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！

龙图腾网获悉广州广高高压电器有限公司申请的专利一种基于人工智能的变压器智能监测方法及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：CN121091006B 。

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：202511538963.1，技术领域涉及：G01R31/12；该发明授权一种基于人工智能的变压器智能监测方法及系统是由刘慈耿;刘慈达;刘贤文;刘慈堃;刘慈洁;邓美华;宋范;苏红元;杨威;丁钰洁;吴彩惜;林巧蓉设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于人工智能的变压器智能监测方法及系统在说明书摘要公布了：本发明提供一种基于人工智能的变压器智能监测方法及系统，所述方法包括：实时采集变压器运行过程中的多维度数据；基于注意力机制结合图神经网络算法，利用多维度数据建立跨维度关联模型；基于跨维度关联模型输出的融合数据进行故障趋势分析，预测未来一段时间的故障变化趋势，并生成故障预测结果；采用数据孪生技术构建设备数字镜像，通过实时监测数据驱动磁场、电场、温度场耦合仿真模拟故障发展的物理过程，结合故障预测结果进行虚实联动预警；通过人工智能技术与变压器局部放电监测的深度融合，实现了局部放电故障的精准识别与发展趋势预测，即使在小样本条件下仍然能够进行精准的故障识别，显著提升了电力设备运行的安全性和可靠性。

本发明授权一种基于人工智能的变压器智能监测方法及系统在权利要求书中公布了：1.一种基于人工智能的变压器智能监测方法，其特征在于，包括以下步骤： S1：利用抗电磁干扰的采集设备实时采集变压器运行过程中的多维度数据并对其进行预处理，所述多维度数据包括核心放电信号和辅助运行特征； S2：基于双重注意力机制结合图神经网络算法，利用多维度数据建立跨维度关联模型，输出得到跨维度融合特征与预测结果； 所述步骤S2包括以下步骤： S21：对预处理后的数据进行模态划分与数据对齐，所述模态包括电气模态、油液模态、物理-温度模态和物理-振动模态； S22：通过专属编码器对多模态特征分别进行编码，将其映射至统一特征空间，消除维度与语义差异； S23：通过特征级注意力机制对不同模态特征自动分配权重，以突出核心故障特征； S24：基于图神经网络构建模态关联图，通过GAT学习边的动态权重，实现模态节点的聚合与更新； S25：基于模态级注意力机制动态调整模态贡献权重，最终输出跨维度关联特征向量； S26：通过联合损失函数与正则化策略，训练模型学习最优的注意力权重与GNN参数，模型最终输出跨维度融合特征与预测结果； S3：基于跨维度关联模型输出的融合数据进行故障趋势分析，预测未来一段时间的故障变化趋势，并生成故障预测结果； 所述步骤S3包括以下步骤： S31：对跨维度关联模型输出的融合数据进行时序数据切片和数据完整性校验； S32：通过特征增强模块强化与故障相关的融合特征，提升时序特征表达能力； S33：采用双向长短期记忆网络对增强后的时序特征进行编码，提取过去24小时内的时序趋势与上下文关联信息； S34：通过时间注意力机制聚焦影响未来趋势的关键时间点，结合LSTM解码器生成未来48小时的故障趋势预测结果； S35：对解码器输出的原始预测序列进行平滑、分析与格式化，生成最终故障预测结果； S4：根据变压器设计图纸与三维扫描数据，采用数据孪生技术构建设备数字镜像，通过实时监测数据驱动磁场、电场、温度场耦合仿真模拟故障发展的物理过程，结合故障预测结果进行虚实联动预警并生成故障监测报告； 所述步骤S4包括以下步骤： S41：获取变压器的理论参数与三维扫描的实际数据，构建变压器数字镜像并为数字模型中的各部件赋予物理属性，结合传感器位置建立传感器与模型部件的关联； S42：基于变压器实时运行参数初始化磁场、电场、温度场耦合仿真环境，并动态更新仿真参数，自动计算磁场、电场、温度场的分布变化及相互耦合关系，模拟故障发展的物理过程； S43：将步骤S3输出的故障预测结果与数字孪生体的实时仿真状态进行融合，在数字模型中标记预测的故障发展路径与关键节点，划分预警等级并采用多维度预警触发机制； S44：根据故障分析结合设备全生命周期数据，自动生成结构化监测报告，同步推送至运维管理平台、运维人员移动终端，并触发对应等级预警。

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广州广高高压电器有限公司，其通讯地址为：510765 广东省广州市黄埔区云埔工业区云埔一路15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。