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！

龙图腾网恭喜西安德荣铁路信号设备有限公司申请的专利基于时序控制的电容优化切换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：CN119362682B 。

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：202411920381.5，技术领域涉及：H02J9/06；该发明授权基于时序控制的电容优化切换方法及系统是由蔡鹏;朱斌;刘畅;潘建勇;谢小伟设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于时序控制的电容优化切换方法及系统在说明书摘要公布了：本发明提供基于时序控制的电容优化切换方法及系统，涉及电路保护技术领域，包括建立电容组的健康状态数据库，采用深度学习算法构建电容组的剩余寿命预测模型，同时建立备用电容组的备份保护策略；监测主工作电容组的电压波动率和容值损耗率生成主工作电容组的健康状态评估报告，结合双工电容组的实时工作参数建立负载预测模型；当主工作电容组的状态异常时，在备用电容组满足切换条件后，确定最佳切换时机并采用软开关技术实现无扰动切换；基于更新后的健康状态数据库的历史数据和剩余寿命预测模型的计算结果，优化切换时机；当剩余寿命预测模型预测任一电容组的剩余寿命低于预设阈值时，触发预警信号并提示更换。

本发明授权基于时序控制的电容优化切换方法及系统在权利要求书中公布了：1.基于时序控制的电容优化切换方法，其特征在于，包括：采集铁路系统中双工电容组的电压信号、电流信号以及温度信号，建立双工电容组的健康状态数据库，所述双工电容组包括主工作电容组和备用电容组；基于所述健康状态数据库，采用深度学习算法构建双工电容组的剩余寿命预测模型，同时建立备用电容组的备份保护策略；实时监测主工作电容组的电压波动率和容值损耗率，根据所述电压波动率和容值损耗率生成主工作电容组的健康状态评估报告，基于所述健康状态评估报告和双工电容组的实时工作参数，建立负载预测模型；当所述健康状态评估报告显示主工作电容组的状态异常时，根据备份保护策略，对备用电容组进行预切换状态检查，在备用电容组满足切换条件后，根据所述负载预测模型确定切换策略，所述切换策略包括最佳切换时机，采用软开关技术实现双工电容组的无扰动切换；将切换后的备用电容组设定为主工作模式，原主工作电容组进入备用状态并执行自恢复程序，将切换过程的状态数据更新至健康状态数据库，基于健康状态数据库的历史数据和剩余寿命预测模型的计算结果，优化切换策略；当剩余寿命预测模型预测主工作电容组或备用电容组的剩余寿命低于预设阈值时，自动触发预警信号并提示更换建议；基于所述健康状态数据库，采用深度学习算法构建双工电容组的剩余寿命预测模型，同时建立备用电容组的备份保护策略的步骤包括：从健康状态数据库中提取双工电容组的劣化特征，所述劣化特征包括通过电压与电流相位差计算的等效串联电阻变化率、基于充放电曲线斜率分析的电容量损耗率、利用稳态漏电流与额定电压比值的漏电流密度、基于热循环累积效应的温度应力指数；采用温度应力循环试验、电压应力试验和纹波电流叠加试验对双工电容组进行加速老化，获取寿命终止判据下的实际剩余寿命数据，建立所述劣化特征与实际剩余寿命的映射关系，形成剩余寿命预测模型的训练数据集；构建基于深度学习的剩余寿命预测模型，所述剩余寿命预测模型包括用于捕获时序特征依赖关系的多层堆叠双向长短期记忆网络层，以及用于特征权重自适应调整的多头注意力机制层，所述多头注意力机制层包括时间注意力单元和特征注意力单元；采用加权均方误差的损失函数对所述剩余寿命预测模型进行训练，所述损失函数包括剩余寿命预测误差项和电容组退化速率误差项，通过迭代优化确定损失函数的动态自适应权重系数；基于训练后的剩余寿命预测模型的输出结果，建立备用电容组的备份保护策略，所述备份保护策略包括硬件过流保护与过压保护电路、热敏电阻闭锁保护电路；采用加权均方误差的损失函数对所述剩余寿命预测模型进行训练，所述损失函数包括剩余寿命预测误差项和电容组退化速率误差项，通过迭代优化确定损失函数的动态自适应权重系数的步骤包括：所述剩余寿命预测误差项为预测剩余寿命值与实际剩余寿命值的平方差，所述电容组退化速率误差项为预测退化速率与实际退化速率的平方差，所述预测退化速率通过相邻时刻预测剩余寿命值的差值除以时间间隔得到，所述实际退化速率通过相邻时刻实际剩余寿命值的差值除以时间间隔得到；对所述动态自适应权重系数进行迭代优化，包括计算损失函数对动态自适应权重系数的偏导数，根据偏导数的方向和学习率更新动态自适应权重系数，当连续多次迭代的训练数据集中的验证集误差变化率小于预设阈值时确定最优动态自适应权重系数；基于具有最优动态自适应权重系数的损失函数对剩余寿命预测模型进行训练，采用分批次迭代方式选取训练样本，并根据每个批次的梯度信息自适应调整剩余寿命预测模型各层网络参数的学习率，对所述剩余寿命预测模型的网络参数进行优化更新；在训练过程中引入提前停止机制，当验证集上的损失值连续多轮训练无收敛趋势时停止训练过程；实时监测主工作电容组的电压波动率和容值损耗率，根据所述电压波动率和容值损耗率生成主工作电容组的健康状态评估报告，基于所述健康状态评估报告和双工电容组的实时工作参数，建立负载预测模型的步骤包括：采集主工作电容组的电压数据，通过滑动窗口对所述电压数据进行降噪处理，计算相邻采样点的电压差值与额定电压的比值得到电压波动率；在每个工作周期结束时，基于主工作电容组的充电过程中电压-时间曲线斜率计算实际容值，将实际容值与额定容值的差值比得到容值损耗率；将所述电压波动率和容值损耗率分别与预设权重系数相乘后求和得到健康指数，根据所述健康指数生成包含当前健康指数值、变化趋势和告警级别的健康状态评估报告；获取双工电容组的实时工作参数，包括输入电流、开关频率、环境温度以及历史负载数据；将所述健康状态评估报告中的当前健康指数值、变化趋势和告警级别与所述双工电容组的实时工作参数进行归一化处理，得到标准化特征数据；构建负载预测模型的双通道特征提取层，将所述标准化特征数据分别输入时序通道和状态通道，其中所述时序通道采用一维卷积神经网络处理历史负载数据，所述状态通道采用多层感知机处理当前健康指数值和实时工作参数数据；构建负载预测模型的特征融合层，计算所述时序通道和状态通道输出特征之间的相关性权重矩阵，基于所述相关性权重矩阵对两个通道的输出特征进行动态加权融合；将加权融合后的特征输入具有残差连接结构的多层交叉特征提取网络，在每层特征提取后进行归一化处理，输出负载预测结果；当所述健康状态评估报告显示主工作电容组的状态异常时，根据备份保护策略，对备用电容组进行预切换状态检查，在备用电容组满足切换条件后，根据所述负载预测模型确定切换策略，所述切换策略包括最佳切换时机，采用软开关技术实现双工电容组的无扰动切换的步骤包括：当所述健康状态评估报告显示主工作电容组的状态异常时，根据所述备份保护策略，通过自检电路测量备用电容组的绝缘电阻、等效串联电阻和漏电流；采用恒流源对所述备用电容组进行预充电，记录充电曲线，分析所述充电曲线的一阶导数变化率得到曲线平滑度指标；根据所述绝缘电阻、等效串联电阻、漏电流和曲线平滑度指标确定所述备用电容组的切换状态；获取负载预测模型输出的未来时间窗口内的负载功率预测序列；基于所述负载功率预测序列计算平均负载功率和功率方差，构建包含负载功率偏差项、功率变化率项和功率波动项的切换条件判别函数，通过最小化所述切换条件判别函数确定最佳切换时机；基于所述最佳切换时机，在主回路中串联谐振电感，所述谐振电感的值与谐振角频率和等效电容相关；控制辅助开关的导通时刻滞后于主开关导通时刻；在主工作电容组切断支路配置吸收电路，所述吸收电路的参数与关断过程中的电压上升时间相关；通过所述谐振电感与备用电容组之间的能量振荡实现零电流开关，通过所述吸收电路实现零电压开关，完成双工电容组的切换操作；基于所述负载功率预测序列计算平均负载功率和功率方差，构建包含负载功率偏差项、功率变化率项和功率波动项的切换条件判别函数，通过最小化所述切换条件判别函数确定最佳切换时机的步骤包括：采用指数加权移动平均方法对所述负载功率预测序列进行平滑处理得到平滑后的平均负载功率；基于所述平滑后的平均负载功率，采用递推方式计算功率方差；构建包含功率偏差项、功率变化率项和功率波动项的切换条件判别函数，其中所述功率偏差项基于当前负载功率与预设的最优切换功率阈值的偏差计算得到，所述功率变化率项基于负载功率的时间导数计算得到，所述功率波动项基于所述功率方差计算得到；通过设定切换成功率最大化的目标函数，采用粒子群优化算法迭代优化所述功率偏差项、功率变化率项和功率波动项的非负归一化权重系数；将优化后的非负归一化权重系数与对应项的乘积求和得到最终的切换条件判别函数；以最小化所述切换条件判别函数为优化目标，采用改进的梯度下降法求解最佳切换时机，所述改进的梯度下降法包括采用初始步长除以迭代次数递增项的方式计算自适应步长；在每次迭代中，基于当前时刻计算切换条件判别函数的梯度，根据计算得到的梯度方向和自适应步长更新切换时刻；计算更新后的切换时刻对应的切换条件判别函数值，当相邻两次迭代的切换条件判别函数值之差小于函数值收敛阈值且相邻两次迭代的切换时刻之差小于时间收敛阈值时，将当前迭代获得的切换时刻确定为最佳切换时机；将切换后的备用电容组设定为主工作模式，原主工作电容组进入备用状态并执行自恢复程序，将切换过程的状态数据更新至健康状态数据库，基于健康状态数据库的历史数据和剩余寿命预测模型的计算结果，优化切换策略的步骤包括：在完成切换操作后，将切换后的备用电容组设定为主工作模式；将原主工作电容组切换至备用状态并执行自恢复程序，所述自恢复程序包括执行充放电均衡测试评估单体电容容值一致性、通过恒流充放电循环消除残余电荷、执行内阻测试评估等效串联电阻变化情况，并执行电容均衡补偿；采集切换过程中的状态数据更新至健康状态数据库，所述切换过程中的状态数据包括电压电流波形数据、瞬态响应特性、切换操作时序信息、温度变化数据以及自恢复程序的测试结果；基于切换过程中的状态数据更新原主工作电容组的健康指数，基于所述健康指数，优化自恢复程序的执行参数；结合所述健康状态数据库中的历史数据和剩余寿命预测模型的计算结果优化切换策略的时机选择标准和切换条件判别函数的非负归一化权重系数；将优化后的切换策略用于指导下一次电容组切换操作。

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德荣铁路信号设备有限公司，其通讯地址为：710001 陕西省西安市碑林区金花南路6号新15楼904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”。