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！

龙图腾网获悉浙江英集动力科技有限公司申请的专利基于云边协同的能源站高频数据采集和异常状态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：CN116702038B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310687531.1，技术领域涉及：G06F18/241；该发明授权基于云边协同的能源站高频数据采集和异常状态识别方法是由赵琼;金鹤峰;穆佩红;王炳设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本基于云边协同的能源站高频数据采集和异常状态识别方法在说明书摘要公布了：本发明公开了一种基于云边协同的能源站高频数据采集和异常状态识别方法，包括：通过在能源站设备处安装振动传感器、声音传感器和压力波传感器，获取能源站设备的振动、声音和压力波数据；通过边缘计算平台中的数据采集模块对相关的能源站设备数据信息进行采集，获得能源站设备高频数据；通过云平台对能源站设备历史高频数据进行聚类学习后，将高频数据打上正常和异常数据标签，并建立高频数据异常检测模型，下发至边缘计算平台对采集的能源站设备实时高频数据进行检测，若检测为异常高频数据，则上传至云平台；云平台接收到能源站设备异常高频数据后，通过预先建立的能源站设备异常识别模型进行能源站设备异常识别，获得能源站设备异常类型。

本发明授权基于云边协同的能源站高频数据采集和异常状态识别方法在权利要求书中公布了：1.一种基于云边协同的能源站高频数据采集和异常状态识别方法，其特征在于，包括：高频数据采集阶段和异常状态识别阶段； 所述高频数据采集阶段包括： 通过在能源站设备处安装振动传感器、声音传感器和压力波传感器，获取能源站设备的振动数据、声音数据和压力波数据信息； 通过边缘计算平台中的数据采集模块根据预先定义的能源站设备采集对象、高频数据采集内容、高频数据采集频率、高频数据采集起止条件和高频数据采集优先级对相关的能源站设备数据信息进行采集，获得能源站设备高频数据；所述能源站设备高频数据至少包括能源站内水泵、风机、管道和压缩机的声音数据、振动数据和压力波数据； 所述异常状态识别阶段包括： 通过云平台对能源站设备历史高频数据进行聚类学习后，将高频数据打上正常和异常数据标签，并对带有标签的历史高频数据进行训练后建立高频数据异常检测模型，下发至边缘计算平台； 通过边缘计算平台中的高频数据异常检测模型对采集的能源站设备实时高频数据进行检测，若检测为异常高频数据，则上传至云平台；否则，将该高频数据直接存储至边缘计算平台； 通过云平台接收到能源站设备异常高频数据后，通过预先建立的能源站设备异常识别模型进行能源站设备异常识别，获得能源站设备异常类型，包括： 基于云平台中的历史能源站设备异常类型数据库，获得异常数据样本；所述异常数据样本包括异常高频数据对应的能源站设备异常类型，所述异常类型至少包括水泵内部异物撞击受损、喘振、零部件松动、流量不足，风机风量不足、振动过大、运行过热、部件磨损，压缩机堵转、排气压力低、过电流、部件故障、环境温度高，管道泄漏、破损； 建立改进的生成对抗网络模型：以生成对抗网络GAN为模型主体，包括生成器网络G和判别器网络D；所述生成器网络G包括依次连接的解码器和编码器，均采用独立循环神经网络模块；所述判别器网络D包括依次连接的线性层、激活函数层、线性层和激活函数层；将梯度惩罚引入生成对抗网络GAN中，所述生成器网络G的损失函数定义为：fwx为独立循环神经网络，pg为生成数据，x为高频数据样本；所述判别器网络D的损失函数定义为： λ为梯度惩罚函数；为求梯度的函数；||·||2为矩阵的二范数； 将异常数据样本输入至改进的生成对抗网络模型中进行训练后，建立能源站设备异常识别模型； 当云平台接收到边缘计算平台上传的能源站设备异常高频数据时，通过能源站设备异常识别模型进行能源站设备异常识别，输出能源站设备异常类型。

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浙江英集动力科技有限公司，其通讯地址为：310000 浙江省杭州市余杭区仓前街道龙园路88号2幢208、209-1、209-2室；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。