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！

龙图腾网获悉江苏建筑职业技术学院申请的专利一种输电线路异常检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：CN121502238B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610037439.4，技术领域涉及：G06F18/20；该发明授权一种输电线路异常检测方法及系统是由王玉颖;杜爱红设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本一种输电线路异常检测方法及系统在说明书摘要公布了：本发明公开了一种输电线路异常检测方法及系统，内容包括数据采集、多尺度时序特征工程、训练集构建、训练异常检测模型和告警决策。本发明涉及输电安全管理技术领域，具体是指一种输电线路异常检测方法及系统，本方案采用拓扑加权的互相关时间对齐与多尺度窗特征提取，并以历史分位数归一化，提高跨节点一致性与瞬态保留，增强短时故障敏感性并降低误报；融合事件、继电保护与人工确认生成软标签，利用条件变分自编码器合成稀有故障样本并按置信度加权训练，提升少样本识别与鲁棒性；构建联合判别、重构与预测框架，综合多维误差进行异常评分与分级告警，提升了检测灵敏度、早期预警与故障定位能力。

本发明授权一种输电线路异常检测方法及系统在权利要求书中公布了：1.一种输电线路异常检测方法，其特征在于，该方法包括以下步骤： 步骤S1：数据采集，将输电线路设置为N个节点，对每个节点周期性采集输电数据； 步骤S2：多尺度时序特征工程，对节点数据先进行时间对齐，采用基于时间戳校正和邻域互相关峰值自适应搜索的对齐策略生成统一的重采样序列，随后计算时域和频域特征，并将各尺度特征并联形成多尺度特征向量，最后对每个特征向量做分位数归一化，获得置信区间量度； 步骤S21：时间对齐，对节点数据做时间对齐，采用基于时间戳校正与局部互相关最大值自适应对齐策略，在边缘实现低复杂度互相关峰值搜索并输出统一的重采样序列，表示如下： ； 其中，表示对齐并重采样之后的时间序列数据，表示节点n在时刻的原始数据，表示重采样，把时间序列数据下采样到采样周期，表示时间偏移量，在候选时间偏移量集合中选取最优值对齐相邻节点序列，表示互相关置信度值，衡量将节点n的序列按偏移对齐时，与邻接节点集合序列的整体相似度，值越大表示对齐效果越好；m表示相邻节点的索引，表示节点拓扑邻接矩阵条目，若节点n与m存在直接导电拓扑连接，则，否则表示向量内积运算；表示与节点n相邻的所有节点的集合； 步骤S3：训练集构建，生成每个样本的软标签置信度，并使用条件变分自编码器合成样本，最终构建包含样本特征与标签的训练集； 步骤S4：训练异常检测模型，构建联合模型，模型包含编码器、判别头、预测头和解码器，训练时按样本权重加权最小化判别损失、重构损失及预测损失并对重构和预测误差按置信区间自适应归一化，训练优化使用自适应优化器； 步骤S41：设计模型框架，将归一化多尺度特征向量作为模型输入，模型由三部分组成：第一部分是编码器，采用3层，编码器将输入映射到潜在表示；第二部分是判别头，采用两层感知器，判别头给出节点异常置信度预测；第三部分是预测头，预测头包括两个分支，分别是重构分支和时序预测分支；其中，重构分支进行输入重构用于检测异常，采用镜像编码器结构；时序预测分支采用单层，基于历史个时间步的潜在表示预测短期未来潜变量，并反解为特征空间；模型总体参数为； 步骤S42：构建损失函数，对训练集按样本权重进行加权训练，表示如下： ； 其中，表示判别损失，表示重构损失，分母引入了置信区间宽度作为自适应归一因子，表示L2范数的平方，表示去零因子，表示时序预测损失，、和表示损失融合系数；全部项均按样本权重加权，优化使用带动量的自适应优化器； 步骤S43：推理输出，对每个节点n与时刻t推理得到：判别置信度、重构误差、预测误差和潜变量表示； 步骤S5：告警决策，计算综合异常分数，将告警分级，触发告警时生成并下发包含触发节点、触发时间与综合异常分数的诊断包。

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江苏建筑职业技术学院，其通讯地址为：221116 江苏省徐州市铜山区学苑路26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。