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！

龙图腾网获悉电子科技大学申请的专利一种基于深度学习的超高海拔光储电站智能状态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：CN116994193B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310535863.8，技术领域涉及：G06V20/52；该发明授权一种基于深度学习的超高海拔光储电站智能状态监测方法是由胡维昊;元一平;陈健军;罗仕华;周庆葭;唐明;赵雪锋;熊昌全;吴穹;魏震波设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本一种基于深度学习的超高海拔光储电站智能状态监测方法在说明书摘要公布了：本发明公开了一种基于深度学习的超高海拔光储电站智能状态监测方法，通过采集不同类型的光储电站多源异构运行数据，并进行数据预处理，然后将处理好的数据输入至搭建好的基于深度学习的状态监测子模型中，并对该模型进行训练与参数更新，从而得到快速、准确地检测出光储电站运行状态的状态监测子模型，进而用于光储电站光伏组件故障识别、角度监测、人员行为与动物检测等，不仅可以实现对光储电站的故障预警，防止因故障造成光储电站发生严重事故，还可以降低光储电站的维护费用，克服了高海拔、低气温等恶劣环境因素，极大地降低了传统光伏电厂巡检巨大的人力物力开支，满足了光伏电厂实际应用中的非现场监管的需求。

本发明授权一种基于深度学习的超高海拔光储电站智能状态监测方法在权利要求书中公布了：1.一种基于深度学习的超高海拔光储电站智能状态监测方法，其特征在于，包括以下步骤： 1、多源异构数据的采集 通过传感器实时采集光储电站电压、电流数据，采集光伏板安装倾斜角度数据，采集光储电站室内温度、湿度数据，通过无人机拍摄、高清摄像头、红外摄像头实时采集光储电站图像数据以及视频信号，采集到的多源异构数据用于光储电站智能状态监测模型的训练； 2、多源异构数据的预处理 2.1、将不同状态下的光储电站运行数据加上对应的标签：对于电压电流数据正常标记为0，异常状态标记为1，倾斜角度数据正常标记为0，异常标记为1，温度、湿度数据正常标记为0，异常状态标记为1，光储电站图像正常标记为0，异常状态标记为1，光储电站视频信号正常为1，异常状态标记为1，光储电站图像异常为光伏组件故障，光储电站视频信号异常为人员行为异常或检测到动物； 2.2、将添加标签后的传感器数据随机划分成N个等长度的子序列数据集，将子序列数据集按比例划分为训练集和测试集，用于对应的状态监测子模型的训练和测试，将添加标签后的图像数据集以及视频信号数据集同样按比例划分为训练集和测试集，用于对应的状态监测子模型的训练和测试； 3、按需求搭建电压电流状态监测子模型、倾斜角度状态监测子模型、温度、湿度数据状态监测子模型、光储电站图像状态监测子模型以及光储电站视频信号状态监测子模型，每个状态监测子模型均为卷积神经网络，对于每个状态监测子模型用对应的进行训练集进行训练： 3.1、设置卷积神经网络的学习率α，设置总的迭代次数T； 3.2、训练集中随机选取一批数据，输入到状态监测子模型中进行训练，状态监测子模型利用一个三层卷积神经网络CNN提取数据的隐藏特征，提取公式为： Xi+1＝ReLUWiXi+bi 其中，Xi+1是数据经过第i层CNN处理以后的输出，Xi为输入数据，ReLU表示激活函数，Wi表示第i层CNN的权重矩阵，bi为第i层CNN的偏置向量； 3.3、将CNN提取的隐藏特征输入至全连接层进行数据降维处理，便于监测模型最后的分类，其公式为： fdense＝ReLUdenseXi+1 其中，dense是基于tensorflow的tf.layers.dense函数； 3.4、CNN提取的数据特征通过全连接层的降维处理以后，根据全连接层的输出fdense计算优化状态监测子模型的交叉熵损失函数： fy,p＝-ylogp+1-ylog1-p 其中，p表示当前属于所对应的标签是y的概率； 3.5、当前回合的损失函数值fy,p与前一回合的损失函数值进行比较，如果当前回合的损失函数值小于前一回合，则利用梯度下降法直接优化CNN的权重及偏置： 其中E表示误差，若当前回合的损失函数值大于前一回合，则利用AdamOptimizer优化器优化CNN的权重及偏置，AdamOptimizer优化器优化的具体公式为： 其中，为损失函数的梯度，mt为指数移动均值，ht为平方梯度，β1、β2为常数，β1、β2∈[0,1]；ε为常数，默认为1e-8，θt表示更新后的模型参数，包括CNN更新后的权重及偏置； 3.6、判断当前训练迭代回合次数是否达到最大迭代次数T，如果满足，则迭代停止，将本次更新后的权重及偏置作为CNN的参数，然后进入步骤4；否则，将当前迭代次数自加1，再返回步骤3.2，继续在训练集选取下一批数据进行训练； 4、使用对应的测试集的数据对步骤3训练完成的各个状态监测子模型进行评估，如果达到设定的准确度，则进入步骤5，否则，返回步骤3.2继续进行训练； 5、实时采集光储电站光储电站电压、电流数据，光伏板安装倾斜角度数据，采集光储电站室内温度、湿度数据，采集图像数据以及视频信号，然后分别送入对应的电压电流状态监测子模型、倾斜角度状态监测子模型、温度、湿度数据状态监测子模型、光储电站图像状态监测子模型以及光储电站视频信号状态监测子模型，得到对应状态，如果任意一状态监测子模型输出为1，则发出警告，从而实现对超高海拔光储电站智能状态监测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。