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电力股份有限公司申请的专利基于GA-LSTM-GPR的光伏逆变器故障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：CN120046051B 。

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：202510078755.1，技术领域涉及：G06F18/243；该发明授权基于GA-LSTM-GPR的光伏逆变器故障诊断方法是由贺喜;胡俊杰;陈大松;刘修懿;纪方旭;康喆设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本基于GA-LSTM-GPR的光伏逆变器故障诊断方法在说明书摘要公布了：基于GA‑LSTM‑GPR的光伏逆变器故障诊断方法，包括步骤：采集光伏逆变器的故障数据，通过填充缺失值、归一化以及标准化对其进行预处理；采用皮尔逊相关系数和斯皮尔曼相关系数分析故障数据中特征之间的相关性，并基于随机森林RF建立递归特征消除RFE方法提取重要特征；通过增加一个注意力层对传统LSTM网络进行改进，并采用遗传算法GA优化注意力权重，提高了模型的整体性能和预测准确性；在GA‑LSTM模型第一次预测结果的基础上，结合高斯过程回归GPR构建光伏逆变器的故障诊断模型。本发明所提光伏逆变器故障诊断方法，不仅能够捕捉特征数据之间的复杂非线性动态关系，还通过综合点预测、区间预测和概率预测，量化不确定性，了解预测结果的分布情况，进而提供更全面和可靠的故障诊断信息。

本发明授权基于GA-LSTM-GPR的光伏逆变器故障诊断方法在权利要求书中公布了：1.基于GA-LSTM-GPR的光伏逆变器故障诊断方法，其特征在于包括以下步骤： 步骤1：采集光伏逆变器的故障数据，通过填充缺失值、归一化以及标准化对其进行预处理； 步骤2：采用皮尔逊相关系数和斯皮尔曼相关系数分析故障数据中特征之间的相关性，并基于随机森林RF建立递归特征消除RFE方法提取重要特征； 步骤3：通过增加一个注意力层对LSTM网络进行改进，并采用遗传算法GA优化注意力权重； 步骤4：在GA-LSTM模型第一次预测结果的基础上，结合高斯过程回归GPR构建光伏逆变器的故障诊断模型； 所述步骤4包括： 1构建高斯过程回归GPR模型： 高斯过程定义为： ； 其中，表示目标函数；表示均值函数，是描述不同样本之间相似度或相关性的协方差函数；表示高斯过程； 构建一个带有噪声的回归模型： ； 其中，是观测值，是底层函数；噪声假设为零均值、方差为的高斯分布，，表示均值为零，方差为； 在高斯过程建模中，将数据表示为多元高斯分布的样本，从而可以得到观测值的先验分布以及观测值与预测值的联合先验分布； ； ； 其中，是对称正定的协方差矩阵；和分别是测试集和训练集之间的协方差矩阵；是测试集本身的协方差矩阵；是维单位矩阵；表示训练集的协方差矩阵，与等价；表示测试集本身的协方差矩阵，与等价； 协方差矩阵定义为： ； 表示和之间的相关性；分别表示输入数据点； 平方指数协方差函数表达式如下： ； 其中，表示核函数，衡量输入数据点和之间的相似性；和分别表示不同的输入数据点；和为超参数，表示允许的最大协方差幅度，是长度尺度参数； 预测值的后验分布为： ； 其中，表示预测值y的均值；表示标准差；表示y的概率分布是一个正态分布； 高斯分布的均值和方差分别表示为： ； 因此，预测分布的均值被用作点预测； 区间预测能够使用预测均值和方差进行计算；根据高斯分布的性质，对应95%置信水平的区间预测结果为： ； 第个预测值的概率密度函数如下： ； 其中，表示预测值的不确定性分布；表示第t个点的预测标准差；表示第t个点的预测值；表示第t个点的预测均值； 2构建GA-LSTM-GPR混合模型： 将遗传算法GA优化后的LSTM网络和高斯过程回归GPR结合，形成混合预测模型；混合预测模型的实现包括如下步骤： S4.1:基于LSTM网络的初步预测： 使用训练好的LSTM网络模型对光伏逆变器的特征数据进行初步预测，得到每个时间步的预测值； S4.2:残差计算： 计算预测值与实际观测值之间的残差； S4.3:基于高斯过程回归GPR的二次预测： 将LSTM网络的预测残差作为高斯过程回归GPR模型的输入，结合实际观测值进行二次预测，得到残差的预测分布； S4.4:故障诊断： 通过高斯过程回归GPR模型的点预测、区间预测和概率预测，分析残差的显著性；如果实际残差超出预测区间的置信范围，判断光伏逆变器是否存在故障。

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电力股份有限公司，其通讯地址为：430014 湖北省武汉市江岸区三阳路88号三阳中心；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。