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！

龙图腾网恭喜广西大学申请的专利一种多层区间段分离图神经网络的多点接地线定位方法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：CN115221706B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202210850554.5，技术领域涉及：G06F30/20；该发明授权一种多层区间段分离图神经网络的多点接地线定位方法是由殷林飞;黄嘉昊;贺晓宇;胡立坤;张枥仁设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种多层区间段分离图神经网络的多点接地线定位方法在说明书摘要公布了：本发明提出一种多层区间段分离图神经网络的多点接地线定位方法。该方法主要步骤包括：搭建模拟检测线路，模拟各类接地情况并收集数据，作为训练图神经网络的样本；由图注意力网络自适应地给节点之间分配权重并聚合；由带动量的梯度下降法计算每层训练好的图神经网络的偏差；将偏差转化为权重并分配给每个训练好的图神经网络层；输入实际检测信号；对每层输出进行线性叠加；找出可能接地的节点分离并验算；得到多个不同分支的接地段。所提基于多层图神经网络的配电网接地检测方法能解决多个接地点的接地检测问题，实现在多个接地点情况下得到多个接地段的功能，提高检测精度。

本发明授权一种多层区间段分离图神经网络的多点接地线定位方法在权利要求书中公布了：1.一种多层区间段分离图神经网络的多点接地线定位方法，其特征在于，将多层图神经网络和带动量的梯度下降法进行结合，引入分段操作和分离操作，能够得到多个接地段和接地概率，能解决多点位接地带来的不确定性问题，提高检测精度；在使用过程中的步骤为：步骤1，搭建模拟检测线路，模拟各类接地情况并收集数据，作为训练图神经网络的样本；步骤2，根据模拟检测线路结构图，设模拟检测线路有K条分支，把每条分支均分成Nduan段，把每段看成一个节点，其中第k条分支第n个节点xk，n表示的段为xk，n，xk，n+Δxk]；k＝1，2，…，K；n＝1，2，…，Nduan；Δxk为第k条分支Nduan等分后的长度，段中xk，n表示第k条分支上距离第k条分支的起始点n-1Δxk的位置；总节点数为N′＝K×Nduan；步骤3，根据分段后节点连接关系画出模拟检测线路的拓扑图，并得到邻接矩阵A；邻接矩阵A描述的是拓扑图中节点的连接关系，A的维度为N′×N′；其中，若节点xk，i和节点xt，j相连接则互为邻居节点，t＝1，2，…，K；i、j＝1，2，…，N；A中第k-1Nduan+i行第t-1×Nduan+j列元素和第t-1×Nduan+j行第k-1Nduan+i列元素都为1；若两节点不相连则都为0；步骤4，取训练网络的一个样本，对图神经网络进行训练；其中一个样本的特征矩阵为： 其中，U的维数为N′×7；V1，1，1、V1，1，2和V1，1，3为节点x1，1的三相电压幅值信息；I1，1，1、I1，1，2和I1，1，3为节点x1，1的三相电流幅值信息；P1，1值为1表示这个样本中节点x1，1接地；P1，1值为0表示这个样本中节点x1，1非接地；V1，2，1、V1，2，2和V1，2，3为节点x1，2的三相电压幅值信息；I1，2，1、I1，2，2和I1，2，3为节点x1，2的三相电流幅值信息；P1，2值为1表示这个样本中节点x1，2接地；P1，2值为0表示这个样本中节点x1，2非接地；Vk，n，1、Vk，n，2和Vk，n，3为节点xk，n的三相电压幅值信息；Ik，n，1、Ik，n，2和Ik，n，3为节点xk，n的三相电流幅值信息；Pk，n值为1表示这个样本中节点xk，n接地；Pk，n值为0表示这个样本中节点xk，n非接地；和为节点的三相电压幅值信息；和为节点的三相电流幅值信息；值为1表示这个样本中节点接地；值为0表示这个样本中节点非接地；在U中取出第7列构成概率向量在U中取出第k-1Nduan+n行作为节点xk，n的状态特征向量步骤5，将邻接矩阵A和特征矩阵U输入图神经网络；每个节点的输入为状态特征向量图神经网络通过嵌入传播迭代地聚合目标节点邻域的信息，堆叠B层传播层获得高阶邻域信息，更新节点状态；节点xk，n经过计算聚合后节点状态为： 其中，为节点xk，n在图神经网络第l层传播层的节点状态，l＝1，2，…，B；f·，·，·，·为状态转移函数，为与节点xk，n相连边的特征向量，为节点xk，n的邻居节点状态特征向量，为节点xk，n在第l-1层传播层节点状态；通过B层传播层聚合得到节点xk，n最终状态和状态特征向量V′k，n，1、V′k，n，2和V′k，n，3为节点xk，n经过计算聚合后的三相电压幅值信息，I′k，n，1、I′k，n，2和I′k，n，3为节点xk，n经过计算聚合后的三相电流幅值信息，P′k，n为节点xk，n经过计算聚合后产生的接地概率；步骤6，引入图注意力网络，自适应地给节点之间分配权重并聚合；将N′个节点的状态特征向量集合作为输入，通过图注意力网络计算后得到新的N′个节点的状态特征向量集合V″k，n，1、V″k，n，2和V″k，n，3为节点xk，n通过图注意力网络计算后的三相电压幅值信息，I″k，n，1、I″k，n，2和I″k，n，3为节点xk，n通过图注意力网络计算后的三相电流幅值信息，P″k，n为节点xk，n通过图注意力网络计算后的接地概率；具体方法为对节点xk，n和节点xt，j分别应用权重矩阵W，W的维数为7×7，计算节点注意力系数： 其中，L·表示激活函数exp·表示以e为底的指数函数，akn，tj代表注意力系数，Nxk，n代表节点xk，n的邻接点的集合，代表权重矩阵，的维度为1×14；W代表线性变换权重矩阵，W的维度为7×7；再将注意力系数和节点状态特征向量做线性组合得到节点xk，n的输出状态特征向量为： 其中，步骤7，将所有N′个节点的状态特征向量重新整合成状态矩阵U″，并取出第7列构成概率向量U″为： 其中，为： 步骤8，由步骤5、步骤6、步骤7，取Q个训练样本训练图神经网络，得到每个训练样本的概率向量，其中第q个训练样本的概率向量为q＝1，2，…，Q；由带动量的梯度下降法，得到图神经网络训练后存在的偏差δ；xk，n节点的接地概率估计量yCk，n为： 其中β为指数衰减率，fW为关于W可微的随机目标函数；f1W，f2W，…，fCW表示步长1，2，…，C对应的随机目标函数，c步长上随机目标函数的梯度节点xk，n接地概率期望EyCk，n和真实接地情况的偏差为： 其中，对于所有节点的偏差的平均值为： 步骤9，由步骤4到步骤8得到LGraph层训练好的图神经网络，第l层训练好的图神经网络对于所有节点的偏差的平均值为δ′l，并给第l层训练好的图神经网络分配权重系数αl；第l层训练好的图神经网络权重为： 步骤10，分别给LGraph层训练好的图神经网络输入实际检测线路的特征矩阵，分别输出概率向量；为第l层训练好的图神经网络的输出概率向量；步骤11，将LGraph层训练好的图神经网络线性叠加；概率向量Y为： 其中为每个节点线性叠加后的接地概率；步骤12，规定概率阈值ε，ε∈0，1，讨论接地概率大于概率阈值的节点并认为其他节点不接地；步骤13，将讨论的节点分离并验算；由于邻居节点的影响，导致单个节点接地概率含有不确定性，且接地概率会在该影响下增大，故引入分离操作；将其中一个讨论的节点xk，n的状态特征向量和为实际检测中节点xk，n的三相电压幅值信息，和为实际检测中节点xk，n的三相电流幅值信息，替换接地检测装置产生信号后节点正常运行时的状态特征向量，得到用于检验节点xk，n是否接地的特征矩阵为： 其中V1，1，10、V1，1，20和V1，1，30为接地检测装置产生信号后节点x1，1正常运行的三相电压幅值信息；I1，1，10、I1，1，20和I1，1，30为接地检测装置产生信号后节点x1，1正常运行的三相电流幅值信息；V1，2，10、V1，2，20和V1，2，30为接地检测装置产生信号后节点x1，2正常运行的三相电压幅值信息；I1，2，10、I1，2，20和I1，2，30为接地检测装置产生信号后节点x1，2正常运行的三相电流幅值信息；Vk，n-1，10、Vk，n-1，20和Vk，n-1，30为接地检测装置产生信号后节点xk，n-1正常运行的三相电压幅值信息；Ik，n-1，10、Ik，n-1，20和Ik，n-1，30为接地检测装置产生信号后节点xk，n-1正常运行的三相电流幅值信息；Vk，n+1，10、Vk，n+1，20和Vk，n+1，30为接地检测装置产生信号后节点xk，n+1正常运行的三相电压幅值信息；Ik，n+1，10、Ik，n+1，20和Ik，n+1，30为接地检测装置产生信号后节点xk，n+1正常运行的三相电流幅值信息；和为接地检测装置产生信号后节点正常运行的三相电压幅值信息；和为接地检测装置产生信号后节点正常运行的三相电流幅值信息；将输入LGraph层训练好的图神经网络，由步骤11得到关于节点xk，n的概率向量其中分别为节点x1，1，x1，2，…，xk，n-1，xk，n+1，…，xK，N在节点xk，n影响下的接地概率，为单独讨论节点xk，n是否接地时节点xk，n的接地概率；再次验证若成立，则认为在节点xk，n表示的段xk，n，xk，n+Δxk]内存在接地；若不成立，则排除节点xk，n；步骤14，重复步骤13将需要讨论的节点xk1，n1，xk2，n2，…，xkt，nt分离并验算，得到不同分支的多个接地段xk1，n1，xk1，n1+Δxk1]，xk2，n2，xk2，n2+Δxk2]，…，xkt，nt，xkt，nt+Δxkt]。

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广西大学，其通讯地址为：530005 广西壮族自治区南宁市西乡塘区大学东路100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”。