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！

龙图腾网获悉国网浙江省电力有限公司杭州供电公司;国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司经济技术研究院;国网浙江省电力有限公司申请的专利一种基于深度学习的配电通信网故障定位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：CN120185705B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510638538.3，技术领域涉及：H04B10/077；该发明授权一种基于深度学习的配电通信网故障定位方法及系统是由钱锦;罗少杰;黄红兵;杨鸿珍;张利军;杜猛俊;范明霞;肖艳炜;范超;邱兰馨;凌芝;孙剑;王剑;郝春昀;丁晖;周靖淞;由奇林;沈佳辉;张清波;张吉;赵涵昱;金正晗设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本一种基于深度学习的配电通信网故障定位方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的配电通信网故障定位方法及系统，其中方法包括对获取到的光纤链路的时间序列数据进行拟合处理，得到实际功率衰减曲线，计算实际功率衰减曲线与理论功率衰减曲线的绝对差值以得到标准化差异数据；将标准化差异数据输入非线性衰减模型中，得到非线性变化特征数据；将配电网拓扑特征数据和非线性变化特征数据输入故障识别模型中，得到各光纤链路的故障概率值；将故障概率值与预设故障概率阈值进行比对得到潜在故障链路，对潜在故障链路进行特征提取和突变节点识别，得到衰减突变节点数据；对衰减突变节点数据进行处理，基于得到的应力值数据确定故障点数据。本发明的方法，实现了光纤网络中损耗故障的快速定位。

本发明授权一种基于深度学习的配电通信网故障定位方法及系统在权利要求书中公布了：1.一种基于深度学习的配电通信网故障定位方法，其特征在于，包括： 获取目标配电网中光纤链路的光功率数据，对所述光功率数据中相邻采样点的光功率差值进行计算，生成时间序列数据； 对所述时间序列数据进行拟合处理，得到实际功率衰减曲线，计算所述实际功率衰减曲线与理论功率衰减曲线的绝对差值以得到标准化差异数据； 将所述标准化差异数据输入预构建的非线性衰减模型中，得到反映所述光纤链路中光信号功率衰减的非线性变化特征数据； 对所述目标配电网的物理拓扑结构进行特征提取，得到配电网拓扑特征数据，将所述配电网拓扑特征数据和所述非线性变化特征数据输入预构建的故障识别模型中，得到各光纤链路的故障概率值； 将所述故障概率值与预设故障概率阈值进行比对以得到潜在故障链路，对所述潜在故障链路依次进行特征提取和突变节点识别，得到衰减突变节点数据； 根据应力反演方法对所述衰减突变节点数据进行处理，基于得到的应力值数据确定所述目标配电网中的故障点数据； 其中，所述根据应力反演方法对所述衰减突变节点数据进行处理，基于得到的应力值数据确定所述目标配电网中的故障点数据，包括： 根据获取到的所述光纤链路的应力敏感参数、材料应力阈值和链路物理长度，构建应力衰减关系模型； 提取每一所述衰减突变节点数据对应的功率衰减量和所在链路的物理长度，将所述功率衰减量和所述物理长度输入所述应力衰减关系模型中，得到应力值数据集； 将所述应力值数据集中的每一应力值数据分别与所述材料应力阈值进行比对，对比对结果进行筛选以得到高应力突变节点列表； 基于所述高应力突变节点列表确定所述目标配电网中的故障点数据，包括： 基于所述高应力突变节点列表中的每一节点及其相邻节点构建候选故障点集合； 获取所述候选故障点集合中每一节点的坐标数据，基于所述坐标数据计算每一高应力突变节点与其相邻节点的故障点相对距离； 根据获取到的每一高应力突变节点的应力值和故障点相对距离进行多条件筛选，根据多条件筛选的结果得到所述故障点数据。

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浙江省电力有限公司杭州供电公司;国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司经济技术研究院;国网浙江省电力有限公司，其通讯地址为：310000 浙江省杭州市上城区解放东路59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”。