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！

龙图腾网恭喜福州职业技术学院申请的专利一种电力系统故障后发电机转子角度预测模型的预测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：CN119692210B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510207406.5，技术领域涉及：G06F30/27；该发明授权一种电力系统故障后发电机转子角度预测模型的预测方法是由周晓燕;杨君;陈坚;刘思锶设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种电力系统故障后发电机转子角度预测模型的预测方法在说明书摘要公布了：本发明涉及电力系统技术领域，具体是一种电力系统故障后发电机转子角度预测模型的预测方法，所述方法为：通过仿真获得大量的训练样本，提取单台发电机的特征量作为原始数据；通过发电机转子角度预测模型以L个时刻转子角度特征作为输入，得到发电机转子角度预测模型的输出公式；最小化每一层的转子角度的预测值和真实值之间的距离，获取特定时刻的转子角度数据；对不同时间点的误差赋予不同的权重，用马氏距离来衡量预测值与真实值之间的距离；对所述预测模型在时间维度上进行离散化处理；本发明能够准确预测故障后发电机转子角度，缓解了对输入数据的依赖性，也能保证预测结果的准确性，为电力系统的稳定运行提供了有力的技术支持。

本发明授权一种电力系统故障后发电机转子角度预测模型的预测方法在权利要求书中公布了：1.一种电力系统故障后发电机转子角度预测模型的预测方法，其特征在于，所述预测方法包括如下步骤：步骤1：通过仿真获得大量的训练样本，提取单台发电机的特征量作为原始数据；步骤2：通过多层感知机构建利普希茨连续深度神经网络转子角度预测模型，所述利普希茨连续深度神经网络转子角度预测模型以L个时刻转子角度特征作为输入，输出下一时刻的转子角度，即转子角度的预测值；步骤3：最小化每一层的预测值和真实值之间的距离，拟合特定时刻的转子角度数据；步骤4：对不同时间点的误差赋予不同的权重，用马氏距离来衡量预测值与真实值之间的距离；步骤5：对所述利普希茨连续深度神经网络转子角度预测模型在时间维度上进行离散化处理，将转子运动方程融入利普希茨连续深度神经网络转子角度预测模型；步骤3具体为：第i层输出对应第i时刻转子角度，通过最小化vix与第i时刻真实转子角度值δi的距离实现，如下式所示： 其中，argmin是使第i时刻真实转子角度值的距离Svix,δi达到最小值时x的取值，θ为模型可训练的参数，vix是预测模型的第i层输出值，是第i层的转子角度的预测值；vix与第i时刻真实转子角度值的距离Svix,δi的表达式如下： 其中，N为样本个数；步骤4具体为：对于不同层的损失，赋予不同的权重，通过下式5获取不同层的权重值： 其中，为第i层的权重，Δωi表示为第i时刻真实角速度偏差，L为模型层数，i为当前的层数；对获取的权重值进行归一化，公式如下： 其中，为第j层的权重，wi为归一化后第i层的权重；对于转子角度预测值和转子角度真实值δ＝{δ1，δ2，δ3，δ4，…δn}的协方差矩阵C如下式所示： 因此，真实值和预测值之间的协方差Cij用如下式8所示： 其中，表示第i层转子角度预测值，δj表示第j时刻转子角度真实值，E[·]代表期望值，i,j＝1,2,3…n，表示的是转子角度的预测值与其期望值之差，以及转子角度的真实值与其期望值之差的乘积的期望值；转子角度预测值和转子角度真实值之间的距离使用马哈拉诺比斯距离衡量,如下式9： 因此，数据损失项Lmse如下式10所示： 步骤5具体为：将每次预测过程离散化，分为L个预测周期，采样周期为Δt，对长度为L的转子角度数据进行滚动输入，预测L+1时刻转子角度；该预测模型内部前一时刻转子角度输出和后一时刻转子角度输出满足发电机转子运动方程离散化的形式，如下式11所示： 其中，Wi+1、Wi和bi+1、bi分别是模型第i+1层和第i层的权重和偏置；ωi是i时刻的发电机真实角速度，vix和vi-1x分别是第i时刻和第i-1时刻的预测模型输出值。

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福州职业技术学院，其通讯地址为：350108 福建省福州市闽侯县上街镇福州大学城联榕路8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”。