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！

龙图腾网恭喜西安理工大学申请的专利计及时变拓扑时基于深度学习的电压暂降源定位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：CN114545147B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202210025828.7，技术领域涉及：G01R31/08；该发明授权计及时变拓扑时基于深度学习的电压暂降源定位方法是由邓亚平;贾颢;同向前;王璐设计研发完成，并于2022-01-11向国家知识产权局提交的专利申请。

本计及时变拓扑时基于深度学习的电压暂降源定位方法在说明书摘要公布了：本发明公开了一种计及时变拓扑时基于深度学习的电压暂降源定位方法，本发明解决现有方法在面对时变电网拓扑结构时，模型不可用、自适应性差、定位准确率低、算法泛化性能差的问题。通过采用基于1D卷积深度学习模型和迁移学习结合，对电能质量监测设备所采集到的有限个监测节点所对应的三相监测电压进行分析后，获得配电网中具体的电压暂降源所在线路。提高模型在拓扑变化时电压暂降源定位准确率，提高模型自适应能力和泛化性能。

本发明授权计及时变拓扑时基于深度学习的电压暂降源定位方法在权利要求书中公布了：1.计及时变拓扑时基于深度学习的电压暂降源定位方法，其特征在于：具体包括如下步骤：步骤1，采集不同运行工况下的母线电压数据，将该数据作为基础电网拓扑结构对应的样本数据；步骤2，计算经步骤1采集到样本数据的电压均方根值，若该电压均方根值下降为额定值的90%～10%，则将该电压均方值对应的样本数据构成一组电压暂降数据样本；否则将该样本数据从经步骤1采集到的样本数据中踢除，获得预处理后的监测电压数据；步骤3，对步骤2得到的数据进行样本标注，每一个样本的输入数据为步骤2中预处理后的监测节点三相电压幅值数据，输出数据为配电网中具体的电压暂降源所在线路序列；步骤4，将经步骤3标注后的样本数据进行随机划分，其中80%作为训练样本数据集，剩余20%作为测试样本数据集；步骤5，搭建1D卷积深度学习模型作为基础模型；步骤6，利用步骤4中的训练样本数据集去训练步骤5中搭建的模型，使用反向传播算法进行参数更新，使用Adam优化器来进行训练，损失函数为交叉墒损失函数，得到训练后的基础模型最优神经网络参数；步骤7，利用步骤4中的测试样本数据集对步骤6完成训练后所得到的模型进行测试，若未出现过拟合现象，则将该模型作为最后基础模型；否则，重新利用步骤4中的测试样本数据集对步骤6完成训练后所得到的模型进行测试，直至未出现过拟合现象；步骤8，与步骤1中的基础电网拓扑相比较，一旦当基础电网拓扑在运行过程中因故障导致某一条或者多条支路发生变化，导致电网拓扑结构发生变化，冻结步骤6中含最优神经网络参数基础模型中的卷积层部分的权重值和参数值，全连接层不冻结；步骤9，针对变化后的电网拓扑结构，利用步骤1中所述方法生成此时的样本数据，并按照步骤2的方法对该样本数据进行预处理后，按照步骤3的方法进行样本标注；步骤10，按照步骤4的方法对步骤9中的样本数据进行训练集和测试集的划分；步骤11，利用步骤10中的训练集，重新训练步骤8中其余未冻结部分的网络参数，获得在变化后电网拓扑结构时，所对应的1D卷积深度学习模型最优网络参数；步骤12，利用步骤10中的测试样本数据集对步骤11完成训练后所得到的模型进行测试，若未出现过拟合现象，则将其部署到实际电网中，否则，重新利用步骤10中的测试样本数据集对步骤11完成训练后所得到的模型进行测试，直至未出现过拟合现象；步骤13：将训练后所得到的最优模型部署到实际电网中，输入为实际监测到的全新数据，输出为电压暂降源定位结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。