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！

申请/专利权人：国网黑龙江省电力有限公司伊春供电公司;哈尔滨工业大学;国家电网有限公司

摘要：基于双向长短期记忆网络的输电线路舞动参数估计方法，属于信号处理技术领域。解决了传统基于双向长短期记忆网络实现的输电线路舞动参数估计方法，存在依赖视频进行舞动参数的识别，视频受气象条件和活动物体干扰导致参数预测准确度低，以及仅使用时域数据难以充分表征线路舞动的动态过程，从而导致预测精度较低的问题。本发明基于Bi‑LSTM网络，对IMU实时运行的时域数据及其对应的频域数据进行特征提取，通过结合时域和频域数据，显著增强网络的拟合能力，全面表征舞动过程，对输电线路的舞动幅值、频率进行准确估计。本发明主要用于估计输电线路舞动频率和幅值。

主权项：1.基于双向长短期记忆网络的输电线路舞动参数估计方法，其特征在于，该方法包括如下步骤：步骤1、通过Matlab软件中的运动生成模块在不同舞动模式对设置在输电线路上IMU传感器进行舞动仿真，实现IMU传感器舞动数据采集与数据集构建；仿真过程中各采样时刻下IMU传感器采集M种类别状态数据所形成的一组时域数据，并对该组时域数据进行傅利叶变换，得到该采样时刻下的一组频域数据；每N个连续采样时刻下的舞动幅值和舞动频率相同，且将每N个连续采样时刻下得到N组时域数据、N组频域数据、以及该N个连续采样时刻下所对应的舞动幅值和舞动频率作为一个训练样本，形成数据集；步骤2、将每个训练样本中的按时间顺序排列的N组时域数据、以及按时间顺序排列的N组频域数据均作为模型输入数据，每个训练样本中的舞动幅值和舞动频率均作为模型输出数据，并结合构建的时频域混合损失函数对Bi-LSTM网络模型进行训练，得到训练后的Bi-LSTM网络模型；步骤3、将当前采样时段N个连续采样时刻下得到N组时域数据，每组时域数据对应一个采样时刻下的M种类别状态数据；将N组时域数据输入至训练后的Bi-LSTM网络模型，同时，还将N组时域数据进行时频变换，得到的N组频域数据输入至训练后的Bi-LSTM网络模型进行参数预测，训练后的Bi-LSTM网络模型输出当前采样时段所对应的舞动幅值和舞动频率，完成舞动参数估计。

全文数据：

权利要求：

百度查询： 国网黑龙江省电力有限公司伊春供电公司 哈尔滨工业大学 国家电网有限公司 基于双向长短期记忆网络的输电线路舞动参数估计方法