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！

龙图腾网获悉山东华科信息技术有限公司;北京华清未来能源技术研究院有限公司;华科因诺(江苏)能源科技有限公司;华科因诺(青岛)能源科技有限公司;华科因诺(海南)能源科技有限公司;华科因诺(天津)能源科技有限公司;华科因诺(北京)数字科技有限公司申请的专利一种多模态传感的局部放电监测装置、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：CN120847574B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511366060.X，技术领域涉及：G01R31/12；该发明授权一种多模态传感的局部放电监测装置、方法是由杨会轩;王金灿;苏明;毛湘钧;王德志设计研发完成，并于2025-09-24向国家知识产权局提交的专利申请。

本一种多模态传感的局部放电监测装置、方法在说明书摘要公布了：本发明提出了一种多模态传感的局部放电监测装置、方法，该装置中多维传感采集模块从不同物理维度捕捉局部放电产生的信号；所述信号调理与数据转换模块对信号进行时分复用，转换为多维传感采集数据；所述本地处理模块通过多维数据模型对多维传感采集数据提取高维特征向量，并基于高维特征向量以及从云端联邦学习模块获取的全局模型进行初步局部放电诊断；所述云端联邦学习模块根据不同本地处理模块的高维特征向量调整更新全局模型本地处理模块所在终端设备的权重，根据本地处理模块所在终端设备在全局模型聚合中的权重对每个本地处理模块上传高维特征向量进行全局模型加权聚合，得到更新后的全局模型，提高了局部放电识别的可靠性以及适应性。

本发明授权一种多模态传感的局部放电监测装置、方法在权利要求书中公布了：1.一种多模态传感的局部放电监测装置，其特征是，包括：多维传感采集模块、信号调理与数据转换模块、本地处理模块、云端联邦学习模块，所述多维传感采集模块包括UHF传感器、超声阵列、光电传感器和红外热像仪，用于从不同物理维度捕捉局部放电产生的信号；所述信号调理与数据转换模块用于获取并调理多维传感采集模块捕捉的局部放电产生的信号，并对不同物理维度捕捉局部放电产生的信号进行时分复用，转换为多维传感采集数据；所述本地处理模块用于建立多维数据模型，通过多维数据模型对多维传感采集数据提取高维特征向量，并基于高维特征向量以及从云端联邦学习模块获取的全局模型进行初步局部放电诊断，并将初步局部放电诊断结果发送至云端联邦学习模块；其中，高维特征向量包括时域特征、频域特征、时空关联特征、统计特征；对多维传感采集数据提取高维特征向量具体包括：通过同步采集的多维传感采集数据，建立局放事件在三维空间和时间维度上的关联，作为多维数据模型中时空关联特征；具体为： 通过多个超声传感器组成的阵列，计算局放声波到达各传感器的时差，建立双曲面方程组，求解该方程组，得到超声定位点的局放源坐标；红外热像仪检测设备表面温度分布，通过梯度分割定位热点区域，将其投影到三维设备模型上得到红外热点坐标； 当超声定位点与红外热点的欧氏距离不大于预设距离阈值，判定为同一物理事件； 实时获取当前时间，并对多维传感采集模块中所有传感器统一校时，共用统一时间，轮流接通传感器通道；所有数据点均携带统一时钟源赋予的时间戳，实现四通道数据在时间轴上的对齐； 对不同物理信号传播的采集时间进行补偿校准，得到不同多维传感采集模块中不同传感器信号传播补偿校准后的补偿时长； 根据不同传感器采集数据的时间戳以及补偿后的补偿时长，确定不同传感器采集数据的实际时间t，其中，实际时间t为时间戳与补偿后的补偿时长之间的差值； 根据不同传感器采集数据的实际时间计算多维传感采集模块中任意两个传感器之间的协方差值、互信息以及时延互信息； 所述云端联邦学习模块用于接收高维特征向量以及局部放电诊断结果，根据不同本地处理模块的高维特征向量调整更新全局模型中本地处理模块所在终端设备的权重，具体为： ， 其中，为第k个本地处理模块所在终端设备的总权重，为第k个本地处理模块所在终端设备的数据量权重，为第k个本地处理模块所在终端设备的数据质量权重，为第k个本地处理模块所在终端设备的性能权重； 其中，的计算方法为：， 其中，为第k个本地处理模块所在终端设备的数据点数； 其中，的计算方法为：， 其中，b为第b类高维特征向量，B为高维特征向量总数，为第k个本地处理模块所在终端设备上传第b类高维特征向量的数据质量；的确定方式为：， 其中，为第k个本地处理模块所在终端设备上传第b类高维特征向量的信噪比；为第k个本地处理模块所在终端设备上传第b类高维特征向量的相对波动；M为第k个本地处理模块所在终端设备上传第b类高维特征向量与标签rk的互信息；α,β,γ分别为加权系数； 其中，的计算方法为：， 其中，是第k个本地处理模块所在终端设备使用第b类特征单独训练的分类器在验证集上的AUC值，是先对每个本地处理模块所在终端设备k，计算该本地处理模块所在终端设备k对应在高维特征向量总数B下的平均AUC值，然后从所有本地处理模块所在终端设备k对应的多个平均AUC值中选取最大的平均AUC值； 根据本地处理模块所在终端设备在全局模型中的权重对每个本地处理模块上传高维特征向量进行全局模型加权聚合，得到更新后的全局模型。

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山东华科信息技术有限公司;北京华清未来能源技术研究院有限公司;华科因诺(江苏)能源科技有限公司;华科因诺(青岛)能源科技有限公司;华科因诺(海南)能源科技有限公司;华科因诺(天津)能源科技有限公司;华科因诺(北京)数字科技有限公司，其通讯地址为：250101 山东省济南市中国(山东)自由贸易试验区济南片区舜华路879号山东省大数据产业基地B栋22层2201；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。