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！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司东莞供电局申请的专利一种电抗器的故障诊断模型训练方法和电抗器故障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：CN118940034B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202410989266.7，技术领域涉及：G06F18/214；该发明授权一种电抗器的故障诊断模型训练方法和电抗器故障诊断方法是由张洪滔;叶茂泉;廖海君;向齐光设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种电抗器的故障诊断模型训练方法和电抗器故障诊断方法在说明书摘要公布了：本发明公开了一种电抗器的故障诊断模型训练方法和电抗器故障诊断方法，包括：获取初始样本数据集；基于初始样本数据集分别构建每一故障类型分别对应的子样本集；构建W个初始诊断模型，基于每一故障类型分别对应的子样本集对W个初始诊断模型分别进行训练，得到W个故障类型分别对应的第一诊断模型；基于样本数据集生成多个批次样本集；基于多个批次样本集分别对W个故障类型分别对应的第一诊断模型进行联合训练，得到W个故障类型分别对应的第二诊断模型；构建判别器，基于初始样本数据集对W个故障类型分别对应的第二诊断模型和判别器进行训练，在满足训练结束条件的情况下，得到W个故障类型分别对应的目标诊断模型。提高故障诊断的精度。

本发明授权一种电抗器的故障诊断模型训练方法和电抗器故障诊断方法在权利要求书中公布了：1.一种电抗器的故障诊断模型训练方法，其特征在于，包括： 获取初始样本数据集，所述初始样本数据集中包括电抗器的W个故障类型分别对应的样本数据，其中，所述样本数据为与所述电抗器的W个故障类型分别对应的电抗器关联数据； 基于所述初始样本数据集分别构建每一故障类型分别对应的子样本集； 构建W个初始诊断模型，基于每一所述故障类型分别对应的子样本集对所述W个初始诊断模型分别进行训练，得到所述W个故障类型分别对应的第一诊断模型； 基于所述初始样本数据集生成多个批次样本集，每一批次样本集中任一故障类型对应的样本数据的数量为至少一个； 基于多个批次样本集分别对W个故障类型分别对应的第一诊断模型进行联合训练，得到所述W个故障类型分别对应的第二诊断模型：在每一训练批次中，将所述批次样本集中每一故障类型的样本数据输入至对应故障类型的第一诊断模型中，将每一所述故障类型第一诊断模型的输出结果转换为向量形式数据，并基于每一故障类型的第一诊断模型对应的多个向量形式数据确定每一所述故障类型的第一诊断模型对应的综合输出结果；基于所述W个故障类型的第一诊断模型分别对应的综合输出结果与预设向量确定所述批次的第一损失函数，基于所述批次的第一损失函数对所述批次的W个第一诊断模型分别进行模型参数调节； 构建判别器，基于所述初始样本数据集对所述W个故障类型分别对应的第二诊断模型和所述判别器进行生成对抗训练，在满足训练结束条件的情况下，得到所述W个故障类型分别对应的目标诊断模型，其中，任一故障类型的目标诊断模型用于确定电抗器关联数据属于所述故障类型的概率； 其中，所述将每一所述故障类型第一诊断模型的输出结果转换为向量形式数据，并基于每一所述故障类型的第一诊断模型对应的多个向量形式数据确定每一所述故障类型的第一诊断模型对应的综合输出结果，包括： 基于第一函数将第i个故障类型的第一诊断模型的输出结果转换为向量形式数据，其中，向量形式数据中包括w个数据，所述向量形式数据的第i个数据为所述第i个故障类型的第一诊断模型的输出结果，所述向量形式数据的第i个数据之外的其他数据设置为随机数，所述w个数据之和为一； 基于第二函数将所述向量形式数据转换为第一中间向量，其中，第二函数用于将所述向量形式数据中的最大值设置为一，将所述向量形式数据中的非最大值设置为零； 对所述第i个故障类型的第一诊断模型对应的多个中间向量进行均值处理，得到第二中间向量； 基于第三函数将所述第二中间向量转换为所述第i个故障类型的第一诊断模型对应的综合输出结果，其中，所述第三函数用于将所述第二中间向量中的非最大值设置为零，并保留所述第二中间向量中的最大值。

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广东电网有限责任公司;广东电网有限责任公司东莞供电局，其通讯地址为：510000 广东省广州市越秀区东风东路757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。