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电力科学研究院;国网湖北省电力有限公司襄阳供电公司;湖北方源东力电力科学研究有限公司申请的专利一种基于VMD和HMM的电能质量扰动信号分类识别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：CN115186704B 。

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：202210754420.3，技术领域涉及：G06F18/24；该发明授权一种基于VMD和HMM的电能质量扰动信号分类识别方法是由向慕超;凌在汛;孙朝霞;顾一鸣;崔一铂;马凌峰;刘曼佳;成诚;金太;金晨;焦海文;沈骏杰设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本一种基于VMD和HMM的电能质量扰动信号分类识别方法在说明书摘要公布了：本发明提供一种基于VMD和HMM的电能质量扰动信号分类识别方法，包括：通过仿真生成不同扰动类型的信号，按照一定的比例将信号分为训练数据和测试数据，并将每种信号进行VMD分解，分解层数为4层；计算各层IMF的能量值E组成特征向量，离散化后作为观测序列；根据不同的扰动类型单独训练HMM，得到HMM模型库；将测试数据进行处理后得到的观测序列输入训练好的HMM库中，求解序列在每一个模型下所对应的对数似然概率值，输出最大对数似然的HMM所对应的扰动类型就是当前扰动信号的类型。本发明可对电能质量扰动进行准确的检测定位，提取扰动特征并识别扰动的具体类型。

本发明授权一种基于VMD和HMM的电能质量扰动信号分类识别方法在权利要求书中公布了：1.一种基于VMD和HMM的电能质量扰动信号的识别方法，其特征包括以下步骤： 步骤一、通过仿真生成不同扰动类型的信号，按照一定的比例将信号分为训练数据和测试数据，并将每种信号进行VMD分解，分解层数为4层； 步骤二、计算各层IMF的能量值E组成特征向量，离散化后作为观测序列； 步骤三、根据不同的扰动类型单独训练HMM，得到HMM模型库； 步骤四、将测试数据进行处理后得到的观测序列输入训练好的HMM库中，求解序列在每一个模型下所对应的对数似然概率值，输出最大对数似然的HMM所对应的扰动类型就是当前扰动信号的类型； 步骤二具体包括： 首先提取信号各层本征模态分量的能量特征： 9； 其中，为第j个本征模态分量的能量值，，K为VMD分解层数；为信号序列；N为样本的采样点数，将不同训练样本分解得到的各分量能量值组成特征向量，再选用K-means聚类方法量化特征值，具体流程如下： Step1、初始化：随机选择K个样本，作为初始的聚类质心； Step2、迭代更新：计算空间中每一个点到各质心的距离，并把当前点分配给离它最近的质心，从而生成K个簇，具体计算公式为： 10； 针对簇中的每个点，重新计算其到质心的距离，将所有点的平均值所对应的点作为该簇新的质心： 11； 其中K为聚类数，表示与样本点距离最近的类，表示新的质心； Step3、终止：当每个簇中的质心不再变换或者达到最大迭代次数时，停止迭代，聚类结束； 经过上述步骤，得到离散化的特征量，则作为观测序列输入HMM中进行训练；步骤三中通过Baum-welch算法训练HMM，具体流程如下： 定义变量，用来表征基于给定观测值序列和模型参数的条件下，模型在时刻对应的状态为且时刻时所对应的状态为的概率，即有： 12； 再根据前向-后向算法推导出来的和进行计算： 13； 当和已知的情况下，模型在时刻的状态为的概率为： 14； 通过前向后向算法计算出，即： 15； 最后按以下公式重新估计HMM模型的参数： 16； 重复进行上述计算，更新模型参数，直到收敛度达到要求，最终得到的即为所求HMM模型； 步骤四中对不同扰动信号的40组测试信号分别进行4层VMD分解和各层本征模态分量的能量值计算，将各能量值进行组合得到一个1*4的特征向量，同样对其进行离散化处理，作为观测序列输入至6种代表不同扰动类型的HMM模型中，各HMM会输出测试数据的对数似然概率值，其代表着观测序列与当前HMM的匹配程度，输出最大对数似然的HMM所对应的扰动类型就是当前扰动信号的类型。

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电力科学研究院;国网湖北省电力有限公司襄阳供电公司;湖北方源东力电力科学研究有限公司，其通讯地址为：430077 湖北省武汉市洪山区徐东大街227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。