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！

龙图腾网获悉中电装备山东电子有限公司申请的专利基于智能算法的互感器故障诊断方法、系统及存储介质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：CN120722265B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511165226.1，技术领域涉及：G01R35/02；该发明授权基于智能算法的互感器故障诊断方法、系统及存储介质是由李亮;高家皓;杨香艳;刘孟臣;苗兴;刘冰;王蕾蕾;滕培青;张硕;赵法;王文湛;谢松;康如帅;钱洪云;谷呈星设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于智能算法的互感器故障诊断方法、系统及存储介质在说明书摘要公布了：本申请涉及故障诊断技术领域，公开了一种基于智能算法的互感器故障诊断方法、系统及存储介质。方法包括：以预设采样频率获取互感器二次侧的输出信号，对输出信号进行去噪处理并转化为时间序列数据；对时间序列数据进行时域特征提取，获得目标物理量的第一数据特征和第二数据特征，从时间序列数据中提取零序电流分量和零序电压分量，计算零序电流和零序电压之间的相位差作为零序特征；判断互感器是否发生异常，若是，基于时域特征、零序特征、环境参数、温度参数及历史故障记录构建多模态输入向量，将多模态输入向量输入预训练的多任务深度学习模型，深度学习模型输出故障诊断结果。本申请提高了互感器故障诊断的精度。

本发明授权基于智能算法的互感器故障诊断方法、系统及存储介质在权利要求书中公布了：1.一种基于智能算法的互感器故障诊断方法，其特征在于，所述方法包括： 步骤S1：以预设采样频率获取互感器二次侧的输出信号，对所述输出信号进行去噪处理并转化为时间序列数据； 步骤S2：对所述时间序列数据进行时域特征提取，获得目标物理量的第一数据特征和第二数据特征，同时从所述时间序列数据中提取零序电流分量和零序电压分量，采用快速傅里叶变换计算频域能量分布及相位偏移量，基于频域能量分布计算零序电流和零序电压之间的相位差作为零序特征； 其中，获得目标物理量的第一数据特征和第二数据特征，包括：从所述时间序列数据中提取最新的预设数量的时间序列数据，所述第一数据特征为目标物理量在最新的所述时间序列数据中的平均值以及第一标准偏差，所述第二数据特征包括目标物理量在最新的所述时间序列数据中的时间变化率和第二标准偏差，对最新的预设数量的时间序列数据进行回归分析，基于采集时间点建立线性回归方程，计算每个采集时间点处目标物理量的预测值，基于误差函数计算最优斜率和最优截距，将最优斜率定义为所述目标物理量的时间变化率；采用快速傅里叶变换计算频域能量分布及相位偏移量，包括：对所述零序电流和零序电压进行快速傅里叶变换，提取频域信号，在频域中计算每个频率分量的能量，基于快速傅里叶变换计算得到的复数结果，提取每个频率分量的相位，计算零序电流和零序电压之间的相位差作为相位偏移量； 步骤S3：基于时域特征判断互感器是否发生异常，是的情况下，获取互感器的环境参数、温度参数，基于时域特征、零序特征、环境参数、温度参数及历史故障记录构建多模态输入向量； 步骤S4：建立多任务深度学习模型，将所述多模态输入向量输入预训练的多任务深度学习模型，所述深度学习模型输出故障诊断结果，包括互感器故障类型的分类结果、故障位置的估计值以及故障发生的概率； 其中，建立多任务深度学习模型，包括：多任务深度学习模型包括至少一个共享层和多个任务专用层，将所述多模态输入向量输入所述预训练的多任务深度学习模型，所述多任务深度学习模型通过共享层提取通用特征，使用历史故障记录作为训练数据，结合时域特征、零序特征、环境参数和温度参数进行训练，通过反向传播优化模型参数，并通过交叉验证调优模型的性能，通过多个任务专用层分别进行故障诊断，输出故障诊断结果。

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中电装备山东电子有限公司，其通讯地址为：250000 山东省济南市高新区春秀路北段598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。