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！

龙图腾网获悉国网浙江省电力有限公司电力科学研究院申请的专利基于周期归一化的低频放电类型识别模型及其训练方法和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：CN118709051B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411199037.1，技术领域涉及：G06F18/241；该发明授权基于周期归一化的低频放电类型识别模型及其训练方法和系统是由赵琳;金涌涛;朱其杰;王博闻;顾刘欢;林浩凡;陈孝信;于兵;杨勇;何坚;季宇豪;唐志国;李文博;蒋鹏;胥晶;王绍安;王一帆设计研发完成，并于2024-08-29向国家知识产权局提交的专利申请。

本基于周期归一化的低频放电类型识别模型及其训练方法和系统在说明书摘要公布了：本发明属于局部放电分类识别技术领域，公开了一种基于周期归一化的低频放电类型识别模型及其训练方法和系统，以解决低频放电类型识别的空白的问题。训练方法包括：获取工频放电数据集和低频放电数据集，以及低频放电较工频放电在相位、幅值和放电时间上的偏移数据；基于偏移数据对工频放电数据集中的数据进行周期归一化修正以得到低频放电类型识别样本集；构建放电类型识别神经网络并向其输入低频放电类型识别样本集中各样本数据以训练网络并输出与各样本数据对应的识别结果；获取预设的与各识别结果对应的权重相量，基于各识别结果及其对应的权重相量进行识别结果融合。本发明填补了低频放电类型识别的空白，提升了低频放电识别的效率与精确度。

本发明授权基于周期归一化的低频放电类型识别模型及其训练方法和系统在权利要求书中公布了：1.一种基于周期归一化的低频放电类型识别模型训练方法，其特征在于，包括步骤： S1、获取工频放电数据集和低频放电数据集； S2、基于所述工频放电数据集和低频放电数据集，获取低频放电较工频放电在相位、幅值和放电时间上的偏移数据； S3、基于所述偏移数据对所述工频放电数据集中的数据进行周期归一化修正，以得到低频放电类型识别样本集，所述低频放电类型识别样本集包括PRPD图谱样本数据、图谱样本数据和特征参数样本数据，所述特征参数样本数据包括放电时间间隔均值、放电时间间隔标准差、放电时间间隔熵值、放电次数-幅值（N-V）的威布尔参数、幅值均值、幅值标准差、幅值熵值； S4、构建PRPD图谱网络并向其输入所述低频放电类型识别样本集中的PRPD图谱样本数据、构建图谱网络并向其输入所述低频放电类型识别样本集中的图谱样本数据、构建BP神经网络并向其输入所述低频放电类型识别样本集中的特征参数样本数据，以训练网络并输出与各样本数据对应的识别结果； S5、获取预设的与各所述识别结果对应的权重相量，基于各所述识别结果及其对应的权重相量进行识别结果融合，以完成低频放电类型识别模型训练。

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浙江省电力有限公司电力科学研究院，其通讯地址为：310014 浙江省杭州市拱墅区朝晖八区华电弄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”。