元， 其中： 所述隐藏层的输出为： H＝XWh+bh 所述输出层的输出为： O＝HWo+bo 式中： 所述隐藏层的权重及偏差分别表示为Wh∈Rn×h,bh∈R1×h； 所述隐藏层的输出维度 为q； 所述输出层的权重及偏差参数分别为Wo∈Rn×q,bo∈R1×q； 初始标准化重构特征集合 其中D是特征维数， N 为其批量大小。 6.如权利要求5所述的多源数据的双阶段融合方法， 其特征在于， 每个所述隐藏单元后 连接有非线性的激活函数， 经 过激活函数的输出为：权　利　要　求　书 1/3 页 2 CN 115456080 A 2H＝σ(XWh+bh) 式中： σ()表示激活函数。 7.如权利要求1所述的多源数据的双阶段融合方法， 其特征在于， 所述基于所述属性级 浅层特征， 进行深层的特 征聚合， 得到用户聚合特 征关系矩阵， 包括： 对所述属性级浅层特征进行图注意力深度编码， 构建图像 作为图形数据， 其 中， 所述属性级浅层特征中各用户特征向量作为图像中的节点， 对于每个节点vi， 为所有 添加一个从vj指向vi的边eji， 为节点vi的K个最近邻居； 基于所述图形数据， 利用图注意力层聚集来自其相邻所述节点的特征， 并在所述节点 之间交换信息， 得到所述用户聚合特征关系矩阵， 其中， 所述图注意力层内的计算操作为 式中： Aggre gate()和Update()分别为特征通过与Wagg和Wupdate这两个矩阵相乘进行特 征聚合操作和特征更新操作， Wagg和Wupdate中分别为一组聚合操作的可学习权重和一组更新 操作的可 学习权重。 8.如权利要求7所述的多源数据的双阶段融合方法， 其特征在于， 所述特征聚合操作用 于通过聚合相邻节点的特 征来计算当前节点的表示： 式中： 是xi的相邻节点 集； h(·)＝x′i＝x″iWupdate 式中： GAT表示图注意力网络； 所述特征更新操作用于采用不同的权重更新h个头部， 各所述头部为对聚合特征x ″i进 行拆分得到： 式中： head1， head2， headh分别表示各头部； 分别表示与各头部对 应的权重。 9.如权利要求1所述的多源数据的双阶段融合方法， 其特征在于， 所述基于传统电力网 的属性特 征和所述用户聚合特 征关系矩阵， 构建细粒度知识图谱， 包括： 基于所述传统电力网的属性特 征， 构建传统电网知识图谱； 基于所述用户聚合特征关系矩阵和所述传统电网知识图谱， 构建从传统电网的图谱属 性到所述用户聚合特 征关系矩阵的关系互联， 得到所述细粒度知识图谱。 10.一种多源数据的双阶段融合系统， 其特 征在于， 所述系统包括： 数据获取模块， 用于获取多源异构数据， 所述多源异构数据包括通信网侧数据和电力 网侧数据；权　利　要　求　书 2/3 页 3 CN 115456080 A 3