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！

龙图腾网获悉成都航空职业技术学院申请的专利一种电缆电气安全性能的系统化监测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：CN120405321B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510873826.7，技术领域涉及：G01R31/08；该发明授权一种电缆电气安全性能的系统化监测方法是由钟焰琪;蔡淇设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种电缆电气安全性能的系统化监测方法在说明书摘要公布了：本发明公开了一种电缆电气安全性能的系统化监测方法，涉及电气安全领域，本发明包括收集传感器数据至边缘计算节点预处理数据输出为实时计算温度数据、局部放点数据、电阻电容数据和振动数据；将数据发送至云端中的隐患分类模型和故障定位模型，模型输出预警信息至运维工程处理；传感器数据发送过程依据数据频率进行判别，当判别大于1kHz，载入1D‑CNN电弧检测模型，当判别小于1kHz载入LightGBM特征分类模型，将小于1kHz的24h传感器数据周期性载入LSTM‑Attention渐变分析模型；将1D‑CNN电弧检测模型判别产生局部放电的相关数据发送至LSTM‑Attention渐变分析模型用于评估全局电缆的局部放电趋势。本发明运用分类模型输出作为定位模型的先验知识，能够提升定位准确率。

本发明授权一种电缆电气安全性能的系统化监测方法在权利要求书中公布了：1.一种电缆电气安全性能的系统化监测方法，其特征在于，包括： 收集传感器数据至边缘计算节点预处理数据输出为实时计算温度数据、局部放电数据、电阻电容数据和振动数据； 将数据发送至云端中的隐患分类模型和故障定位模型，模型输出预警信息至运维工程处理； 其中，传感器数据发送过程依据数据频率进行判别，将判别大于1kHz的传感器数据，载入1D-CNN电弧检测模型，将判别小于1kHz且数据周期不大于24h的传感器数据载入LightGBM特征分类模型，将判别小于1kHz且数据周期大于24h的传感器数据周期性载入LSTM-Attention渐变分析模型； 所述LSTM-Attention渐变分析模型接入预处理数据并编码时序依赖，加入Attention机制聚焦关键时段后配合故障定位模型将故障隐患分类输出并对应定位位置； 还包括所述LSTM-Attention渐变分析模型接入有限元仿真生成的故障数据预训练后，再接入真实传感器数据与有限元仿真生成的故障数据按比例混合作为训练集训练，对LSTM-Attention渐变分析模型的训练结果校正后，降低有限元仿真生成的故障数据的占比训练后校正，直至有限元仿真生成的故障数据的占比降为0，训练满足迭代收敛条件，则完成对LSTM-Attention渐变分析模型的训练； 其中，1D-CNN电弧检测模型进行隐患分辨的过程如下： 1D-CNN电弧检测模型接入预处理的数据类型包括局部放电数据、振动信号和温度突变； 将处理好的数据代入到1D-CNN电弧检测模型进行多尺度卷积特征提取，将涉及多传感器数据的数据类型执行特征融合策略，具体包括将PD脉冲和振动信号的特征执行融合，配合故障定位模型输出电缆接头的电弧、振动位置和持续时间； 所述LightGBM特征分类模型用于载入小于1kHz的传感器数据用于监测电缆的老化潮湿异常状态，并将对应数据打上老化潮湿的异常状态标签，具体包括： 首先将不同传感器数据的时间戳对齐后归一化到同一区间消除量纲，采用无监督方法进行初步标注后，构造原始传感器数据类型和对应的基础统计特征，基础统计特征包括均值、方差、最大值、最小值；构造高级统计特征包括：时间窗口特征；相关性特征；趋势特征；周期特征；物理模型特征，设置特征的重要程度，然后依据正常状态、老化状态、潮湿状态三个状态标签对模型训练，并对数据打上标签； 其中，将1D-CNN电弧检测模型判别产生局部放电的相关数据发送至LSTM-Attention渐变分析模型用于训练，将训练出的LSTM-Attention渐变分析模型用于评估全局电缆的局部放电趋势。

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成都航空职业技术学院，其通讯地址为：610000 四川省成都市龙泉驿区车城东七路699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”。

以上内容由龙图腾AI智能生成。