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！

龙图腾网获悉云南电网有限责任公司;云南电网有限责任公司电力科学研究院申请的专利行波故障分类模型的训练方法、使用方法及相关装置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：CN120611263B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511099977.8，技术领域涉及：G06F18/2413；该发明授权行波故障分类模型的训练方法、使用方法及相关装置是由王洪林;杨亚洲;和晓思;梁永;李永彪;闫宁霞;万芳;周艳平设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本行波故障分类模型的训练方法、使用方法及相关装置在说明书摘要公布了：本发明涉及电力故障处理技术领域，公开了一种行波故障分类模型的训练方法、使用方法及相关装置，训练方法包括：获取不同故障类型的样本行波信号的第一时频特征数据；利用第一时频特征数据对预设的自组织神经网络进行聚类训练，得到训练完成的目标自组织神经网络以及若干第一聚类簇；确定各个第一聚类簇的真实故障类型标签；利用第一聚类簇、真实故障类型标签以及预设的深度学习模型进行故障类型预测训练，得到用于预测聚类簇的真实故障类型标签的目标深度学习模型。通过上述方式，利用自组织神经网络进行时频特征聚类提取出不同类型故障的动态特征，再由深度学习模型学习不同类型故障的动态特征进行故障类型的预测，提升隐蔽性故障的诊断能力。

本发明授权行波故障分类模型的训练方法、使用方法及相关装置在权利要求书中公布了：1.一种行波故障分类模型的训练方法，其特征在于，所述方法包括： 获取不同故障类型的样本行波信号的第一时频特征数据； 利用所述第一时频特征数据对预设的自组织神经网络进行聚类训练，得到训练完成的目标自组织神经网络以及若干第一聚类簇，所述聚类簇用于反映不同故障类型的时频特征数据的聚类，所述故障类型包括隐蔽性故障； 确定各个所述第一聚类簇的真实故障类型标签； 利用所述第一聚类簇、真实故障类型标签以及预设的深度学习模型进行故障类型预测训练，得到训练完成的目标深度学习模型，所述目标深度学习模型用于预测聚类簇对应的真实故障类型标签，所述行波故障分类模型包括所述目标自组织神经网络以及目标深度学习模型； 其中，所述自组织神经网络包括多个节点，每个节点的权重向量的维度与第一时频特征数据的特征维度相同，则所述利用所述第一时频特征数据对预设的自组织神经网络进行聚类训练，得到训练完成的目标自组织神经网络以及若干第一聚类簇，包括： 初始化所述自组织神经网络的各个节点的权重向量； 从若干第一时频特征数据中随机选取一个作为第t轮训练的输入向量，t为训练轮次编号，t初始值为1； 计算所述输入向量与所述各个节点的当前权重向量之间的相似性； 将所述各个节点中与所述输入向量的相似性最高的节点确定为获胜节点，并将所述输入向量映射到所述获胜节点，得到以各个节点为中心的初始第一聚类簇； 更新获胜节点及所述获胜节点的邻域内节点的当前权重向量，得到更新后的权重向量； 利用预设的收敛条件以及所述自组织神经网络的当前特性参数，判断所述自组织神经网络是否收敛； 若所述自组织神经网络未收敛，则令t=t+1，并返回执行所述从若干第一时频特征数据中随机选取一个作为第t轮训练的输入向量的步骤； 若所述自组织神经网络收敛，则得到训练完成的目标自组织神经网络以及若干第一聚类簇。

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云南电网有限责任公司;云南电网有限责任公司电力科学研究院，其通讯地址为：650000 云南省昆明市拓东路73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。