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！

龙图腾网获悉北京京仪仪器仪表研究总院有限公司;北京交通大学申请的专利一种高压电气设备预测性维护方法及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：CN119941221B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411970812.9，技术领域涉及：G06Q10/20；该发明授权一种高压电气设备预测性维护方法及系统是由李佳盈;田付强;陈婷婷;逯心源;赵德彪设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种高压电气设备预测性维护方法及系统在说明书摘要公布了：本发明属于牵引供电系统，具体地说，涉及一种高压电气设备预测性维护方法及系统；本发明采用基于多层门控循环单元GRU的预测性维护方法，根据其网络特点，加入了注意力机制来提升模型的预测精度，通过传感器来实时监测设备的运行状态和参数，并利用距离设备端较近并具有一定算力及数据存储能力的雾平台来实现数据预处理等操作，再将预处理后的数据发送至云端进行实时分析和处理，最终通过数据分析和算法模型，实现对设备的预测性维护，其诊断精度更高，可实现在运行状态下准确地判断高压电气设备的健康状态，对于减少设备运维成本和智能化转型、保障铁路系统的安全经济运行具有重要意义。

本发明授权一种高压电气设备预测性维护方法及系统在权利要求书中公布了：1.一种高压电气设备预测性维护方法，其特征在于，所述方法包括以下步骤： 1通过传感器获取初始数据，选择基于信息熵理论的变量选择方法作为传感参数来评价不同传感参数所含的信息量和变化趋势； 2对获取的数据进行预处理，所述预处理为平滑处理及数据归一化处理； 3对完成预处理的数据进行滑动窗口处理； 4对完成滑动窗口处理的数据输入到多层GRU模型中进行训练； 在步骤4中，所述多层GRU模型的前向推理为： 其中，第n层的GRU网络在t时刻的更新门将上个时刻的隐状态和此时刻第n-1层通过权重矩阵进行线性变化，并把结果输入激活函中，以确定信息的保留程度；重置门通过同样的方法决定信息的遗忘程度；为此时刻隐状态对输入进行的选择记忆过程； WZ、Wr和Wh分别为更新门、重置门和隐状态更新过程中的三个全连接矩阵；Wdense为密集层权重；b为偏置；若最后一层GRU网络的最后一个时刻t的状态为则最终的输出y由输入带relu激活函数的全连接层中计算得到； 所述多层GRU模型的最后一层的隐状态Hh1，h2，…ht作为注意力层的输入，不同时刻隐状态与当前时刻的相关性程度公式为： ht，t′＝tanhWtht+Wt′ht′+bt； Corrht，ht′＝σWaht，t′+ba； 其中，tanh为激活函数，Wt为权重矩阵，t′∈1,2，…，t，表示从t′＝1到t′＝t的不同时刻，Corrht，ht′代表t′时刻的隐状态ht′与t时刻的隐状态ht的相似程度； 计算出所有的ht′的权重参数at，t′，计算公式为： 通过加权求和得到最终输出的隐状态ct； 由ct经过带激活函数的全连接层得到模型输出RULpre； 5所述预测性维护的评判标准为基于自定义的目标损失函数的维护评判标准，所述自定义的目标损失函数为统筹基于均方根误差评价标准和评分函数的目标函数； 设hi为对第i个样本数据模型预测的偏差，表达式为： hi＝RULpre，i-RULreal，i； 所述均方根误差评价标准中的均方根误差方法会对大于0和小于0的预测偏差计算相同的惩罚权重，即预测RUL时提前或滞后相同时间会产生累加相同的惩罚； 所述均方根误差方法的计算公式为： 所述评分函数的表达式为： 对于hi0即预测的故障时间提前会给与相对小的惩罚，对于hi＞0即预测的故障时间滞后会给与相对大的惩罚； 在模型训练期间设计一个自定义的目标函数，以最小化自定义目标函数来完成网络参数的更新与训练，设Θ为权重参数，fxi；Θ为模型对参数xi的预测值，JΘ为正则化项，则基于所述均方根误差方法的目标函数计算公式为： 基于评价函数的目标函数计算公式为： 基于两个不同评价标准的目标损失函数表达公式为： LcusΘ＝αLRMSEΘ+1-αLSCORE+JΘ。

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京京仪仪器仪表研究总院有限公司;北京交通大学，其通讯地址为：100176 北京市大兴区北京经济技术开发区兴业街2号1幢1-4层；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。