買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)電力科學(xué)研究院有限公司;國(guó)家電網(wǎng)有限公司;國(guó)網(wǎng)上海市電力公司申請(qǐng)的專利一種基于人工免疫網(wǎng)絡(luò)的配電網(wǎng)接地故障辨識(shí)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN112748358B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：201911048564.1，技術(shù)領(lǐng)域涉及：G01R31/52；該發(fā)明授權(quán)一種基于人工免疫網(wǎng)絡(luò)的配電網(wǎng)接地故障辨識(shí)方法及系統(tǒng)是由宋曉輝;高菲;盛萬(wàn)興;孟曉麗;劉雯靜;陳振寧;楊軍;李雅潔;張瑜;李建芳;趙珊珊設(shè)計(jì)研發(fā)完成，并于2019-10-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于人工免疫網(wǎng)絡(luò)的配電網(wǎng)接地故障辨識(shí)方法及系統(tǒng)在說(shuō)明書摘要公布了：本發(fā)明提供的技術(shù)方案一種基于人工免疫網(wǎng)絡(luò)的配電網(wǎng)接地故障辨識(shí)方法，包括：獲取配電網(wǎng)接地?cái)?shù)據(jù)；將配電網(wǎng)接地?cái)?shù)據(jù)進(jìn)行特征提取得到特征向量；基于預(yù)先構(gòu)建的人工免疫網(wǎng)絡(luò)模型，將所述配電網(wǎng)接地?cái)?shù)據(jù)的特征向量通過(guò)K鄰近算法識(shí)別所述配電網(wǎng)接地故障或擾動(dòng)類型；所述配電網(wǎng)接地?cái)?shù)據(jù)包括：故障前后的線路三相電流監(jiān)測(cè)采樣值、故障前后的零序電壓采樣值。提高了準(zhǔn)確率，且辨識(shí)的類型更全面，有效解決了接地故障發(fā)生時(shí)故障診斷精度不高的問(wèn)題。

本發(fā)明授權(quán)一種基于人工免疫網(wǎng)絡(luò)的配電網(wǎng)接地故障辨識(shí)方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于人工免疫網(wǎng)絡(luò)的配電網(wǎng)接地故障辨識(shí)方法，其特征在于，包括： 獲取配電網(wǎng)接地?cái)?shù)據(jù)； 將配電網(wǎng)接地?cái)?shù)據(jù)進(jìn)行特征提取得到特征向量； 基于預(yù)先構(gòu)建的人工免疫網(wǎng)絡(luò)模型，將所述配電網(wǎng)接地?cái)?shù)據(jù)的特征向量通過(guò)K鄰近算法識(shí)別所述配電網(wǎng)接地故障或擾動(dòng)類型； 所述配電網(wǎng)接地?cái)?shù)據(jù)包括：故障前后的線路三相電流監(jiān)測(cè)采樣值、故障前后的零序電壓采樣值； 所述預(yù)先構(gòu)建的人工免疫網(wǎng)絡(luò)模型，包括： 步驟2.1：將具有故障或擾動(dòng)信息對(duì)應(yīng)的配電網(wǎng)歷史接地?cái)?shù)據(jù)分為樣本集與測(cè)試集； 步驟2.2：基于樣本集提取特征向量，將所述特征向量按故障或擾動(dòng)類型構(gòu)成不同的抗原集； 步驟2.3：分別對(duì)所述各抗原集進(jìn)行訓(xùn)練與學(xué)習(xí)，得到反應(yīng)各抗原特征空間的特征向量，將所述特征向量設(shè)為記憶細(xì)胞； 步驟2.4：將所有記憶細(xì)胞集中為一個(gè)集合，作為人工免疫網(wǎng)絡(luò)模型； 步驟2.5：基于測(cè)試集對(duì)所述人工免疫網(wǎng)絡(luò)模型進(jìn)行測(cè)試得到人工免疫網(wǎng)絡(luò)模型對(duì)測(cè)試集故障辨識(shí)正確率； 步驟2.6：若正確率小于判定閾值，則以測(cè)試集故障辨識(shí)正確率最大為目標(biāo)使用粒子群算法優(yōu)化人工免疫網(wǎng)絡(luò)訓(xùn)練參數(shù)返回步驟2.2；若正確率大于等于判定閾值，則完成人工免疫網(wǎng)絡(luò)模型的構(gòu)建； 故障類型包括：?jiǎn)蜗喔咦杞拥毓收稀蜗嗟妥杞拥毓收稀上喽搪方拥毓收?、兩相相間故障、三相短路接地故障、大電機(jī)啟動(dòng)、負(fù)載不對(duì)稱、不同期合閘； 所述對(duì)所述抗原集進(jìn)行訓(xùn)練與學(xué)習(xí)，得到抗原特征空間的記憶細(xì)胞，包括： 步驟3.1：隨機(jī)生成抗體，并計(jì)算同一類型的抗原和記憶細(xì)胞之間的親和性； 步驟3.2：輸入抗原集中的一個(gè)抗原，選擇克隆親和力最高的抗體，并進(jìn)行克隆，生成克隆集，其中抗原為抗原集中的一個(gè)數(shù)據(jù)； 步驟3.3：所述克隆集的每個(gè)抗體通過(guò)親和力成熟產(chǎn)生突變集； 步驟3.4：確定所有抗原與突變集之間的親和力；重新選擇抗體具有最高親和力作為一組部分抗體；同時(shí)清除部分抗體中親和力小于自然死亡閾值的記憶抗體； 步驟3.5：計(jì)算清除后的部分抗體中每個(gè)抗體與其他抗體的親和力，清除抗體自身與部分抗體中其他所有抗體的親和力均高于抑制閾值的抗體后分別作為記憶細(xì)胞； 步驟3.6：選擇下一個(gè)抗原并返回步驟3.2持續(xù)到所有抗原都呈遞給網(wǎng)絡(luò)； 步驟3.7：計(jì)算每一個(gè)記憶細(xì)胞與其他記憶細(xì)胞的親和力，清除記憶細(xì)胞自身與其他所有記憶細(xì)胞的親和力均高于抑制閾值的記憶細(xì)胞，計(jì)算清除后的記憶細(xì)胞與抗原歐氏距離的平均值，得到平均親和力；若達(dá)到規(guī)定迭代次數(shù)或兩次迭代后平均親和力的差異低于規(guī)定的閾值sc，結(jié)束訓(xùn)練過(guò)程，得到記憶細(xì)胞集，否則轉(zhuǎn)向步驟3.8； 步驟3.8：在網(wǎng)絡(luò)訓(xùn)練中加入根據(jù)生成記憶細(xì)胞的適應(yīng)性方差對(duì)其自身進(jìn)行自適應(yīng)調(diào)整； 步驟3.9：隨機(jī)產(chǎn)生dr個(gè)抗體并將其添加到抗體中； 步驟3.10：計(jì)算同一類型的抗原和記憶細(xì)胞之間的親和力，返回步驟3.2； 所述在網(wǎng)絡(luò)訓(xùn)練中加入根據(jù)生成記憶細(xì)胞的適應(yīng)性方差自動(dòng)對(duì)其自身進(jìn)行自適應(yīng)調(diào)整，包括： 計(jì)算現(xiàn)存記憶細(xì)胞集方差； 通過(guò)所述記憶細(xì)胞集方差計(jì)算記憶細(xì)胞前后兩次迭代的差； 基于所述記憶細(xì)胞前后兩次迭代的差更新每個(gè)記憶細(xì)胞完成自適應(yīng)調(diào)整。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)電力科學(xué)研究院有限公司;國(guó)家電網(wǎng)有限公司;國(guó)網(wǎng)上海市電力公司，其通訊地址為：210003 江蘇省南京市鼓樓區(qū)南瑞路8號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。