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！

龙图腾网获悉国网福建省电力有限公司光泽县供电公司;国网福建省电力有限公司南平供电公司;国网福建省电力有限公司申请的专利一种基于图神经网络的变压器故障在线诊断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：CN115470846B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211086665.X，技术领域涉及：G06F18/2415；该发明授权一种基于图神经网络的变压器故障在线诊断方法是由吴桂钊;张美怡;林福钦;张杰鑫设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种基于图神经网络的变压器故障在线诊断方法在说明书摘要公布了：本发明涉及一种基于图神经网络的变压器故障在线诊断方法。通过对变压器典型故障进行机理分析获得能够全面表征该故障的特征参量，然后将所有特征参量构建成一个图网络，并完成所有参量数据的融合处理。图网络建立后不断训练各参量的动态权重，然后选择中心节点进行节点聚合并构建各个节点的邻接矩阵，从外层逐步对中心节点进行聚合，最后输出变压器某一故障发生的概率，图网络的构建需要不断训练权重。本发明能够利用多源融合的数据建立简单的图网络进行变压器故障的诊断，解决了样本量大导致数据收集困难、数据类型单一导致诊断准确率不高的痛点问题，此外还结合现场实际运行工况下故障之间的关联性问题，同时输出多种故障可能发生的概率。

本发明授权一种基于图神经网络的变压器故障在线诊断方法在权利要求书中公布了：1.一种基于图神经网络的变压器故障在线诊断方法，其特征在于，通过对变压器典型故障进行机理分析获得能够全面表征相应变压器典型故障的特征参量，然后将所有特征参量构建成一个图网络，图网络建立后不断训练各特征参量的动态权重，然后选择中心节点进行节点聚合并构建各个节点的邻接矩阵，从外层逐步对中心节点进行聚合，最后输出变压器某一故障发生的概率；通过对变压器典型故障进行机理分析获得能够全面表征相应变压器典型故障的特征参量的方式为：根据变压器典型故障的机理及现场变压器故障时的实时监测数据，梳理出不同变压器典型故障的特征参量，包括：结构化数据、非结构化数据、半结构化数据，而后对结构化数据、非结构化数据、半结构化数据做融合处理，建立变压器典型故障的特征参量诊断模型；将所有特征参量构建成一个图网络，图网络建立后不断训练各特征参量的动态权重的方式为：将能够表征相应变压器典型故障的特征参量构建为一个图网络，并通过某一故障数据来输出各种变压器典型故障的概率，以不断调整适应于当前图网络的权重；具体如下： 假设两种变压器典型故障分别为变压器压力释放阀动作、变压器轻瓦斯动作；设Y0为正常状态的概率，Y1为变压器压力释放阀动作的概率，Y2为变压器轻瓦斯动作的概率；X0为正常状态下各个特征参量的总分数，X1为变压器压力释放阀动作下各个特征参量的总分数，X2为变压器轻瓦斯动作下各个特征参量的总分数；则有： 其中，x0i是正常状态下各特征参量的实时数据，w0i是相应各特征参量对应的动态权重；x1i是变压器压力释放阀动作下各特征参量的故障数据，w1i是相应各特征参量对应的动态权重；x2i是变压器轻瓦斯动作下各特征参量的故障数据，w2i是相应各特征参量对应的动态权重，i是相应变压器典型故障下的第i个特征参量； 训练图网络的权重动态调整是根据现场变压器压力释放阀动作的故障数据进行结果输出，输出目标要求保证不断训练后满足此时Y1Y2Y0；训练过程权重的动态调整根据反向传播进行，如下式所示，需要对变压器压力释放阀动作下的各个特征参量进行求导获得各个特征参量对应图网络下的动态权重，并循环训练以保证变压器压力释放阀动作下故障数据输出的Y1最大： 动态调整权重过程中采用反向传播方式，则有 上式中n为逼近值，当输入的是变压器压力释放阀动作下的故障数据时，n取1，否则取0，此处设变压器压力释放阀动作下的故障数据输入，因此n＝1；为求解动态权重值，需要对上式进行Y1对w1i求导，则有 因此动态权重w′1i取值为 w1i是变压器压力释放阀动作下各特征参量的权重，这里初始化权重是根据阈值数据和正常数据对比下进行人为给定权重；w′1i是变压器压力释放阀动作下各特征参量的动态权重，η是常数，循环训练过程中权重会不断更新以满足输出所有故障的概率值是Y1最大。

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福建省电力有限公司光泽县供电公司;国网福建省电力有限公司南平供电公司;国网福建省电力有限公司，其通讯地址为：354100 福建省南平市光泽县光明大道70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。