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！

龙图腾网获悉合肥工业大学;国网安徽省电力有限公司超高压分公司申请的专利基于GIS设备的刀闸状态和三相刀闸动作的同步性检测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：CN116881825B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310793799.3，技术领域涉及：G06F18/2433；该发明授权基于GIS设备的刀闸状态和三相刀闸动作的同步性检测方法是由李奇越;张杨;李帷韬;孙伟;胡坤;汪太平;沈庆;刘翔;马欢设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于GIS设备的刀闸状态和三相刀闸动作的同步性检测方法在说明书摘要公布了：本发明公开了一种基于GIS设备的刀闸状态和三相刀闸动作的同步性检测方法，包括：1、对电流数据进行预处理并划分数据集；2、设计基于带有注意力机制的双层LSTM神经网络和动态时间规整算法的CNN网络；3、构建基于带有注意力机制的双层LSTM神经网络和动态时间规整算法的CNN网络；4、基于带有注意力机制的双层LSTM神经网络和动态时间规整算法的CNN网络得到测试集样本的输出结果。本发明能提供时间序列的多尺度多分辨率分析，动态的捕获数据在时域和频域上的特征，以提高GIS设备刀闸状态及三相刀闸动作同步性的检测精度，从而能满足准确化快速化的实际需求。

本发明授权基于GIS设备的刀闸状态和三相刀闸动作的同步性检测方法在权利要求书中公布了：1.一种基于GIS设备的刀闸状态和三相刀闸动作的同步性检测方法，其特征在于，是按如下步骤进行： 步骤1、构建训练集Ttr； 步骤1.1、采集GIS设备的三相M路的电流数据，并构建三相电流数据集X＝{x1,…,xk,…,xK}，xk表示第k条采样的三相电流数据，且xk＝{xk,1,...,xk,m,...,xk,M}；其中，xk,m表示第k条采样的第m路三相电流数据，且xk,m＝{xk,1,1,...,xk,m,t,…,xk,M,T}，xk,m,t表示第k条中第t个时刻采样的第m路三相电流数据；1≤m≤M，1≤k≤K，1≤t≤T，K表示采样数据的总数；M表示采集总路数；T表示总采样时间； 步骤1.2、构建三相电流数据集X的标签信息集合Y＝{y1,…,yk,…,yK}，其中，yk表示第k条采样的三相电流数据xk的标签值，且yk∈[1,N]，N为状态种类数； 步骤1.3、将带有标签的三相电流数据集P＝X,Y作为训练集Ttr； 步骤2、构建由状态检测支路和同步性检测支路构成的状态同步性检测网络，其中，状态检测支路包括：双层LSTM神经网络层、一层Attention机制层和一层Softmax层；同步性检测支路包括：一层CNN层、一层动态时间规整算法层； 步骤2.1、构建双层LSTM神经网络，包括：浅层LSTM神经网络和深层LSTM神经网络，其中，所述浅层LSTM神经网络包括：浅层遗忘门，浅层输入门，浅层更新单元和浅层输出门，所述深层LSTM神经网络包括：深层遗忘门，深层输入门，深层更新单元和深层输出门； 步骤2.2、构建CNN层，包括：输入层、两层卷积层、两层池化层及输出层； 步骤3、将第m路三相电流数据xk,m,t输入同步性检测网络的状态检测支路中进行处理： 步骤3.1、所述双层LSTM神经网络中浅层LSTM神经网络对第m路三相电流数据xk,m,t进行处理，得到xk,m,t的第t个时间步的浅层状态信息隐藏状态 步骤3.2、所述双层LSTM神经网络中深层LSTM神经网络对浅层状态信息隐藏状态进行处理，得到的第t个时间步的深层状态信息隐藏状态 步骤3.3、所述Attention机制层利用式11-式16对深层状态信息隐藏状态进行处理，得到多分辨率时频特征Sk,m； ek,m＝Qk,mKek,mT14 式11-式16中，Qk,m、Vk,m、Kek,m分别为的查询值、真值和关键值，wQh是查询值线性变换矩阵，wVl是真值线性变换矩阵，wKl是关键值线性变换矩阵，ek,m为的注意力得分，Kek,mT为Kek,m的转置，αk,m为的注意力权值； 步骤3.4、所述多分辨率时频特征Sk,m输入Softmax层中，并利用式17得到三相电流数据xk,m,t对应所有状态的概率值Pxk,m,t∣N； Pxk,m,t|N＝softmaxWp,k,m·Sk,m+bp,k,m17 式17中，WP,k,m和bP,k,m分别表示多分辨率时频特征Sk,m的概率权重矩阵和概率偏差向量；softmax表示激活函数； 步骤3.5、构建状态检测支路的交叉熵损失函数Lyk,m,Pk,m,n，其中，Pk,m,n表示第k条第m路的接地电流数据xk,m的标签值yk预测为第N种状态的概率； 步骤4、状态同步性检测网络中同步性检测支路的处理： 步骤4.1、所述CNN层对第m路三相电流数据xk,m,t进行处理，得到第m路特征向量Dk,m,t； 步骤4.2、所述动态时间规整算法层对第m路特征向量Dk,m,t进行处理，得到三相刀闸动作同步性的时差； 步骤4.3、构建同步性检测支路的交叉熵损失函数Lxk,m,Δk,m，其中，Δk,m表示第k条第m路的接地电流数据xk,m对应的刀闸动作同步性的时差； 步骤5、状态同步性检测网络训练处理： 步骤5.1、构建状态同步性检测网络的损失函数Loss＝ɑLyk,m,Pk,m,n+βLxk,m,Δk,m；其中，ɑ表示Lyk,m,Pk,m,n的权重，β表示Lxk,m,Δk,m的权重，且ɑ+β＝1； 步骤5.2、基于所述训练集Ttr，并利用反向传播和梯度下降法状态同步性检测网络进行训练，计算所述损失函数Loss以更新网络参数，当训练轮次达到最大训练轮次Epoch时，或损失函数Loss达到最小时，停止训练，从而得到训练好的GIS刀闸的操作状态检测网络，用于对所输入的三相M路接地数据集合映射对应状态类别标签，最终输出GIS设备的刀闸状态及三相刀闸动作同步性的时差。

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合肥工业大学;国网安徽省电力有限公司超高压分公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。