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！

龙图腾网获悉广东电网有限责任公司广州供电局申请的专利基于深度学习考虑未知扰动类型的电力系统扰动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：CN115409335B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202210973927.8，技术领域涉及：G06F18/2413；该发明授权基于深度学习考虑未知扰动类型的电力系统扰动识别方法是由吴任博;梁雪青;卢有飞;刘璐豪;赵宏伟;张少凡;陈明辉;刘超;王历晔;刘俊;陈晨;赵誉;刘晓明;彭鑫设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本基于深度学习考虑未知扰动类型的电力系统扰动识别方法在说明书摘要公布了：本发明公开了一种基于深度学习考虑未知扰动类型的电力系统扰动识别方法，包括以下步骤：S1、根据电力系统参数，利用电网暂态仿真数据和电网历史运行数据，获取各类扰动发生时的时间序列数据，生成时间序列扰动数据集；S2、采用滤波技术对时间序列扰动数据集进行去噪；3、根据特征指标对时间序列扰动数据集进行特征提取，生成扰动识别特征样本集，并划分为训练集和测试集；S4、构建包含深度神经网络和启发式判断层的复合模型，利用训练集及其对应的扰动类型标签对深度神经网络进行训练；S5、将测试集输入复合模型，深度神经网络输出预分类结果，根据预分类结果以及测试集与训练集的相似性判定，启发式判断层输出考虑未知扰动的最终扰动识别结果。

本发明授权基于深度学习考虑未知扰动类型的电力系统扰动识别方法在权利要求书中公布了：1.一种基于深度学习考虑未知扰动类型的电力系统扰动识别方法，其特征在于，包括以下步骤： S1、根据电力系统参数，利用电网暂态仿真数据和电网历史运行数据，获取各类扰动发生时正序电压、负序电压、零序电压的时间序列数据，生成电力系统的时间序列扰动数据集； S2、采用滤波技术对电力系统的时间序列扰动数据集进行去噪； S3、根据特征指标对时间序列扰动数据集进行特征提取，获得扰动特征数据并以扰动特征数据对应的扰动类型为标签，生成扰动识别特征样本集，并划分为训练集和测试集； S4、构建包含深度神经网络和启发式判断层的基于深度神经网络的电力系统扰动识别复合模型，利用训练集数据及其对应的扰动类型标签对深度神经网络进行训练； S5、将测试集数据输入基于深度神经网络的电力系统扰动识别复合模型，深度神经网络输出预分类结果，根据预分类结果以及测试集数据与训练集数据的相似性判定，启发式判断层输出考虑未知扰动类型的最终扰动识别结果； 深度神经网络包括深度神经网络1、深度神经网络2和深度神经网络0，深度神经网络1输出正序数据分类结果，深度神经网络2输出负序数据分类结果，深度神经网络0输出零序数据分类结果，正序数据分类结果、负序数据分类结果、零序数据分类结果分别输入启发式判断层； 分别比较正序测试集数据与正序数据分类结果对应的正序训练集数据、负序测试集数据与负序数据分类结果对应的负序训练集数据、零序测试集数据与零序数据分类结果对应的零序训练集数据，获得正序相似性度量值、负序相似性度量值和零序相似性度量值分别为： 式中，sim1为正序相似性度量值，sim2为负序相似性度量值，sim0为零序相似性度量值，为正序测试集数据，为负序测试集数据，为零序测试集数据，xy1为正序训练集数据，xy2为负序训练集数据，xy0为零序训练集数据； 分别比较正序训练集数据、负序训练集数据、零序训练集数据中的任意两条数据，获得正序相似性阈值、负序相似性阈值和零序相似性阈值分别为： 式中，为正序相似性阈值，为负序相似性阈值，为零序相似性阈值，xa和xb为对应训练集数据中的任意两条数据； 比较正序相似性度量值和正序相似性阈值，获得正序扰动识别结果为： 式中，为正序数据分类结果，y1为正序扰动识别结果； 比较负序相似性度量值和负序相似性阈值，获得负序扰动识别结果为： 式中，为负序数据分类结果，y2为负序扰动识别结果； 比较零序相似性度量值和零序相似性阈值，获得零序扰动识别结果为： 式中，为零序数据分类结果，y0为零序扰动识别结果； 比较正序扰动识别结果、负序扰动识别结果和零序扰动识别结果，获得启发式判断层的输出为： 式中，yout为启发式判断层的输出。

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广东电网有限责任公司广州供电局，其通讯地址为：510620 广东省广州市天河区天河南二路2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”。