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！

龙图腾网获悉江苏前景瑞信科技发展有限公司申请的专利基于改进变换网络的变压器局部放电智能诊断方法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：CN120030420B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510507261.0，技术领域涉及：G06F18/241；该发明授权基于改进变换网络的变压器局部放电智能诊断方法是由谢海疆;曹坤;缪武杰;钱军;李宇涵设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本基于改进变换网络的变压器局部放电智能诊断方法在说明书摘要公布了：本发明公开了一种基于改进变换网络的变压器局部放电智能诊断方法，涉及变压器故障诊断技术领域，包括采集变压器局部放电信号，并对所述局部放电信号进行预处理，得到时序序列；采用马尔可夫转换场MTF算法、格拉姆角域场GASF算法和格拉姆角差场GADF算法分别将所述时序序列转换为特征图像；将所述特征图像通过改进变换网络模型进行处理，得到融合特征向量；将所述融合特征向量输入至故障诊断模型，输出变压器局部放电的故障诊断结果。本发明通过结合环境参数和信号特征的可解释图推理机制，在测试中提高了油隙放电识别率，使故障诊断从传统的基于阈值的判断模式，跨越到基于因果逻辑推理的智能化模式。

本发明授权基于改进变换网络的变压器局部放电智能诊断方法在权利要求书中公布了：1.一种基于改进变换网络的变压器局部放电智能诊断方法，其特征在于：包括， 采集变压器局部放电信号，并对所述局部放电信号进行预处理，得到时序序列； 采用马尔可夫转换场MTF算法、格拉姆角域场GASF算法和格拉姆角差场GADF算法分别将所述时序序列转换为特征图像； 将所述特征图像通过改进变换网络模型进行处理，得到融合特征向量； 将所述融合特征向量输入至故障诊断模型，输出变压器局部放电的故障诊断结果； 引入自监督-图推理双驱动框架增强改进变换网络模型的泛化能力，形成故障诊断模型，包括： 对特征图像随机遮蔽预设比例的时频图块，得到遮蔽后的特征图像； 通过Transformer解码器对遮蔽后的特征图像进行重构，得到重构后的特征图像； 对同一局部放电信号施加随机噪声和尺度变换生成正样本对，将不同类别的局部放电信号作为负样本，构建对比学习样本集； 基于所述对比学习样本集，对所述改进变换网络模型进行训练，得到故障诊断模型； 将融合特征向量输入至故障诊断模型，并在图推理阶段构建动态因果图网络； 将放电脉冲特征、时频能量分布和环境参数设置为图节点； 通过注意力机制计算所述图节点之间的因果关系强度，得到节点关系权重； 基于所述节点关系权重，对所述图节点进行迭代更新，建立故障传播路径，输出故障诊断结果； 将所述特征图像通过改进变换网络模型进行处理，得到融合特征向量，包括： 将特征图像输入改进变换网络模型，其中所述改进变换网络模型时频解析分支和时域解析分支；所述时频解析分支采用空间注意力机制提取三维时频特征；所述时域解析分支通过深度可分离膨胀卷积网络捕获局部放电脉冲的时域特征，并利用BiLSTM时序注意力构建改进变换网络模型； 基于所述三维时频特征和所述时域特征，采用异构特征对齐融合机制，通过可变形卷积将三维时频特征的空间维度映射至时域特征的时序维度； 采用多头交叉注意力机制建立跨模态特征关联，并通过注意力权重计算实现所述三维时频特征和时域特征的动态加权融合； 将得到交叉注意力后特征与维度对齐后的时频特征进行残差连接，并通过层归一化处理得到融合特征向量； 所述特征图像包括MTF特征图像、GASF特征图像和GADF特征图像；所述MTF特征图像的转化方法为， 将时序序列离散化为Q个状态，计算状态转移概率，生成状态转移矩阵P，其中所述状态转移矩阵的元素表示从状态i转移到状态j的概率； 将所有状态转移概率按状态序号排列，构建马尔可夫转换矩。

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江苏前景瑞信科技发展有限公司，其通讯地址为：211100 江苏省南京市江宁区胜利路99号名家科技大厦A座8层805室(江宁开发区)；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”。