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！

龙图腾网获悉江西太平洋电缆集团有限公司申请的专利一种电力电缆电性能检测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：CN121432069B 。

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：202610004685.X，技术领域涉及：G01R31/08；该发明授权一种电力电缆电性能检测方法及系统是由周玲燕;毛华撑;齐红磊;黎超群设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本一种电力电缆电性能检测方法及系统在说明书摘要公布了：本发明涉及电力设备状态监测技术领域，具体公开了一种电力电缆电性能检测方法及系统，同步采集电缆监测点处的宽频电磁信号、机械振动信号和温度信号；通过连续小波变换计算信号间的小波相干系数，构建融合幅值与跨模态时频关联特征的多模态耦合张量；对张量进行时间切片和高阶奇异值分解，得到时变核心张量序列，并将其映射为高维流形曲线，通过计算该曲线的局部曲率分布与拓扑不变量生成系统状态指纹；将该指纹输入预训练的缺陷预测模型，直接输出缺陷的孕育概率与演化阶段判定；本发明突破了传统方法对早期微弱缺陷检测不灵敏的局限，实现了对电缆绝缘潜伏性缺陷的早期预警与精准诊断。

本发明授权一种电力电缆电性能检测方法及系统在权利要求书中公布了：1.一种电力电缆电性能检测方法，其特征在于，包括以下步骤： S1：同步采集电力电缆监测点处的多源异构时序信号，所述多源异构时序信号包括宽频电磁信号、机械振动信号和温度信号； S2：对多源异构时序信号进行跨模态耦合分析，提取宽频电磁信号、机械振动信号及温度信号两两之间的时频域关联特征，并基于时频域关联特征生成多模态耦合张量； S3：对多模态耦合张量进行张量流形展开，重构为能够表征多物理场协同作用状态的非线性流形结构，并计算非线性流形结构在当前高维空间中的局部曲率分布与拓扑不变量的集合，作为系统状态指纹，具体包括： 沿多模态耦合张量的时间模态进行张量纤维展开，得到一系列高阶张量切片，并对每个张量切片执行高阶奇异值分解，提取核心张量构成时变的核心张量序列； 将时变的核心张量序列中的每个核心张量，映射为一个抽象流形上的点，并通过计算相邻点间的测地连接，将整个序列重构为一条嵌入在高维空间中的离散曲线，作为非线性流形结构； 计算离散曲线上每一点处基于其局部邻域点集所拟合的切空间与法空间的夹角变化率，得到局部曲率分布，并同步提取离散曲线整体在连续形变下保持不变的连接性与洞数特征，作为拓扑不变量； 将局部曲率分布与所述拓扑不变量按时间顺序进行拼接与归一化，形成系统状态指纹； 所述提取核心张量构成时变的核心张量序列，具体包括： 根据预设的时间窗长度与滑动步长，沿多模态耦合张量的时间维度进行滑动切片，获得一系列固定时间跨度的张量切片； 针对每一张量切片，依据张量切片不同非时间模态的物理意义预先设定各模态的分解秩估计，以此作为约束条件； 在各模态的分解秩估计的约束下，对每一张量切片执行高阶奇异值分解，并仅保留由分解秩估计所确定数量的正交分量，以计算出降维后的核心张量； 将所有张量切片对应的降维后的核心张量，按核心张量对应时间窗的先后顺序进行排列，构成时变的核心张量序列； 所述计算出降维后的核心张量，具体包括： 对张量切片的每一个非时间模态矩阵进行初步分解，得到各模态对应的初始正交分量集合； 计算初始正交分量集合中每一分量的能量集中度，并同时计算不同模态间对应分量的模态间耦合度，模态间耦合度的计算过程为：设来自模态的第个分量为，来自模态的第个分量为，则模态间耦合度可通过以下公式计算：； 其中，表示当前张量切片，符号和分别表示张量沿模态和模态的模乘运算，表示向量的转置，表示计算张量的Frobenius范数，即所有元素平方和的平方根； 依据能量集中度与所述模态间耦合度对全部分量进行综合评价，筛选出满足预设综合评价阈值的初始正交分量，构成待精修分量集合； 以待精修分量集合作为迭代初始值，在分解秩估计的约束下进行迭代精修，直至收敛，将最终得到的精修后正交分量按分解秩估计的数量进行截断，并计算降维后的核心张量； S4：将系统状态指纹输入预训练的缺陷预测模型，缺陷预测模型被配置为根据系统状态指纹中局部曲率分布与拓扑不变量的演变序列，直接输出对电力电缆绝缘介质内正在孕育的类型微观缺陷的预测结果，预测结果包括缺陷的孕育概率与演化阶段判定。

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江西太平洋电缆集团有限公司，其通讯地址为：330000 江西省南昌市南昌县小蓝经济开发区鑫维大道328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。