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！

龙图腾网获悉江苏电力信息技术有限公司申请的专利一种基于时序样本分析的输电线路监测系统通用重复告警抑制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：CN120375096B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510840192.5，技术领域涉及：G06V10/764；该发明授权一种基于时序样本分析的输电线路监测系统通用重复告警抑制方法是由凌进;俞君杰;姜明;施文波设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种基于时序样本分析的输电线路监测系统通用重复告警抑制方法在说明书摘要公布了：本发明公开了一种基于时序样本分析的输电线路监测系统通用重复告警抑制方法，该方法通过结合深度学习算法的特征图分析和时序样本建模，能够分析并判断异常区域的变化情况，进而决定是否继续告警。本发明通过时间序列分析和热力图的对比，使得重复告警得以有效抑制。本发明方法利用神经网络反向传播的梯度图与输出层特征图进行加权组合，生成激活响应热力图，从而准确识别图像中对异常输出结果贡献最大的区域。通过全局平均池化和ReLU激活函数，系统能够精确定位异常发生的区域。这种技术手段提高了异常区域识别的准确性，为后续的告警抑制提供了可靠的依据。

本发明授权一种基于时序样本分析的输电线路监测系统通用重复告警抑制方法在权利要求书中公布了：1.一种基于时序样本分析的输电线路监测系统通用重复告警抑制方法，所述输电线路监测系统设有监测模式，所述监测模式采用深度学习网络输出输电通道的特征图组，其特征在于，所述方法包括： 步骤1在所述输电线路监测系统中设置告警模式，在所述监测模式下检测到异常时，触发所述告警模式并进行首次告警； 步骤2在告警模式下，获取用于表示深度学习网络中代表异常类别通道的置信度大于代表正常类别通道的置信度的特征图组；所述步骤2的具体方法如下： 步骤2.1所述深度学习网络包括分类和目标检测网络以及分割网络，所述分类和目标检测网络的输出通道是一个一维的向量V1×c，向量V中的c代表对应类别；所述分割网络的输出通道是一个三维的矩阵图An×m×c，矩阵中的c代表对应的类别置信度； 步骤2.2获取深度学习网络最终输出的特征图组，式中，w表示特征图的宽度，h表示特征图的高度，c表示特征图的通道数； 步骤2.3选取步骤2.1中类别通道c中置信度最大的一个通道，作为类别归类，在告警时，该类别即为异常类别； 步骤3基于所述特征图组，构建激活响应热力图； 步骤4采集多个时刻的激活响应热力图，形成时序样本；所述步骤4的具体方法包括： 步骤4.1所述输电线路监测系统在告警模式下获取对应多个时刻的激活响应热力图，记为，其中，t为时刻； 步骤4.2以时间顺序对多个时刻的激活响应热力图进行排序，得到时序样本； 步骤5对所述时序样本进行分析，获取所述时序样本中相邻的激活响应热力图之间差异值，基于所述差异值并结合给定的温度阈值和区域面积阈值进行抑制重复告警或持续告警；所述步骤5的具体方法包括： 步骤5.1分别将时序样本中每一激活响应热力图记为、、、...、；、、、...、分别表示第1个、第2个、第3个、…、第n个时刻对应的激活响应热力图；取相邻两个时刻对应的激活响应热力图作绝对值差 步骤5.2给定温度阈值T，若每个坐标点的值均小于T，则代表两个时刻的激活响应热力图没有发生明显变化，则抑制后续告警；若存在坐标点的值大于T，则说明两个时刻的激活响应热力图在局部发生了变化，异常位置正在发生变化或扩散； 步骤5.3给定区域面积阈值A，在步骤5.2中存在坐标点的值大于T的情况下，再判断像素面积是否大于A，若大于A表明异常区域正在发生较大变化，则持续告警，若小于A表明异常区域有轻微变化或者没有变化，表明异常情况没有扩散，则抑制后续告警； 步骤6在当异常消失并超过时间阈值后，自动退出告警模式并恢复监测模式。

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江苏电力信息技术有限公司，其通讯地址为：210024 江苏省南京市鼓楼区北京西路20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。