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！

龙图腾网恭喜国网北京市电力公司;国家电网有限公司;华北电力大学申请的专利配电网故障原因的分类方法、装置、设备及存储介质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：CN114595746B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210153601.0，技术领域涉及：G06F18/24；该发明授权配电网故障原因的分类方法、装置、设备及存储介质是由于希娟;及洪泉;张淼;于浩然;宣振文;赵贺;王志勇;李鑫明;刘硕;刘灏;毕天姝设计研发完成，并于2022-02-18向国家知识产权局提交的专利申请。

本配电网故障原因的分类方法、装置、设备及存储介质在说明书摘要公布了：本发明公开了一种配电网故障原因的分类方法、装置、设备及存储介质。其中，该方法包括：获取不同故障类型的配电网故障的零序电流波形数据；基于从零序电流波形数据中选取的目标波形数据，确定训练集和测试集；分别对训练集和测试集进行分解处理得到第一特征向量和第二特征向量；将第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到训练后的故障原因分类模型；将第二特征向量进行归一化处理后输入至训练后的故障原因分类模型，得到配电网故障的故障原因分类结果。本发明解决了由于现有技术中采用人工巡线方式对配电网故障原因进行分类识别，造成的人力成本投入大且识别准确率低的技术问题。

本发明授权配电网故障原因的分类方法、装置、设备及存储介质在权利要求书中公布了：1.一种配电网故障原因的分类方法，其特征在于，包括：获取不同故障类型的配电网故障的零序电流波形数据；基于从所述零序电流波形数据中选取的目标波形数据，确定训练集和测试集，其中，所述目标波形数据包括：在发生所述配电网故障之前的第一预定时间段内的零序电流波形数据，以及发生所述配电网故障之后的第二预定时间段内的零序电流波形数据；分别对所述训练集和所述测试集进行分解处理得到的具有信号局部特征的本征模态函数分量，对应得到第一特征向量和第二特征向量；将所述第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到训练后的故障原因分类模型，其中，所述初始故障原因分类模型为基于长短期记忆网络构建得到的；将所述第二特征向量进行归一化处理后输入至所述训练后的故障原因分类模型，得到所述配电网故障的故障原因分类结果；分别对所述训练集和所述测试集进行分解处理得到的具有信号局部特征的多个本征模态函数分量，对应得到第一特征向量和第二特征向量，包括：采用经验模态分解算法，按照不同的时间尺度对所述训练集中的每一个零序电流波形数据进行分解处理，得到多个所述本征模态函数分量；采用经验模态分解算法，按照不同的时间尺度对所述测试集中的每一个零序电流波形数据进行分解处理，得到多个所述本征模态函数分量；组合所述训练集对应的多个所述本征模态函数分量，得到第一特征向量，以及组合所述测试集对应的多个所述本征模态函数分量，得到第二特征向量；其中，本征模态函数分量表示为： ;其中，IMFj为经验模态分解后的第j个本征模态函数分量；res为残差分量；n为分解的本征模态函数分量总数;将所述第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到训练后的故障原因分类模型，包括：将所述第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到所述配电网故障的第一输出特征向量；将所述第一输出特征向量输入至分类器，并由所述分类器将所述第一输出特征向量映射为每个故障原因的第一概率分布值；采用每个所述故障原因的所述第一概率分布值与预定标签分布构建损失函数对所述初始故障原因分类模型进行训练，直至满足预定停止条件，得到所述训练后的故障原因分类模型，其中，所述预定停止条件包括以下至少之一：初始故障原因分类模型收敛、满足预定训练次数;将所述第二特征向量进行归一化处理后输入至所述训练后的故障原因分类模型，得到所述配电网故障的故障原因分类结果，包括：将所述第二特征向量进行归一化处理后输入至所述训练后的故障原因分类模型，得到所述配电网故障的第二输出特征向量；将所述第二输出特征向量输入至分类器，并由所述分类器将所述第二输出特征向量映射为每个故障原因的第二概率分布值；确定每个所述故障原因的所述第二概率分布值中的最大概率分布值；基于每个所述故障原因的所述最大概率分布值分别确定对应的所述故障原因分类结果。

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国网北京市电力公司;国家电网有限公司;华北电力大学，其通讯地址为：100031 北京市西城区前门西大街41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”。