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！

龙图腾网获悉国网吉林省电力有限公司电力科学研究院;吉林省电力科学研究院有限公司;北京交通大学;国网吉林省电力有限公司;国网吉林省电力有限公司长春供电公司申请的专利基于分解降噪和新型卷积神经网络的故障测距方法和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：CN119247024B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202411223548.2，技术领域涉及：G01R31/08；该发明授权基于分解降噪和新型卷积神经网络的故障测距方法和系统是由李成钢;刘亚东;侍哲;张大海;于非桐;刘乃毓;董洪达;王伟;李泽阳;吴奎忠;李生珠;张浩;石锦韬;罗国敏设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本基于分解降噪和新型卷积神经网络的故障测距方法和系统在说明书摘要公布了：本发明公开的基于分解降噪和新型卷积神经网络的故障测距方法和系统，属于电力系统技术领域，方法包括采集线路三相电流信号作为原始电流信号；对采集的原始电流信号进行分解降噪处理；计算各个IMF分量的熵值并将熵值大于阈值的IMF分量筛除，其余IMF分量进行重构，得到去噪后的信号；用格拉姆角场算法将去噪后信号转换为二维特征图像，并对得到的二维特征图像进行数据增强处理；将生成的二维特征图像数据集输入到新型卷积神经网络模型中，得到测距结果。系统包括计算机可读存储介质和处理器，处理器用于读取计算机可读存储介质中存储的可执行指令执行上述方法的步骤。本发明结合降噪方法和新型卷积神经网络提高故障测距的准确性和可靠性。

本发明授权基于分解降噪和新型卷积神经网络的故障测距方法和系统在权利要求书中公布了：1.基于分解降噪和新型卷积神经网络的故障测距方法，其特征在于，包括： 步骤1：按照设定的采样频率，采集线路三相电流信号，作为原始电流信号； 步骤2：采用ICEEMDAN算法对采集到的原始电流信号进行分解降噪处理，得到K个IMF分量； 步骤3：计算各个IMF分量的熵值，并将熵值大于阈值的IMF分量筛除，其余IMF分量进行重构，得到去噪后的信号； 步骤4：用格拉姆角场算法将去噪后信号转换为二维特征图像，并对得到的二维特征图像进行数据增强，生成二维特征图像数据集； 步骤5：将生成的二维特征图像数据集输入到新型卷积神经网络模型中，得到测距结果，至此完成故障测距； 所述新型卷积神经网络模型包括： 1初始卷积层 原始图像输入初始卷积层，经过该层后进行尺寸的缩减和通道的扩展； 2阶段结构 ConvNeXt的结构通常分为4个阶段，每个阶段包含若干个ConvNeXtBlock，每个阶段用于提取特定尺度的特征，在每个阶段开始时，通过池化或卷积操作使得特征图的分辨率下降，而通道数增加； 在进入每个新阶段之前，输入特征图先通过一个下采样操作，以减小分辨率；然后，特征图依次通过多个ConvNeXtBlock进行处理，通道数在每个阶段保持不变；在每个阶段结束时，输出的特征图被传递到下一个阶段； 3分类层，将阶段结构最后一个阶段输出的特征图展平后，输入到一个全连接层，输出类别概率；最后一个阶段的输出特征图被全局池化为一个固定大小的向量，然后通过全连接层或线性层，输出最终的分类结果； 其中ConvNeXtBlock包括： 深度卷积层，执行一个深度卷积操作，将输入特征图中的每个通道独立地进行卷积计算；在该层中，输入特征图被分成多个通道，每个通道分别进行卷积，输出与输入具有相同的通道数； 点卷积层，紧接在深度卷积后执行，负责线性组合不同通道的信息；在该层中，经过深度卷积后的特征图，所有通道被线性组合生成新的通道； 归一化层，对特征图的每一层进行归一化操作，该层中的特征图的每个通道都进行标准化处理，使得输出均值为0，方差为1； GELU激活函数，经过激活函数处理后，输出的特征保留了原始特征的非线性信息； 随机丢弃路径DropPath，在训练时随机丢弃一些路径，以增加模型的泛化能力。

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国网吉林省电力有限公司电力科学研究院;吉林省电力科学研究院有限公司;北京交通大学;国网吉林省电力有限公司;国网吉林省电力有限公司长春供电公司，其通讯地址为：130021 吉林省长春市朝阳区人民大街4433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。