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！

龙图腾网获悉西安理工大学申请的专利基于1D V-net深度学习模型的电压暂降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：CN114487568B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202210020999.0，技术领域涉及：G01R19/165；该发明授权基于1D V-net深度学习模型的电压暂降分析方法是由邓亚平;贾颢;同向前;王璐设计研发完成，并于2022-01-10向国家知识产权局提交的专利申请。

本基于1D V-net深度学习模型的电压暂降分析方法在说明书摘要公布了：本发明公开了基于1DV‑net深度学习模型的电压暂降分析方法，能够直接从原始的监测数据中自主学习由电动机启动、变压器投切、单相短路、两相短路和三相短路原因引起的电压暂降特征信息，避免了繁琐手工特征提取过程。与RNN、LSTM、GRU等结构构成的单向循环网络结构相比较，本发明能够提高电压暂降扰动类型分类准确率和电压暂降起止时刻定位准确率。与RNN、LSTM、GRU等结构构成的双向循环网络结构相比较，本发明能够在降低模型参数的基础上，保障电压暂降扰动类型分类准确率和电压暂降起止时刻定位准确率。

本发明授权基于1D V-net深度学习模型的电压暂降分析方法在权利要求书中公布了：1.基于1DV-net深度学习模型的电压暂降分析方法，其特征在于，具体按照以下步骤实施： 步骤1、结合待检测的电力网络系统，对工况种类进行编号，在电力网络系统在不同工况下，分别改变电力网络系统中短路容量、接地电阻、持续时间、起止时刻、负荷容量、线路阻抗，采集每种运行工况下的母线电压数据，作为每种工况下电压暂降样本数据； 步骤2、通过电压暂降样本数计算每种工况下的电压均方根值，若该电压均方根值下降为额定值的10%~90%，则将该电压及对应的工况形成一组电压暂降数据样本A，同时电压暂降的起止时刻进行标注，将该持续时间内的电压采样数据值标记为0，其余采样数据值标记为1； 步骤3、将所有的电压暂降数据样本按照工况种类编号进行标注，结合电压暂降的起止时刻，形成多组电压暂降数据样本B； 步骤4、将多组电压暂降数据样本B按照7：2：1划分为训练样本集：验证样本集：测试样本集； 步骤5、构建1DV-net深度学习模型的模型结构； 步骤6、采用训练样本集对1DV-net深度学习模型进行离线训练； 步骤7、结合验证样本集中的数据，对步骤6训练完成后获得的1DV-net深度学习模型进行性能分析，评估模型过拟合情况及模型泛化能力，得到最优的1DV-net深度学习模型； 步骤8、将测试样本集数据输入最优的1DV-net深度学习模型，对训练完成后获得的模型进行测试；评估模型泛化能力，若不满足要求时则将该模型重新进行训练； 步骤9、使用经测试后且具有良好模型泛化能力的1DV-net深度学习模型进行在线应用，确定电压暂降扰动类型及起止时刻； 步骤1中所述工况种类包括电动机启动、变压器投切、单相短路、两相短路和三相短路，所述对工况种类进行编号即为对电动机启动、变压器投切、单相短路、两相短路和三相短路依次标记为编号1~5； 步骤2中所述通过电压暂降样本数计算每种工况下的电压均方根值具体过程为： 根据如下公式1计算经步骤1采集到的电压数据的均方根值： 1； 其中，N为每个周期采集的数据点数，x1，x2，x3，……，xN依次为每个周期内的各采样数据点所对应的数据值； 步骤5中所述1DV-net深度学习模型的模型结构水平方向上共包含四个部分：输入部分、压缩通道部分、解压缩通道部分、输出部分： 所述输入部分包含一层1D卷积层，输入数据通过1D卷积层后获得输出，输出数据进入压缩通道中作为输入；同时，由于输入部分是整体模型的接口处，需要对电压暂降监测数据进行最大-最小规范化处理，获得检测数据； 最大-最小规范化处理公式为： 2； 其中，x为监测数据采集值，x为处理后的监测数据，xmin为监测数据最小值，xmax为监测数据最大值； 所述压缩通道部分包含三层1D卷积层，所有输出通过Relu激活函数后输出给下一层或下一阶段，每一阶段的卷积层均使用残差通道来构成一个残差块，在压缩通道中，每一阶段的数据输出后经过一层一维卷积层，该层卷积核尺寸为1×2，步长为2，实现对数据的降采样过程，在压缩路径中，数据在时间维度上的尺寸逐层降低，其尺寸为： 3； 其中，steps为输入序列长度，sn为当前阶段数据的时间维度上的长度，在压缩通道中，数据在时间维度上的尺寸降低，分辨率降低，伴随着尺寸的降低，模型对数据所提取的特征进行了融合，并专注于对当前数据进行分类，每一个阶段得到的最终输出通过跳转连接传递给解压缩通道； 所述解压缩通道部分，最上层阶段为输出阶段，下层是解压缩阶段，解压缩阶段包含3层1D卷积层，每层卷积层尺寸为1×3，输出数据经过Relu激活函数后输出，每一阶段均使用残差通道构成残差块，输出数据使用升采样，输出数据在每一阶段后时间尺度变为原来的两倍，分辨率增加； 所述输出部分包括一层1D卷积作为输出层，其尺寸为1×1，步长为1，激活函数为Softmax，拥有5个卷积核，代表拥有5个电压暂降扰动类型，接收解压缩通道中的第一阶段输出数据，与解压缩阶段的输出后的上采样数据相结合，送入输出部分中；输出层获取当前采样点的类型，实现对每个电压暂降事件起止时刻的识别。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。