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！

龙图腾网获悉中国长江三峡集团有限公司申请的专利水轮发电机组异常状态检测方法、装置及计算机设备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：CN119046837B 。

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：202411143839.0，技术领域涉及：G06F18/2433；该发明授权水轮发电机组异常状态检测方法、装置及计算机设备是由梅杰;王宇庭;金和平;刘洁;陈智迪;邝家月;陈鹏;李佳霖;任家朋设计研发完成，并于2024-08-20向国家知识产权局提交的专利申请。

本水轮发电机组异常状态检测方法、装置及计算机设备在说明书摘要公布了：本发明涉及水电技术领域，公开了水轮发电机组异常状态检测方法、装置及计算机设备，其中，该方法包括：获取水轮发电机组当前的特征数据，特征数据包括机组工况参数和稳定性监测参数；将特征数据输入至预先训练的异常状态检测模型中，得到特征数据的映射特征；计算映射特征到单类中心的距离，单类中心是根据水轮发电机组处于正常运转状态时采集的正样本数据确定的；若距离小于预设阈值，判定水轮发电机组处于正常状态。本发明在对水轮机发电机组的异常状态进行检测时，考虑到不同的工况对水轮机发电机组的运行状态所带来的影响，从而能够对水轮机发电机组的异常状态进行准确检测。

本发明授权水轮发电机组异常状态检测方法、装置及计算机设备在权利要求书中公布了：1.一种水轮发电机组异常状态检测方法，其特征在于，所述方法包括： 获取水轮发电机组当前的特征数据，特征数据包括机组工况参数和稳定性监测参数； 将所述特征数据输入至预先训练的异常状态检测模型中，得到所述特征数据的映射特征； 计算所述映射特征到单类中心的距离，所述单类中心是根据所述水轮发电机组处于正常运转状态时采集的正样本数据确定的； 若所述距离小于预设阈值，判定所述水轮发电机组处于正常状态； 所述异常状态检测模型包括编码器和映射网络， 所述编码器用于对所述特征数据进行映射，得到初始多维特征，并将所述初始多维特征发送至所述映射网络； 所述映射网络用于对所述初始多维特征进行二次映射，得到所述映射特征； 训练所述异常状态检测模型的步骤包括： 获取水轮发电机组在不同时间节点的训练特征数据； 根据所述水轮发电机组在不同时间节点的训练特征数据构建多组样本数据； 利用所述多组样本数据建立正样本数据和负样本数据； 利用所述正样本数据对初始编码器进行训练，得到所述编码器； 利用所述编码器、正样本数据和负样本数据，对初始映射网络进行训练，得到所述映射网络； 所述利用所述正样本数据对初始编码器进行训练，得到所述编码器，包括： 保持各所述样本数据中的机组工况参数不变，按照预设概率将所述样本数据中的稳定性参数随机置0，得到增强样本数据； 利用初始编码器将所述增强样本数据映射为第一多维特征； 利用解码器网络，将所述第一多维特征重构为原始样本； 将各所述样本数据及其对应的原始样本分别输入至第一损失函数中，得到第一损失值； 若所述第一损失值的和不满足第一预设条件，对所述初始编码器和所述解码器网络的参数进行优化，返回所述利用初始编码器将所述增强样本数据映射为第一多维特征的步骤，直至所述第一损失值满足所述第一预设条件，得到所述编码器； 所述利用所述编码器、正样本数据和负样本数据，对初始映射网络进行训练，得到所述映射网络，包括： 利用所述编码器分别将所述正样本数据和所述负样本数据映射为第二多维特征和第三多维特征； 利用初始映射网络分别将所述第二多维特征和所述第三多维特征映射为第四多维特征和第五多维特征； 利用所述第四多维特征和所述单类中心的距离计算所述初始映射网络的第二损失值； 利用所述第五多维特征、所述单类中心和所述单类中心的超球体的预设半径，计算所述初始映射网络的第三损失值； 若所述第二损失值和所述第三损失值的和不满足第二预设条件，对所述初始映射网络的参数进行优化，返回所述利用所述编码器分别将所述正样本数据和所述负样本数据映射为第二多维特征和第三多维特征的步骤，直至所述第二损失值和所述第三损失值的和满足所述第二预设条件，得到所述映射网络。

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中国长江三峡集团有限公司，其通讯地址为：430010 湖北省武汉市江岸区六合路1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。