南昌航空大学吴义辉获国家专利权
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!
龙图腾网获悉南昌航空大学申请的专利一种含分布式光伏配电网接地故障辨识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:CN117054803B 。
龙图腾网通过国家知识产权局官网在2026-02-17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:202310700538.2,技术领域涉及:G01R31/08;该发明授权一种含分布式光伏配电网接地故障辨识方法及系统是由吴义辉;李琼;廖旭;刘林君;贾玉鑫;陈亚奇;刘斌设计研发完成,并于2023-06-14向国家知识产权局提交的专利申请。
本一种含分布式光伏配电网接地故障辨识方法及系统在说明书摘要公布了:本发明公开一种含分布式光伏配电网接地故障辨识方法及系统,方法包括:对获取的零序电压信号进行变分模态分解,得到模态分量序列,模态分量序列中包含本征模时间子序列;基于改进的MPE算法对本征模时间子序列进行多尺度粗粒化,得到多尺度排列熵矩阵;将多尺度排列熵矩阵输入卷积神经网络中,经过卷积神经网络的卷积层和池化层处理后,将处理得到的池化特征矩阵输入卷积神经网络的全连接层进行分类,使卷积神经网络输出故障类型的分布概率。在进行池化时,通过计算各个位置与均值的差值的平方,并乘以该位置的指数值作为权值,该权值能够放大输入数据中原本较小的差异,能够对故障特征矩阵信息进行有效辨识,提高了故障辨识的准确率。
本发明授权一种含分布式光伏配电网接地故障辨识方法及系统在权利要求书中公布了:1.一种含分布式光伏配电网接地故障辨识方法,其特征在于,包括: 对获取的零序电压信号进行变分模态分解,得到模态分量序列,其中,所述模态分量序列中包含本征模时间子序列; 基于改进的MPE算法对所述本征模时间子序列进行多尺度粗粒化,并计算各个本征模时间子序列在不同尺度下的排列熵值,得到多尺度排列熵矩阵,其中,所述基于改进的MPE算法对所述本征模时间子序列进行多尺度粗粒化,并计算各个本征模时间子序列在不同尺度下的排列熵值,得到多尺度排列熵矩阵包括: 输入; 对于长度为N的第个本征模时间子序列进行粗粒化,得到粗粒化序列; ,式中,为第个本征模时间子序列,为尺度因子,为第个本征模时间子序列的第个值; 对粗粒化序列进行重构,其中,对粗粒化序列进行重构的表达式为: ,式中,为嵌入维度,,为第个重构分量,为延迟时间,为尺度为s的粗粒化序列重构序列,为尺度为s的第个重构分量,为尺度为s的第个重构分量,为尺度为s的第个重构分量; 计算重构后的粗粒化序列的排列熵,其中,计算排列熵的表达式为: ,式中,为第种排列出现的概率,为各粗粒化序列的多尺度排列熵值,为出现的排列的总数; 当时,即达到最大值时,对多尺度排列熵值进行归一化处理,得到,其中,为归一化后多尺度排列熵,为对嵌入维度的阶乘取以e为底的对数;输出多尺度排列熵矩阵,其中,多尺度排列熵矩阵的表达式为: ,式中,为第1个IMF分量的尺度为1的排列熵,为第1个IMF分量的尺度为2的排列熵,为第1个IMF分量的尺度为s的排列熵,为第2个IMF分量的尺度为1的排列熵,为第2个IMF分量的尺度为2的排列熵,为第2个IMF分量的尺度为s的排列熵,为第个IMF分量的尺度为1的排列熵,为第个IMF分量的尺度为2的排列熵,为第个IMF分量的尺度为s的排列熵; 将所述多尺度排列熵矩阵输入卷积神经网络中,经过所述卷积神经网络的卷积层和池化层处理后,将处理得到的池化特征矩阵输入所述卷积神经网络的全连接层进行分类,使所述卷积神经网络输出故障类型的分布概率,其中,基于所述池化层对所述多尺度排列熵矩阵进行处理具体包括: 将输入矩阵转化成序列,其中,输入矩阵为多尺度排列熵矩阵经过卷积层卷积处理后输出的矩阵,为序列第个位置的值; 计算序列各个位置的值与所述序列的平均值的差值的平方值,得到平方序列,其中,计算序列各个位置的值与所述序列的平均值的差值的平方值的表达式为: ,式中,为序列的平均值; 将平方序列中的各个值分别与对应位置的指数值相乘,得到权重序列,其中,将平方序列中的各个值分别与对应位置的指数值相乘的表达式为: ,式中,为对序列第个位置的值取指数; 根据所述权重序列对所述输入矩阵进行加权,得到池化特征矩阵。
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南昌航空大学,其通讯地址为:330000 江西省南昌市丰和南大道696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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励