買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉江蘇恒潤電力設計院有限公司申請的專利基于深度學習的變電站設備狀態監測與智能故障預警方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120180197B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510638239.X，技術領域涉及：G06F18/24；該發明授權基于深度學習的變電站設備狀態監測與智能故障預警方法是由胡文裕設計研發完成，并于2025-05-19向國家知識產權局提交的專利申請。

本基于深度學習的變電站設備狀態監測與智能故障預警方法在說明書摘要公布了：本發明公開了一種基于深度學習的變電站設備狀態監測與智能故障預警方法，S1.得到預處理后的多源狀態數據集；S2.生成高維度設備狀態特征矩陣；S3.故障敏感深度置信網絡模型，形成初步故障狀態識別結果；S4.獲得經過優化的敏感深度置信網絡模型；S5.利用優化后的敏感深度置信網絡模型對實時采集的多源狀態數據進行在線分析，生成設備狀態的實時故障預測結果，并對故障風險進行分類定級；S6.根據實時故障預測結果，觸發遠程故障預警機制，向變電站運維中心發送包含故障風險等級、預警信號及應急處理建議的故障預警信息。本發明有效支持調度系統的智能告警聯動與分級控制。

本發明授權基于深度學習的變電站設備狀態監測與智能故障預警方法在權利要求書中公布了：1.一種基于深度學習的變電站設備狀態監測與智能故障預警方法，其特征在于，包括如下步驟： S1.實時采集多源狀態數據集并進行預處理，得到預處理后的多源狀態數據集； S2.利用預處理后的多源狀態數據集構建設備狀態特征向量，采用時序數據分段及多尺度滑動窗口方法提取與故障演化相關的關鍵特征，生成高維度設備狀態特征矩陣； S3.故障敏感深度置信網絡模型，對高維度設備狀態特征矩陣進行多層次無監督特征學習，形成初步故障狀態識別結果； S4.應用水母群優化算法對深度置信網絡模型的權重參數及偏置參數進行全局搜索與動態調優，調整過程以初步故障狀態識別結果與預定識別性能指標之間的偏差作為反饋信息，獲得經過優化的敏感深度置信網絡模型； S5.利用優化后的敏感深度置信網絡模型對實時采集的多源狀態數據進行在線分析，生成設備狀態的實時故障預測結果，并對故障風險進行分類定級； S6.根據實時故障預測結果，觸發遠程故障預警機制，向變電站運維中心發送包含故障風險等級、預警信號及應急處理建議的故障預警信息； 所述S3包括以下步驟： S31.針對變電站運行過程中各關鍵參數的安全邊界，計算各特征分量的故障敏感系數，形成故障敏感系數矩陣： ； 其中，表示中第時段、第尺度下的特征向量，為反映變電站安全運行狀態的預設閾值，為故障風險放大系數； 計算所得故障敏感系數矩陣與高維度設備狀態特征矩陣按元素對應相乘，形成故障敏感輸入矩陣； S32.利用故障敏感輸入矩陣構建故障敏感深度置信網絡模型，故障敏感深度置信網絡模型采用多層改進型受限玻爾茲曼機堆疊結構表示為： ； 其中，表示第層改進型受限玻爾茲曼機，為故障敏感深度置信網絡模型的總層數，故障敏感深度置信網絡模型各層中，輸入向量記為，對第1層而言，，隱含層表示為； S33.在每一層改進型受限玻爾茲曼機內，對輸入向量和隱含向量采用融合故障敏感系數的能量函數進行建模： ； 其中，表示第層第個輸入節點，為第層中第個輸入節點與第個隱含節點之間的連接權重，和分別為該層的輸入節點和隱含節點偏置，為與第個輸入節點對應的故障敏感系數，取自故障敏感輸入矩陣按對應映射后得到，為第l層可見層的神經元數量，為第l層隱含層的神經元數量，表示第l層的隱含層向量； S34.利用對比散度算法在保證變電站多源狀態數據中故障異常特征得到充分強化的前提下，對每一層改進型受限玻爾茲曼機的參數進行逐層無監督預訓練，并將各層隱含層輸出作為下一層的輸入，訓練過程中，故障敏感系數調節各輸入節點在梯度更新中的權重，使得故障敏感深度置信網絡模型側重于異常偏離安全閾值的特征； S35.完成所有改進型受限玻爾茲曼機層的無監督預訓練后，對整個故障敏感深度置信網絡模型進行監督微調，利用歷史故障記錄生成的故障標簽向量，其中，為故障類別數，采用交叉熵損失函數對全網絡參數進行聯合優化，生成故障特征表達向量； S36.將故障特征表達向量傳遞至故障敏感深度置信網絡模型的輸出層，利用故障模式分類器進行前向推理，輸出初步故障狀態識別結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江蘇恒潤電力設計院有限公司，其通訊地址為：210000 江蘇省南京市鼓樓區中央路399號6幢1407室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。