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！

龙图腾网获悉深圳供电局有限公司申请的专利基于电能质量数据的设备异常状态通用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：CN115047262B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202210444472.0，技术领域涉及：G01R31/00；该发明授权基于电能质量数据的设备异常状态通用识别方法是由钟隽;张华赢;李艳设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本基于电能质量数据的设备异常状态通用识别方法在说明书摘要公布了：本申请涉及一种基于电能质量数据的设备异常状态通用识别方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取训练完成的识别模型、以及训练标签中各个状态标签分别对应的标注准确率，并确定与训练完成的识别模型对应的模型准确率。通过训练完成的识别模型对各目标频谱图分别进行状态识别，得到对应的预测状态类型。在存在预测状态类型为异常状态的情况下，将与异常状态相匹配的状态标签作为待校验状态类型，并基于标注准确率和模型准确率，通过累计概率分布计算，得到与待校验状态类型对应的异常概率。对异常概率进行有效性校验，并基于有效性校验结果确定目标电力设备是否异常，大大提高了确定目标电力设备是否异常的有效性。

本发明授权基于电能质量数据的设备异常状态通用识别方法在权利要求书中公布了：1.一种基于电能质量数据的设备异常状态通用识别方法，其特征在于，所述方法包括： 获取对目标电力设备采集得到的多个目标数据；其中，所述目标数据为所述目标电力设备在目标时间段内的电能质量数据； 获取用于状态识别的训练完成的识别模型、以及训练标签中各个状态标签分别对应的标注准确率，并确定与所述训练完成的识别模型对应的模型准确率；其中，获取用于状态识别的训练完成的识别模型，包括：获取对样本电力设备采集得到的训练数据，所述训练数据为所述样本电力设备处于异常状态时的电能质量数据；所述训练数据携带有训练标签，所述训练标签包括正常状态标签、三相短路状态标签、单相接地短路状态标签、两相短路标签、两相接地短路标签和开合闸标签；确定与各个训练数据分别对应的训练频谱图，并基于所述训练频谱图，构建样本库；其中，对各个训练数据分别进行短期快速傅里叶处理，得到与各个训练数据分别对应的训练频谱图；确定扩充频谱图，其中，所述扩充频谱图是基于正常波形生成的、基于噪声数据生成的；通过各个正常波形确定与各个正常波形对应的标准训练频谱图、以及通过各个噪声数据确定与各个噪声数据对应的新增训练频谱图；基于所述训练频谱图、所述扩充频谱图，确定样本频谱图，并基于各个样本频谱图构建样本库；构建初始的识别模型，并通过所述样本库对所述初始的识别模型进行训练，得到训练完成的识别模型； 其中，获取对样本电力设备采集得到的测试数据，所述测试数据为所述样本电力设备处于异常状态时的电能质量数据； 确定与所述测试数据对应的测试标签，所述测试标签表征样本电力设备的状态类型； 确定与所述测试数据对应的测试频谱图，并通过所述训练完成的识别模型对所述测试频谱图进行状态识别，得到与所述测试数据对应的训练状态类型； 基于所述测试标签和所述训练状态类型，确定与所述训练完成的识别模型对应的模型准确率； 确定与各目标数据分别对应的目标频谱图，并通过所述训练完成的识别模型对各目标频谱图分别进行状态识别，得到对应的预测状态类型；其中，所述目标频谱图是通过对目标数据进行短期快速傅里叶处理得到，且将三相电压的频谱图合并生成的； 在存在预测状态类型为异常状态的情况下，将与所述异常状态相匹配的状态标签作为待校验状态类型，并基于所述标注准确率和所述模型准确率，通过累计概率分布计算，得到与所述待校验状态类型对应的异常概率； 其中，将所述模型准确率和所述标注准确率的乘积，作为状态概率，所述状态概率表征正确识别状态的概率； 确定与所述待校验状态类型对应的目标频谱图的目标数量； 对所述状态概率和所述目标数量进行累计概率分布计算，确定与所述待校验状态类型对应的异常概率； 对所述异常概率进行有效性校验，并基于有效性校验结果确定所述目标电力设备是否异常。

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深圳供电局有限公司，其通讯地址为：518001 广东省深圳市罗湖区深南东路4020号电力调度通信大楼；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。