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嘉兴供电公司;北京科技大学申请的专利基于云边端协同的电力网络自适应谐波辨别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：CN119475078B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411439922.2，技术领域涉及：G06F18/2415；该发明授权基于云边端协同的电力网络自适应谐波辨别方法及系统是由高惠新;林福宏;杨波;徐宏;甘宁达;李鑫;魏泽民;姚海强;刘书涵;许海涛;安建伟设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本基于云边端协同的电力网络自适应谐波辨别方法及系统在说明书摘要公布了：本发明提供一种基于云边端协同的电力网络自适应谐波辨别方法及系统，应用于边缘设备，边缘设备与云端服务器及电力网络中的终端设备建立通信，包括：获取待辨别电信号，将电信号输入至预设模型，以使预设模型向电信号中加入高斯噪声及解析信号，得到待分解信号，高斯噪声参数及解析信号参数由预设模型基于电信号确定；对待分解信号进行经验模态分解，得到普通信号主导的IMF；从电信号中剔除以上IMF，得到谐波信号。通过基于电信号的参数自适应设置高斯噪声参数以及解析信号参数，避免人工设置参数不准确导致的谐波分离不准确的情况，提高谐波辨别准确性。增加解析信号可以分离出固定频率对应的IMF，提高对电信号中的噪声的剔除效果。

本发明授权基于云边端协同的电力网络自适应谐波辨别方法及系统在权利要求书中公布了：1.一种基于云边端协同的电力网络自适应谐波辨别方法，其特征在于，应用于边缘设备，所述边缘设备与云端服务器以及电力网络中的终端设备建立通信；所述方法包括： 获取谐波辨别请求，所述谐波辨别请求中包括待辨别的电信号，所述待辨别的电信号为所述电力网络中的原始信号； 将所述待辨别的电信号输入至预设模型，以使所述预设模型向所述电信号中加入高斯噪声以及解析信号，得到待分解信号，其中，高斯噪声参数包括高斯噪声的幅值顶点以及频率范围，所述高斯噪声参数由所述预设模型基于所述电信号确定；解析信号参数包括解析信号的幅值以及频率，所述解析信号参数由所述预设模型基于所述电信号确定； 对所述待分解信号进行经验模态分解，得到所述待分解信号对应的多组IMF，其中，每组IMF对应所述电信号包含的一个频率； 确定所述多组IMF的平均能量，获取IMF能量频谱图； 基于所述IMF能量频谱图，确定所述IMF能量频谱图中随频率增加而出现的第一个极小值点，并确定频率小于所述第一个极小值点的频率的IMF为普通信号主导的IMF； 从所述电信号中剔除所述普通信号主导的IMF，得到谐波信号； 所述预设模型中包括粒子群算法，所述预设模型通过以下步骤得到： 获取待训练数据，所述待训练数据为原始电信号数据，所述原始电信号数据中包括噪声、基波以及谐波；所述训练数据的标签为针对所述训练数据设置的高斯噪声幅值顶点范围以及高斯噪声频率范围； 设置粒子群的大小与各粒子的初始速度以及初始位置，以及预设迭代次数； 基于惯性权重、第一学习因子、第二学习因子、粒子当前速度、粒子当前位置、粒子最佳位置、粒子群最佳位置以及随机量更新各所述粒子的速度以及位置，其中，所述惯性权重用于评估粒子当前速度为更新后的粒子速度的影响，所述第一学习因子用于评估所述粒子最佳位置与所述粒子当前位置之间的差对所述更新后的粒子速度的影响，所述第二学习因子用于评估所述粒子群最佳位置与所述粒子当前位置之间的差对所述更新后的粒子速度的影响，所述随机量为预设系数与[0,1]内的随机数的乘积； 在达到所述预设迭代次数的情况下，确定所述粒子群寻到的最优结果是否落在相应训练数据对应的高斯噪声幅值顶点范围以及高斯噪声频率范围内，若所述最优结果未落在所述相应训练数据对应的高斯噪声幅值顶点范围以及高斯噪声频率范围内，则调整所述惯性权重以及所述预设系数，返回所述基于惯性权重、第一学习因子、第二学习因子、粒子当前速度、粒子当前位置、粒子最佳位置、粒子群最佳位置以及随机量更新各所述粒子的速度以及位置的步骤，直至所述粒子群寻到的最优结果落在相应训练数据对应的高斯噪声幅值顶点范围以及高斯噪声频率范围内； 确定此时的惯性权重为目标惯性权重，确定此时的预设系数为目标系数； 所述高斯噪声参数通过以下步骤得到： 基于所述待辨别的电信号设置高斯噪声幅值顶点范围以及频率范围；其中，所述高斯噪声幅值顶点小于所述电信号极值，所述频率范围最小值大于所述电信号中包含的频率范围的12； 通过所述粒子群算法，基于所述目标惯性权重以及所述目标系数确定所述高斯噪声参数最优结果； 在所述最优结果落在所述高斯噪声极值范围以及频率范围的情况下，将所述最优结果作为目标高斯噪声参数。

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嘉兴供电公司;北京科技大学，其通讯地址为：314033 浙江省嘉兴市城北路99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。