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直流公司;武汉大学申请的专利基于改进深度残差的电容老化状态评估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：CN117388703B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202311210467.4，技术领域涉及：G01R31/367；该发明授权基于改进深度残差的电容老化状态评估方法是由甘秋甫;刘浔;秦亮;邓欣兰;贺霖华;艾亮;吴蕾;陈娟;李兴洋;吕珺昊设计研发完成，并于2023-09-19向国家知识产权局提交的专利申请。

本基于改进深度残差的电容老化状态评估方法在说明书摘要公布了：本发明提供一种基于改进深度残差的电容老化状态评估方法，其包括以下步骤：S1：根据子模块开关频率波形得到标准化时序老化特征数据集；S2：建立改进的深度残差卷积神经网络模型，由输入层、第一卷积下采样层、最大池化层、2个第一残差基本模块、N个第二残差基本模块和N个第一残差基本模块交替、注意力机制模块、全局平均池化层、拉平层依次连接组成；S3：建立基于改进深度残差的电容老化状态评估模型；S4：利用标准化时序老化特征数据集D对模型进行训练；S5：输入新的子模块开关频率波形，判断电容的老化状态。本发明对ResNet进行改进，引入了空洞卷积和注意力机制，并和长短时记忆网络相结合，提高了电容器的老化状态检测的准确率。

本发明授权基于改进深度残差的电容老化状态评估方法在权利要求书中公布了：1.一种基于改进深度残差的电容老化状态评估方法，其特征在于：其包括以下步骤： S1：采集在线监测下使用多电平换流器柔性直流换流阀实际运行数据，获取子模块开关频率波形作为电容时序老化特征数据，对电容时序老化特征数据进行预处理，得到标准化时序老化特征数据集D并划分训练集与测试集； S2：建立改进的深度残差卷积神经网络模型； S21：使用标准化时序老化特征数据集D特征训练现有ResNet模型,确定现有ResNet模型参数； S22：构建改进的ResNet模型； S221：对残差基本块进行改进得到第一残差基本模块和第二残差基本模块；两者具体结构如下： 第一残差基本模块的具体结构为：当数据输入第一残差基本模块后分为3路，第一路为值等映射，即输入不进行任何改变直接作为输出结果；第二路为数据输入后依次经过第二卷积层、BN层、第一ReLU激活函数、第二卷积层BN层后输出结果；第3路输入经过空洞卷积层输出结果；将3路输出的结果经过线性融合处理后再输入至第二ReLU激活函数，将第二ReLU激活函数的输出作为第一残差基本模块的输出； 第二残差基本模块的具体结构为：当数据输入第二残差基本模块后也分为3路，第一路为经过1*1卷积模块输出结果；第二路为数据输入后依次经过第二卷积层、BN层、第一ReLU激活函数、第三卷积下采样层、BN层后输出结果；第3路输入经过空洞卷积层输出结果；将3路输出的结果经过线性融合处理后再输入至第二ReLU激活函数，将第二ReLU激活函数的输出作为第二残差基本模块的输出； S222：引入注意力机制模块； 在最后的残差基本模块与全局平均池化层之间加入了注意力机制模块； S223：改进后的ResNet模型结构如下： 由输入层、第一卷积下采样层Conv、最大池化层、2个第一残差基本模块、N个第二残差基本模块和N个第一残差基本模块交替、注意力机制模块、全局平均池化层、拉平层Flatten层依次连接组成； S3：建立基于改进深度残差的电容老化状态评估模型； 将S2得到的改进的深度残差卷积神经网络模型、现有的长短时记忆网络、全连接层、softmax函数依次连接，将所述softmax函数得到的概率序列作为基于改进深度残差的电容老化状态评估模型的输出； S4：利用标准化时序老化特征数据集D对基于改进深度残差的电容老化状态评估模型进行训练； S5：输入新的子模块开关频率波形，判断电容的老化状态。

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直流公司;武汉大学，其通讯地址为：443000 湖北省宜昌市伍家岗区城东大道139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。