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！

龙图腾网获悉北京睿智聚合科技有限公司申请的专利一种基于大数据的配电网故障类型识别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：CN120372411B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510861903.7，技术领域涉及：G06F18/241；该发明授权一种基于大数据的配电网故障类型识别方法是由齐祥龙;马兰庆;秦建华设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本一种基于大数据的配电网故障类型识别方法在说明书摘要公布了：本发明公开了一种基于大数据的配电网故障类型识别方法，涉及配电网故障类型识别技术领域，本发明，通过时钟漂移校正与自适应插值算法，在保留原始采样精度的前提下对齐多源数据时间轴，彻底消除因电压电流信号时间不同步导致的误判故障或漏判故障问题；对通信延迟数据标记低置信度并限制参与计算，避免噪声干扰特征提取；基于误判样本的故障类型关联机制，精准定位需调整的网络层，避免全模型重训练的资源开销；结合对抗样本生成技术扩充稀缺故障数据，提升对高阻抗接地等复杂场景的识别鲁棒性。

本发明授权一种基于大数据的配电网故障类型识别方法在权利要求书中公布了：1.一种基于大数据的配电网故障类型识别方法，其特征在于，包括， 步骤S1，构建动态时空图：实时采集多个监测点的电压、电流及通信状态数据，以监测点设备为节点，设备间的物理连接或逻辑关联为边构建时空图； 其中保留各节点数据的原始采样时间戳及精度，并通过时间偏移补偿机制对齐不同节点数据的时间序列； 步骤S2，时空特征提取：将时空图输入时空图卷积网络ST-GCN，通过时间维卷积层提取节点状态变化特征，通过空间维图卷积层提取设备关联特征，输出融合特征向量； 步骤S3，故障分类识别：根据特征向量分类短路、接地、断线故障类型，并输出置信度评分； 步骤S4，反馈触发更新：实时比对识别结果与抢修工单记录，当连续误判达预设次数或出现未定义故障类型时，触发更新指令； 步骤S5，轻量化重训练：根据更新指令，仅选取与误判样本强相关的局部网络层，在边缘节点采用增量数据微调权重； 步骤S1中，在经时钟漂移校正与通信延迟标记后，对各节点原始采样数据进行以下插值处理，构建统一等间隔时间序列，包括： 检测数据：采集节点第次原始时刻与测量值， 计算统一时间步长，公式为： ， 其中，表示统一时间步长，单位为秒，表示节点第次采样时刻，单位为秒； 构建对齐时间轴， 其中，表示对齐后的第个时间点，单位为秒，表示对齐起始时刻，表示序列长度减一，无量纲； 计算线性插值，公式为： ， 其中，表示节点在时刻的插值结果，表示插值权重因子，； 式中， ， 其中，分子为插值时刻偏移量，单位为秒，分母为原始两次采样间隔； 在滑动窗口内计算插值残差： ，表示第节点在第差值时刻与参考差值结果之间的绝对残差； 若，则调整或切换高阶插值方法，其中，为高阶插值参考结果，为残差阈值； 步骤S5中，基于相关性分析确定需更新的网络层，在局部重训练前，从误判样本中精确选取对故障类型判别影响最大的网络层编号，步骤包括： 定义误判样本集，其中，为网络对第个样本的预测类型，为其真实故障类型； 对每个误判样本，记录网络第层的输出特征映射张量，其中，为通道数，为时序长度； 将张量在通道与时序两个维度上取范数，得到层对样本的响应幅值： ， 其中，表示元素平方和开根号范数，表示第层通道、时刻对样本的激活值； 定义误判强度， 其中，为网络对样本的置信度评分，从前向传播Softmax输出中获得，为误判指示； 计算层的响应幅值与误判强度之间的相关性，公式为： ， 其中，，样本响应均值，，误判均值，，衡量层与误判之间的线性相关程度； 为自适应选层，引入全局相关性分布的统计量，表示为： ， 其中，为候选更新层总数， 并定义阈值，其中，为阈值调节系数； 最终选取相关性绝对值不低于阈值的层编号： ， 其中，为需微调权重的网络层编号集合； 若，则按递减方式重算，直至最终仅对内的层执行增量微调。

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北京睿智聚合科技有限公司，其通讯地址为：100096 北京市海淀区清河小营西小口路27号西三旗文化科技园D座C区一层C1002号(东升地区)；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”。