Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东鲁软数字科技有限公司智慧能源分公司任鹏获国家专利权

山东鲁软数字科技有限公司智慧能源分公司任鹏获国家专利权

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!

龙图腾网获悉山东鲁软数字科技有限公司智慧能源分公司申请的专利基于多维数据感知的高压电缆局放监测预警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:CN121211230B

龙图腾网通过国家知识产权局官网在2026-02-27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:202511728373.5,技术领域涉及:G06F18/2431;该发明授权基于多维数据感知的高压电缆局放监测预警方法及系统是由任鹏;纪洪伟;杨勇;陈杰;巩方波;宋军;张修华;陈聪;马云永;刘晓璞;万法来;苏政设计研发完成,并于2025-11-24向国家知识产权局提交的专利申请。

基于多维数据感知的高压电缆局放监测预警方法及系统在说明书摘要公布了:本申请涉及局部放电检测技术领域,具体涉及基于多维数据感知的高压电缆局放监测预警方法及系统,预处理模块对包括超声信号数据和电信号数据局放检测数据进行预处理,去除环境噪声并进行信号特征筛选,生成初始信号特征集合;将初始信号特征集合输入类型融合模块,基于局放故障类型对信号特征进行超声特征、电信号特征的拼接和降维处理,输出最优特征集合;将最优特征集合分别输入深度学习网络,判断是否存在局放故障以及局放故障类型。过预处理模块和类型融合模块对维度进行两次降维处理,既避免了检测模型的维度爆炸问题,又提取了多维特征以避免单一信号易被干扰的问题,有利于提升对局放故障检测的准确性。

本发明授权基于多维数据感知的高压电缆局放监测预警方法及系统在权利要求书中公布了:1.基于多维数据感知的高压电缆局放监测预警方法,其特征在于,包括如下步骤: S100:传感器组获取检测区域实时局放检测数据,包括超声信号数据和电信号数据; S200:预处理模块对局放检测数据进行预处理,去除环境噪声并进行信号特征筛选,生成初始信号特征集合; S300:将初始信号特征集合输入类型融合模块,基于局放故障类型对信号特征进行超声特征、电信号特征的拼接和降维处理,输出最优特征集合; S400:将最优特征集合分别输入深度学习网络,判断是否存在局放故障以及局放故障类型; 所述步骤S200中,预处理模块利用互信息MI量化信号特征与故障标签的依赖关系,利用统计学方法对信号特征进行初步筛选,所述步骤S300中,在类型融合模块中设置与局放故障类型数量一致的并行XGBoost模块,每模块对应一种局部放电类型,利用监督模式对XGBoost针对对应故障类型进行特征降维,递归去除冗余特征; 针对于每类型局放故障对应的XGBoost模块,在对其训练样本标注时,只需要针对特定故障类型进行故障与否的标注,以使各个XGBoost模块能针对于特定故障进行针对性的特征筛选降维; 步骤S400中,深度学习网络包括变分自编码器VAE加分类神经网络,变分自编码器VAE的编码器最后一层输出的潜在特征输入至分类神经网络的输入层,并且将编码器的权重参数作为后续分类神经网络的初始权重,所述分类神经网络的分类器为softmax分类器; 将初始信号特征集合输入类型融合模块中,各个XGBoost模块输出各局部放电故障类型对应的最优特征子集C-i,i取值1、2、3、...I,I为局放故障类型数量,将各个最优特征子集输入变分自编码器VAE,经VAE进行高阶抽象特征的提取,将VAE编码器最后一层输出的潜在特征输入分类神经网络,获取各个最优特征子集对应的标签概率分布{},j为标签类型编号,取值为1、2、3、...J,J为标签数量,从标签概率分布{}中选取概率值最大的标签类型作为结果输出。

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山东鲁软数字科技有限公司智慧能源分公司,其通讯地址为:250098 山东省济南市高新区新泺大街2008号银荷大厦B座9层902室;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。

免责声明
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。