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！

龙图腾网获悉三峡新能源云南师宗发电有限公司;云南农业大学;云南昌沛工程建设有限公司申请的专利一种基于多源数据融合的光伏板故障诊断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：CN119128782B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411057187.9，技术领域涉及：G06F18/25；该发明授权一种基于多源数据融合的光伏板故障诊断方法是由王阳;陈泽兵;钱林飞;吴宏;李杨;张文伟;王静;李燕俊设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本一种基于多源数据融合的光伏板故障诊断方法在说明书摘要公布了：本发明涉及光伏板故障诊断技术领域，且公开了一种基于多源数据融合的光伏板故障诊断方法，数据采集与标注，采集于光伏板的运行监控系统和现场检测仪器，之后进行数据扩充，依次对特征提取模型、特征降维模型和分类器模型进行训练，最后将采集的数据输入到模型中进行诊断。该方法通过采集并标注光伏板运行数据，进行数据扩充，解纠缠处理增强样本质量，采用基于自适应波动优化的神经网络进行特征提取，结合流形映射学习的自编码神经网络实现特征降维，并通过高阶神经网络加强分类精度。本发明不仅显著提高了故障诊断的精度和泛化能力，还优化了模型训练的稳定性和效率，有效应对了复杂数据模式，保证了光伏板在多变环境下的稳定运行。

本发明授权一种基于多源数据融合的光伏板故障诊断方法在权利要求书中公布了：1.一种基于多源数据融合的光伏板故障诊断方法，其特征在于：包括以下步骤：S1、数据采集与标注，构成原始数据集，采集于光伏板的运行监控系统和现场检测仪器，采集到的数据以结构化数据标准进行存储，数据包括电压值a1、电流值a2、表面温度a3、光照强度a4、环境湿度a5、风速a6、灰尘沉积量a7、使用年限a8、维护历史记录a9、错误代码a10，并对采集的数据进行人工标注；S2、数据扩充，基于量子信息非局域性的SMOTE算法进行样本生成，包括以下步骤：S2.1、初始化算法参数，包括量子态的初始叠加角度θb、纠缠强度∈b和自适应调整的学习率λb的初始化，具体表达式如下： ∈b＝0.1λb＝0.01其中，θb表示量子比特的叠加状态角度，∈b表示量子比特间的纠缠度，λb表示学习率；S2.2、使用非线性变换将步骤S1中采集的原始数据集中的特征进行解纠缠处理，具体表达式如下：zb＝fbx；Θb＝tanhΘb·x其中，x为输入的原始特征向量，zb表示解纠缠后的特征向量，Θb为神经网络的权重矩阵，tanh是双曲正切函数，fbx；Θb表示非线性变换函数；S2.3、通过模拟量子叠加和纠缠的行为，生成数据空间中新的样本点y，新样本的生成方式表示为：y＝x+γb·σb·zb-x式中，y表示生成的新样本，γb表示控制新样本偏离原始样本的程度的参数，σb是基于量子态纠缠度调整的随机变量；S2.4、在每次迭代后自动调整算法参数θb、∈b和λb，以优化后续的样本生成过程，表示为： 式中，Δθb为量子比特的初始叠加状态角度的调整量，Δ∈b为纠缠强度的调整量，为更新后的量子比特的初始叠加状态角度，为更新后的纠缠强度，λb为调整学习率，且Δθb和Δ∈b表达式如下： 其中，ηcv是损失学习率参数，和分别是损失函数L关于θb和∈b的偏导数，Δθb为量子比特的初始叠加状态角度的调整量，Δ∈b为纠缠强度的调整量；S2.5、重复迭代上述步骤，直至达到预设的最大迭代次数；S3、将扩充后的数据输入到特征提取模型中进行特征提取模型的训练，所述特征提取模型采用基于自适应波动优化的神经网络特征提取算法对特征进行提取；S4、将特征提取后的数据输入到特征降维模型中进行特征降维模型的训练，所述特征降维模型采用基于流形映射学习的自编码神经网络进行特征降维；S5、将降维后的数据输入到分类器模型中进行分类器模型的训练，所述分类器模型采用基于梯度累积的高阶神经网络；S6、光伏板数据故障诊断：将待检测的光伏板数据输入到特征提取模型进行特征提取，通过数据降维模型进行数据降维，并通过分类器模型进行故障类型的判断。

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三峡新能源云南师宗发电有限公司;云南农业大学;云南昌沛工程建设有限公司，其通讯地址为：655701 云南省曲靖市师宗县雄壁镇雄壁社区居民委员会雄壁居民小组1幢1-3层；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”。