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：呼和浩特市奥祥电力自动化有限公司

摘要：本发明涉及电力系统技术领域，尤其涉及智能变电站的网络报文分析诊断方法与系统。内容包括：采集变电站网络中的报文数据，对报文数据进行去噪和归一化处理；通过多尺度傅里叶‑小波变换提取归一化后的数据的时频特征，采用时空卷积递归神经网络对时频特征进行建模，捕捉时频特征的空间和时间特征；将空间和时间特征输入改进的混合高斯‑马尔可夫随机场模型，优化故障诊断概率分布，得到诊断结果，生成故障诊断报告。解决了现有技术无法全面捕捉数据的全局和局部特征、无法同时捕捉时频特征的空间和时间特征、无法有效处理复杂的故障类型和关联性，以及无法提供及时、准确的故障诊断和报警信息的技术问题。

主权项：1.智能变电站的网络报文分析诊断方法，其特征在于，包括以下步骤：S1、采集变电站网络中的报文数据，采用改进的双边滤波器，基于空间邻域和像素值相似度，对报文数据进行去噪和归一化处理；通过多尺度傅里叶-小波变换提取归一化后的数据的时频特征，多尺度傅里叶-小波变换通过在不同的尺度上同时进行傅里叶变换和小波变换，捕捉全局和局部特征；公式如下： ，其中，为傅里叶-小波变换结果，即时频特征；为归一化后的数据；为母小波函数；表示母小波函数的复共轭；为尺度因子；是时间；是频率；是时间的积分变量；表示虚部；采用时空卷积递归神经网络对时频特征进行建模，时空卷积递归神经网络利用卷积层提取空间特征，公式如下： ，其中，为第层卷积后的特征图；为第个卷积核；表示卷积操作；为激活函数；是卷积核的数量；为第个卷积核的偏置项；利用递归层建模时间特征，公式如下： ，其中，为第层在时间递归后的隐藏状态；为递归层权重矩阵；为第层池化后的特征图；为递归层隐藏状态的权重矩阵；为偏置项；为第层在时间递归后的隐藏状态；S2、将空间和时间特征输入改进的混合高斯-马尔可夫随机场模型，改进的混合高斯-马尔可夫随机场模型首先使用高斯混合模型对空间和时间特征进行初步建模，然后通过马尔可夫随机场引入空间关联性；马尔可夫随机场通过定义在节点和边上的势函数来描述变量之间的依赖关系，公式如下： ，其中，表示在给定时空卷积递归神经网络的最终输出时的概率分布；为时空卷积递归神经网络的最终输出，即空间和时间特征；为归一化常数；为团势函数；表示团集；为场势函数；表示场集，是马尔可夫随机场中的单个节点集合；基于空间和时间特征的概率分布，构建优化目标函数，引入包含空间平滑性的正则化项，通过迭代优化求解以下目标函数： ，其中，表示在第个数据点的概率分布；为数据点的总数；为正则化参数；为邻接节点对集合；表示第个数据点；得到最优的故障诊断概率分布；从而优化故障诊断概率分布，得到诊断结果，生成故障诊断报告。

全文数据：

权利要求：

百度查询： 呼和浩特市奥祥电力自动化有限公司 智能变电站的网络报文分析诊断方法与系统