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！

龙图腾网获悉江苏蔚蓝数智科技有限公司申请的专利一种变压器的干燥终点智能预测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：CN120911706B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511447127.2，技术领域涉及：G06Q10/04；该发明授权一种变压器的干燥终点智能预测系统是由宋桂岭;张驰;展文虎;冯彦程设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本一种变压器的干燥终点智能预测系统在说明书摘要公布了：本发明属于变压器绝缘干燥处理及智能监测技术领域，本发明具体提供了一种变压器的干燥终点智能预测系统，包括：基于历史数据与物理机理，通过K‑means算法将干燥过程划分为多阶段并输出特征基线，构建基础阈值、调节变量的多元线性回归模型，实现阈值个性化适配，通过实时特征与聚类特征的欧氏距离匹配，精准识别当前阶段，结合实时时序特征与调节变量，计算动态个性化阈值，在LSTM模型中嵌入特征‑时间双维度注意力层，基于个性化阈值引导模型聚焦关键信息，输出终点预测结果。本发明可实现干燥过程的分阶段智能管控与终点精准预测，降低干燥不足或过度风险，适配不同设备与工况。

本发明授权一种变压器的干燥终点智能预测系统在权利要求书中公布了：1.一种变压器的干燥终点智能预测系统，其特征在于，包括： 特征聚类模块：基于变压器的历史干燥数据特征，对干燥过程进行聚类，将干燥过程划分为多个干燥阶段； 阈值映射模块：将各干燥阶段的关键物理指标进行统计特征整合，形成阶段特征基线表，并对变压器状态变量与各干燥阶段的状态判定阈值的相关性分析，筛选调节变量，根据调节变量采用多元线性回归建立各干燥阶段的阈值映射模型； 阶段判定模块：对当前干燥过程的特征进行实时监测，并将实时监测的特征数据与聚类得到的各干燥阶段的核心特征进行匹配分析，判断当前所属干燥阶段； 阈值设定模块：对于当前所属干燥阶段的实时监测特征，采用滑动时间窗口提取时序特征，并实时读取调节变量，代入阈值映射模型，得到当前变压器的个性化阈值； 干燥终点预测模块：对干燥阶段的个性化阈值与实时特征进行偏差分析，计算特征维度和时间维度的注意力权重，在时序预测模型中加入注意力层，构建融合注意力权重的时序预测模型； 所述阶段特征基线表的构建过程为：针对聚类划分的多个干燥阶段，提取各干燥阶段内核心特征的均值、标准差，基于3σ原则，以均值±3倍标准差作为各干燥阶段核心特征的特征区间，形成阶段特征基线表； 所述各干燥阶段的阈值映射模型的构建方式为： 将阶段特征基线表中各干燥阶段核心特征的特征区间下限作为干燥阶段的基础阈值； 基于任意一个干燥阶段： 对于干燥阶段的核心特征，从阈值库中获取各干燥阶段的判定指标临界值； 其中，阈值库为用于划分变压器干燥过程各阶段的阈值库，判定指标临界值为各干燥阶段判定状态的临界值； 选择影响该阈值且在干燥前可量化的变量，分为设备静态变量和工况初始变量两类，计算各变量与阈值的皮尔逊系数，将皮尔逊系数满足要求的变量标记为调节变量； 从历史干燥数据中提取判定指标临界值对应的实际阈值，并采集对应的调节变量，进行量化处理； 阈值映射模型为阈值=β+β×X+β×X+...+β×X，其中，β为基准阈值，X1~Xn为调节变量，β~β为系数，反映各调节变量对阈值的影响权重； 采用带约束的最小二乘法上拟合模型，使预测值与实际阈值的误差最小化； 最终得到各干燥阶段的阈值映射模型：阈值=基础阈值+∑调节变量×系数； 融合注意力权重的时序预测模型的构建过程为： 通过实时特征与个性化阈值的偏差分析，计算得到特征维度注意力权重和时间维度注意力权重； 将特征维度权重与输入时序特征矩阵进行逐特征加权求和得到特征注意力层的特征向量； 将时间维度权重与LSTM输出的隐含特征进行逐时刻加权求和得到时间注意力层的特征向量； 将阈值偏差特征、偏差变化率特征以及综合匹配度作为阈值关联特征，形成特征矩阵； 将基础时序特征与阈值关联特征按时间步拼接，形成模型总输入矩阵X，维度：时间步T×F+3； 选择长短期记忆网络LSTM作为基础时序模型，在基础时序模型的输入层和隐含层之间嵌入注意力层，将计算的特征维度注意力权重和时间维度注意力权重融入模型； 模型整体架构为输入层、特征注意力层、LSTM层、时间注意力层和全连接层； 所述特征维度注意力权重的计算方式为： 提取最后一个干燥阶段的实时监测指标，采用滑动窗口提取统计特征，形成基础时序特征矩阵； 计算核心监测指标与个性化阈值的归一化偏差，得到阈值偏差特征； 计算阈值偏差特征的偏差变化率，即滑动窗口变化率：当前窗口偏差-前一窗口偏差窗口时长； 根据阈值偏差特征以及阈值偏差特征的偏差变化率，计算综合匹配度，综合匹配度=∑ωi×|阈值偏差特征i|，其中，ωi为阈值映射模型中各核心监测指标的系数； 计算各核心特征与实际终点时间的皮尔逊相关系数ri，结合综合匹配度特征，计算权重Wf0i：权重Wf0i=|ri|×匹配度特征i，其中，ri为第i个核心特征与实际终点的相关系数； 所述时间维度注意力权重的计算方式为：基于实时特征与个性化与阈值的偏差设计指数衰减函数，Wt0t=exp-k×Dt，其中，Dt为t时刻阈值偏差特征的绝对值，k为衰减函数，由历史数据拟合。

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蔚蓝数智科技有限公司，其通讯地址为：214000 江苏省无锡市新吴区菱湖大道228号天安智慧城1-808；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。