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！

龙图腾网获悉国网湖北省电力有限公司孝感供电公司;中南大学申请的专利一种基于数据增强的变电站设备异常检测方法、系统、计算机可读存储介质及终端设备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：CN119885005B 。

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：202411825356.9，技术领域涉及：G06F18/2433；该发明授权一种基于数据增强的变电站设备异常检测方法、系统、计算机可读存储介质及终端设备是由吴志刚;曾宪泓;高颖;陈敏;杜涛;艾婧雯;张茜;刘智;靳翔宇;李登设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于数据增强的变电站设备异常检测方法、系统、计算机可读存储介质及终端设备在说明书摘要公布了：本发明提供一种基于数据增强的变电站设备异常检测方法，该方法包括：S1收集多组时序参数数据；S2对缺失参数数据进行填补，得到填补后的参数数据集；S3将填补后的参数数据集分为初级正训练样本集、初级负训练样本集和验证集；S4获取初级正训练样本集和初级负训练样本集的正加权平均向量集和负加权平均向量集；S5采用增强策略对初级负训练样本集进行数据增强，生成高级正训练样本集和高级负训练样本集；S6利用高级正训练样本集和高级负训练样本集对异常检测模型进行对比训练，生成训练后的异常检测模型；S7获取待测参数数据，用训练后的异常检测模型对其进行异常检测，生成检测结果。本发明提供了一种高效和准确的变电站设备的异常检测方法和系统。

本发明授权一种基于数据增强的变电站设备异常检测方法、系统、计算机可读存储介质及终端设备在权利要求书中公布了：1.一种基于数据增强的变电站设备异常检测方法，其特征在于，所述方法包括： S1收集变电站设备的多组变压器的油温数据，以变压器的油温数据作为时序参数数据，形成时序参数数据集；所述时序参数数据包括不同时间序列的参数数据； S2结合灰色关联分析方法和K近邻缺失值插补算法对各组时序参数数据中的缺失参数数据进行填补，得到填补后的参数数据集； S3将填补后的参数数据集分为对比学习训练样本集和验证集；将对比学习训练样本集分为初级正训练样本集和初级负训练样本集； S4基于不同时间序列的参数数据设置权重，依次对初级正训练样本集和初级负训练样本集中各组时序参数数据进行加权平均，得到正加权平均向量集和负加权平均向量集； S5基于正加权平均向量集和负加权平均向量集，采用增强策略对初级负训练样本集进行数据增强处理，生成高级正训练样本集和高级负训练样本集，形成高级训练样本集； S6利用高级训练样本集中高级正训练样本集和高级负训练样本集对异常检测模型进行对比训练并利用验证集进行验证，生成训练后的异常检测模型； S7获取变电站的待测参数数据，采用训练后的异常检测模型对其进行异常检测，生成检测结果； 其中，步骤S5进一步包括： S51将初级负训练样本集中的每组填补后的异常时序参数数据通过编码器转化为向量形式，形成初级负向量集；采用全连接层将初级负向量集映射到高维空间d0内，得到中级负向量集； S52对中级负向量集进行Dropout操作，得到高级负向量集；其中得到高级负向量集具体公式为： 其中，为负加权平均向量，为d0×d的矩阵，d为填补后的时序参数数据的初始维度，bd为偏置向量，U为激活函数ReLU，为以的概率对中级负向量集进行dropout操作； S53将高级负向量集通过解码器反映射至初始维度，得到扩增负训练样本集；扩增负训练样本集和初级训练样本集构成高级负训练样本集； S54初级正训练样本集中的每组填补后的正常时序参数数据通过编码器转化为向量形式，形成初级正向量集；采用全连接层将初级正向量集映射到高维空间d0内，得到高级正向量集；其中得到高级正向量集具体公式为： 其中，为正加权平均向量，为d0×d的矩阵，d为填补后的时序参数数据的初始维度，bd为偏置向量，U为激活函数ReLU； S55再将高级正向量集通过解码器反映射至初始维度，得到高级正训练样本集。

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湖北省电力有限公司孝感供电公司;中南大学，其通讯地址为：432000 湖北省孝感市长征路221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。