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！

龙图腾网获悉国网甘肃省电力公司平凉供电公司申请的专利基于数据处理的接线错误可视化分析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：CN120972045B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511493087.5，技术领域涉及：G01R31/55；该发明授权基于数据处理的接线错误可视化分析方法及系统是由杨宸;朱博;张文杰;海钰旋;张晓彤;芦海鹏;曹明;张红来;董焕宝;李高政设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本基于数据处理的接线错误可视化分析方法及系统在说明书摘要公布了：本发明涉及电力设备检测技术领域，公开了一种基于数据处理的接线错误可视化分析方法及系统，通过传感器实时采集电表接线数据，对采集到的电表接线数据进行去噪处理、归一化处理、异常值处理，得到预处理后的数据，从预处理后的数据中提取接线特征，将接线特征输入CNN‑BiLSTM‑GWO‑SVM模型，对提取的接线特征进行分析，识别接线错误类型，通过三维拓扑图与热力图联动可视化错误位置和接线错误类型；本发明实现了接线错误的精准识别和直观展示，可广泛应用于电力系统的电表接线检测中，提高检测效率和准确性，减少因接线错误导致的计量误差和安全事故，同时可视化的展示方式便于用户快速定位和解决问题，降低了操作难度。

本发明授权基于数据处理的接线错误可视化分析方法及系统在权利要求书中公布了：1.基于数据处理的接线错误可视化分析方法，其特征在于，该方法包括以下步骤： 通过传感器实时采集电表接线数据，其中电表接线数据至少包括电压、电流和相位； 对采集到的电表接线数据进行去噪处理、归一化处理、异常值处理，得到预处理后的数据； 从预处理后的数据中提取接线特征，其中接线特征至少包括接线模式和电流电压特征； 将接线特征输入CNN-BiLSTM-GWO-SVM模型，对提取的接线特征进行分析，识别接线错误类型，其中接线错误类型至少包括短路、断路和接反； 通过三维拓扑图与热力图联动展示错误位置和接线错误类型； 所述将接线特征输入CNN-BiLSTM-GWO-SVM模型，对提取的接线特征进行分析，识别接线错误类型，包括：将接线特征转换为二维特征矩阵输入CNN-BiLSTM-GWO-SVM模型，采用CNN网络中3个卷积层捕捉特征，再通过最大池化层对特征进行降维，输出局部特征向量，其中每个卷积层后均接入ReLU激活函数； 将CNN网络输出的局部特征向量输入BiLSTM网络，捕捉特征中的时序依赖关系，通过将前向LSTM和后向LSTM两个子网络输出的特征向量拼接，得到综合特征向量； 对BiLSTM网络输出的综合特征向量进行融合与降维处理，将降维后的特征向量输入经GWO算法优化参数的SVM，通过RBF函数将输入特征映射到高维特征空间，基于优化后的惩罚因子和核函数参数，在高维空间中寻找最优分类超平面，基于输入特征相对于超平面的位置，输出对应的接线错误类型； CNN的三层卷积核具体参数设置如下：第一层使用16个3×1的卷积核，步长设定为1，采用零填充方式，填充值为1，这样在滑动卷积过程中可确保特征矩阵尺寸在经过该层处理后保持相对稳定，同时有效捕捉相邻特征间的局部关联；第二层使用32个2×1的卷积核，步长为1，同样采用零填充，填充值为0.5，提取更深层的局部特征模式；第三层使用64个1×1的卷积核，步长为1，零填充值为0，在压缩特征维度的同时保留关键局部信息；每个卷积层后均接入ReLU激活函数，增强模型的非线性拟合能力，再通过最大池化层，池化窗口为2×1，步长为2，对特征进行降维，减少冗余信息，最终输出经过局部强化的64维特征向量； BiLSTM网络包含前向LSTM和后向LSTM两个子网络，两个子网络的隐藏层均设置64个神经元；前向LSTM按时间顺序从早到晚处理特征序列，捕捉历史特征对当前状态的影响；后向LSTM按时间逆序从晚到早处理特征序列，捕捉未来特征对当前状态的影响；通过门控机制中的输入门、遗忘门、输出门动态调整特征的记忆与遗忘，最终将前向和后向输出的特征向量拼接，得到128维包含完整时序关联的综合特征向量； 对BiLSTM网络输出的128维综合特征向量进行融合与降维处理，采用主成分分析方法，根据特征值贡献率选取前32个主成分，将特征向量降维至32维； 将降维后的32维特征向量输入经GWO算法优化参数的SVM：首先确定待优化参数为SVM的惩罚因子和核函数参数，并设定参数搜索范围；初始化30只灰狼个体，每只狼代表一组参数组合；计算每只狼的适应度，通过模型在验证集上的分类准确率评估，筛选出适应度最高的最优解、次优解和第三优解；模拟灰狼群体追踪、包围、攻击猎物的行为更新其他狼的位置，迭代50次后，取最优解对应的参数作为SVM的最优参数；最后，使用训练集对整个混合模型进行训练，采用交叉熵损失函数和随机梯度下降优化算法，学习率设为0.01，批量大小为32，训练轮次为100，直至模型收敛。

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国网甘肃省电力公司平凉供电公司，其通讯地址为：744000 甘肃省平凉市崆峒区西大街194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。