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！

龙图腾网恭喜国网江苏省电力有限公司南京供电分公司;国网江苏省电力有限公司申请的专利一种高频电力数据深度无损压缩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：CN115913247B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202211275331.7，技术领域涉及：H03M7/30；该发明授权一种高频电力数据深度无损压缩方法及系统是由马洲俊;朱红;许洪华;付章杰;何卓豪;朱正谊;楚成博;吕梦婕;陆越;冯隆基设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本一种高频电力数据深度无损压缩方法及系统在说明书摘要公布了：一种高频电力数据深度无损压缩方法及系统，使用自注意力挖掘数据局部信息设计新型的T‑Transformer模型，增加高斯先验，加强数据的相关性；对模型输出概率使用算术编码器压缩；最后，对编码得到的区间采用比特编码，进一步提升压缩性能，节省数据存储空间，实现高效的电力数据无损压缩。传统电力压缩算法只能局限于正弦频率型数据，如小波变换等，而对家庭区实测用电数值，单位为安培、伏特等物理参数数据的压缩性能明显下降。本发明提出一种深度无损压缩方案，对电力数据从语义角度将特征空间分割困难的问题，提供了一种可以解决该问题的深度模型。

本发明授权一种高频电力数据深度无损压缩方法及系统在权利要求书中公布了：1.一种高频电力数据深度无损压缩方法，其特征在于，对采集的居民用电数据进行无损压缩，包括以下步骤：1设计电力数据特征提取模型T-Transformer，所述T-Transformer模型基于Transformer模型，在Encoder和Decoder增加高斯先验模块，由居民用电的历史数据训练T-Transformer模型，学习居民用电数据的特征；所述T-Transformer模型基于Transformer模型，在Encoder与Decoder之前增加高斯先验，对输入的用电数据首先进行预处理，计算每个数据的相对位置编码，公式为： 采用正弦与余弦函数计算，在偶数位置，使用正弦编码，得到偶数位置编码PEps,2i，在奇数位置，使用余弦编码，得到奇数位置编码PEps,2i+1，其中ps为数据的绝对位置，i是数据向量的第i维，dm为数据向量的维度；其中，Encoder中由多头注意力机制提取注意力向量，拼接后得到Encoder特征，在进行注意力处理前，增加一个高斯先验模块，加强自注意力捕获局部特征的结构，得到新的第i个数据向量Xi： 式2中，w为位置权重，b为偏差，xi表示当前中心数据，xj表示其他数据，d为距离公式，高斯先验后的数据向量通过多头自注意力得到，层归一化后使用前馈网络层得到Encoder的输出特征向量：FFNx＝Dense2ReluDense1x5式5中使用了两层Dense函数与一层Relu激活函数，Encoder的每一个子层之后会接一个残差计算，FFN为前馈网络；Decoder的结构对应于Encoder的结构，接收Encoder的输出，并输出预测特征向量；2输入待压缩电力数据至T-Transformer模型，输出得到电力数据的注意力特征，经由线性变换层得到输出向量；3通过算术编码对输出向量进行编码得到概率区间；首先，根据T-Transformer模型处理待压缩电力数据得到对应的输出向量，根据待压缩电力数据的位数，在[0,1]区间上找出第一位的概率区间，并更新区间范围，再找出第二位数可能出现的概率区间，依次下去，最后得到表示电力数据所有位数同时出现的概率区间；4对编码得到的概率区间进行比特编码，完成数据压缩；得出最后的概率区间后，使用low表示该区间的左边界，high表示该区间的右边界，并将两个边值取小数点后的部分转化为二进制表示，两个二进制数据按位进行比对，在首次出现不同的位置进行截取，舍去之后的数据，保留相同的二进制数据结果作为最终比特流结果完成压缩；5利用解码器对压缩数据解压。

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江苏省电力有限公司南京供电分公司;国网江苏省电力有限公司，其通讯地址为：210019 江苏省南京市建邺区奥体大街1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”。