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！

龙图腾网获悉河海大学申请的专利一种双模态特征融合的配电网电能质量扰动分析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：CN115659254B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211134779.7，技术领域涉及：G06F18/2415；该发明授权一种双模态特征融合的配电网电能质量扰动分析方法是由钱倍奇;陈谦;牛应灏;李宗源;张政伟;陈杉桐;王苏颖;陈嘉雯设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本一种双模态特征融合的配电网电能质量扰动分析方法在说明书摘要公布了：本发明提出的是一种双模态特征融合的配电网电能质量扰动分析方法，该方法包括：1、利用马尔可夫转换场对现场采集处理的配电网电能质量时序信号进行模态变换得到动态转移概率的聚合图像；2、采用卷积神经网络对动态转移概率的聚合图像进行特征提取得到第一特征向量；3、采用门控循环单元对现场采集处理的配电网电能质量时序信号进行特征提取得到第二特征向量；4、采用基于深度学习特征融合的方法对第一特征向量和第二特征向量进行特征融合得到融合后的配电网电能质量扰动特征；5、通过配电网电能质量扰动分类器对配电网电能质量扰动特征进行分类。

本发明授权一种双模态特征融合的配电网电能质量扰动分析方法在权利要求书中公布了：1.一种双模态特征融合的配电网电能质量扰动分析方法，其特征是包括： 1、利用马尔可夫转换场对现场采集处理的配电网电能质量时序信号进行模态变换得到动态转移概率的聚合图像； 2、采用卷积神经网络对动态转移概率的聚合图像进行特征提取得到第一特征向量； 3、采用门控循环单元对现场采集处理的配电网电能质量时序信号进行特征提取得到第二特征向量； 4、采用基于深度学习特征融合的方法对第一特征向量和第二特征向量进行特征融合得到融合后的配电网电能质量扰动特征； 5、通过配电网电能质量扰动分类器对配电网电能质量扰动特征进行分类； 所述卷积神经网络包括输入层、卷积层、归一化层、激励层、池化层；所述采用卷积神经网络对动态转移概率的聚合图像进行特征提取得到第一特征向量，具体包括： 2-1、利用卷积层对动态转移概率的聚合图像进行图像模态的卷积计算；所述卷积计算的具体计算方法如公式2： 2； 其中，表示卷积层中的第层；为卷积层第层中提取的第个图像模态的配电网电能质量扰动特征向量；为激活函数；为通过卷积核提取的第个配电网电能质量扰动图像模态的特征向量；为第层卷积核参数，此处和分别指输入的第个和第个配电网电能质量扰动特征向量；为第层的偏置；为卷积操作； 2-2、利用归一化层对卷积层从动态转移概率的聚合图像所提取的配电网电能质量扰动特征向量进行归一化处理，具体计算方法如公式3： 3； 其中，表示卷积层所提取的配电网电能质量扰动特征向量，表示归一化配电网电能质量扰动特征向量后的数据，表示配电网电能质量扰动特征向量的均方差；表示配电网电能质量扰动特征向量的均值； 2-3、利用激励层将归一化后的配电网电能质量扰动特征向量非线性化，具体如公式4： 4； 其中，为输出的非线性化后的配电网电能质量扰动特征向量，此处为输入的归一化后的配电网电能质量扰动特征向量； 2-4、所述池化层采用最大池化法突出配电网电能质量扰动特征向量的重点部分，所述最大池化法的计算方法具体如公式5： 5； 其中，表示池化层的网络层数，表示池化核，表示第层的偏置向量，此处表示激励函数，表示在第层对动态转移概率的聚合图像进行特征提取得到的第一特征向量，表示输入的在第层第个池化核非线性化后的配电网电能质量扰动特征向量； 所述采用门控循环单元对配电网电能质量时序信号进行特征提取得到第二特征向量，具体包括： 3-1、将现场采集的配电网电能质量时序信号输入门控循环单元的组成模块更新门和重置门； 3-2、先通过更新门控制配电网电能质量时序信号前一时刻的状态信息被带入到当前状态中的程度，使得前一时间步的配电网电能质量扰动特征记忆保存到当前时间步的信息中； 3-3、再通过重置门将当前采样时刻输入配电网电能质量扰动特征信息与前一采样时刻的扰动特征记忆相结合以计算候选状态。

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河海大学，其通讯地址为：211100 江苏省南京市江宁区秣陵街道佛城西路8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。