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市富阳区供电公司;国网浙江省电力有限公司杭州供电公司申请的专利一种电力系统宽频振荡扰动源分级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：CN120610113B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511093901.4，技术领域涉及：G01R31/08；该发明授权一种电力系统宽频振荡扰动源分级定位方法及系统是由赵宗罗;李亚波;陈逸轩;李强强;陈裕;陈振宇;夏文狄;黄梦庆;张雨琳;刘钢雷设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本一种电力系统宽频振荡扰动源分级定位方法及系统在说明书摘要公布了：本发明涉及电力系统技术领域，尤其涉及一种电力系统宽频振荡扰动源分级定位方法及系统，包括根据原始量测信号的采样分辨率和实时传输间隔计算量测信号的压缩比例，得到初始压缩系数；对原始量测信号进行频域分解，得到频谱特征数据，并基于频谱特征数据和初始压缩系数对原始量测信号进行压缩，得到量测压缩信号；在量测压缩信号中嵌入时序位置编码，生成时序输入数据；利用多头注意力机制对时序输入数据进行分析，得到注意力加权信号；根据注意力加权信号生成重构信号，并基于重构信号和扰动传播路径，获取宽频振荡扰动源分级定位结果。本发明通过自适应压缩保留宽频振荡特征和拓扑传播路径分析等技术，实现了宽频振荡扰动源的快速精准分级定位。

本发明授权一种电力系统宽频振荡扰动源分级定位方法及系统在权利要求书中公布了：1.一种电力系统宽频振荡扰动源分级定位方法，其特征在于，包括以下步骤： 获取电力系统监测设备的原始量测信号，根据原始量测信号的采样分辨率以及实时传输间隔计算量测信号的压缩比例，得到初始压缩系数； 获取所述原始量测信号的采样分辨率和采样点密度，并计算所述采样分辨率与所述采样点密度的比值，得到密度比例参数； 获取所述原始量测信号的数据上传频率和实时传输间隔，并计算所述数据上传频率与所述实时传输间隔的比值，得到频率控制因子； 根据所述密度比例参数和所述频率控制因子，将密度比例参数与频率控制因子相乘，计算得到初始压缩比例值，并将所述初始压缩比例值与预设的压缩上限阈值进行比较； 若所述初始压缩比例值超过预设的压缩上限阈值，则利用所述初始压缩比例值反向调整所述采样分辨率，将采样分辨率乘以压缩上限阈值与初始压缩比例值的商，得到采样分辨率更新值； 基于所述采样分辨率更新值重新计算密度比例参数，得到密度比例参数更新值，并基于所述密度比例参数更新值和实时传输间隔，得到初始压缩系数，初始压缩系数的数值等于密度比例参数更新值除以实时传输间隔； 对所述原始量测信号进行频域分解，得到包含振荡频率分布特性的频谱特征数据，并基于所述频谱特征数据和所述初始压缩系数对所述原始量测信号进行压缩，得到量测压缩信号； 根据所述频谱特征数据中各频段的能量占比和所述初始压缩系数，得到各频段的频段特征权重向量； 提取频谱特征数据中低频段、中频段和高频段的能量占比，低频段特征权重等于低频能量占比与初始压缩系数的乘积，中频段特征权重等于中频能量占比与初始压缩系数的平方根乘积，高频段特征权重通过高频能量占比与初始压缩系数的倒数动态调整，并构建包含三层隐藏层的前馈神经网络； 将所述频段特征权重向量作为隐藏层的偏置条件输入，将所述原始量测信号输入训练完成的前馈神经网络，通过隐藏层的非线性变换进行信号维度压缩，生成量测压缩信号； 在所述量测压缩信号中嵌入时序位置编码，生成带有时间演变趋势的时序输入数据； 利用多头注意力机制对所述时序输入数据中不同时间窗的振荡幅值变化进行分析，得到带有扰动类型标签的注意力加权信号； 根据所述注意力加权信号，通过线性层变换生成重构信号，并基于所述重构信号和扰动传播路径，确定初步扰动源区域范围； 在所述初步扰动源区域范围内分析所述重构信号与所述原始量测信号之间的重构误差，获取宽频振荡扰动源分级定位结果；根据电力系统宽频振荡特性，将机电振荡主导模式周期作为基础振荡周期； 采用多头注意力机制并行处理所述时序输入数据，利用所述基础振荡周期将所述时序输入数据划分为多个时间窗片段； 基于所述时序输入数据计算每个时间窗片段内的幅值变化率、能量累积量和相位差绝对值，生成每个时间窗片段的注意力键值矩阵； 基于预先获取的负荷扰动特征模板，对每个时间窗片段的注意力键值矩阵进行扰动特征模板匹配，分别计算时间窗片段的幅值变化率特征向量、能量累积量特征向量和相位差绝对值特征向量与负荷扰动特征模板中对应特征向量的余弦相似度，并对三个特征维度的余弦相似度进行加权求和，得到每个时间窗片段与负荷扰动特征模板的综合匹配度得分，得到每个时间窗片段的注意力权重向量； 根据所述注意力权重向量对所述时序输入数据进行加权融合，输出带有扰动类型标签的注意力加权信号； 通过图注意力网络对电网拓扑结构的电气节点进行分析，提取出融合电气耦合强度与功率传输方向的节点特征向量； 振荡传播时延特征具体通过比较重构信号中相邻电气节点振荡相位突变的时序差值获取； 根据节点特征向量和重构信号的振荡传播时延特征，计算各电气节点在扰动传播路径中的传播路径权重，传播路径权重等于电气节点耦合强度与振荡传播时延特征倒数的加权和； 从电网拓扑结构的电气节点中筛选出所述传播路径权重大于预设区域划分阈值的关键节点集合，并根据所述关键节点集合的空间分布密度剔除孤立节点并合并相邻节点群，形成候选关键节点簇； 对所述候选关键节点簇内的边连接权重进行积分运算，计算得到单位面积内的扰动传播路径密度，并根据所述扰动传播路径密度将所述候选关键节点簇划分为不同扰动传播层级； 根据电气距离最短原则，采用连通域分析算法合并不同扰动传播层级的重叠区域，形成连续的初步扰动源区域范围； 在初步扰动源区域范围内计算所述重构信号与所述原始量测信号在预设频段的均方误差，并根据所述均方误差从电网拓扑结构的电气节点中筛选出高误差电气节点； 基于电气距离最短原则，将扰动传播层级区域边界扩展至覆盖所有高误差电气节点的最小连通区域，得到扰动源区域修正范围； 提取所述扰动源区域修正范围内高误差电气节点的衰减特性参数，并将所述衰减特性参数与预先获取的设备级衰减特征库进行匹配，得到衰减特性匹配度； 筛选出所述衰减特性匹配度高于预设衰减阈值的高误差电气节点作为核心候选节点，并对所述核心候选节点进行空间密度聚类，生成核心扰动区域； 在所述核心扰动区域内分析重构信号的相位传播方向与幅值衰减梯度方向的空间一致性，生成一致性评分； 根据所述一致性评分对所述核心扰动区域进行划分，得到分级定位区域，并将所述分级定位区域与电网拓扑结构的设备坐标库关联，得到宽频振荡扰动源分级定位结果。

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市富阳区供电公司;国网浙江省电力有限公司杭州供电公司，其通讯地址为：311400 浙江省杭州市富阳区鹿山街道江波街218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。