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！

龙图腾网获悉四川轻化工大学申请的专利基于改进Transformer的智能变电站二次设备故障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：CN119807982B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510298129.3，技术领域涉及：G06F18/2433；该发明授权基于改进Transformer的智能变电站二次设备故障定位方法是由俞婧婧;吴浩;韩睿;郑永康;李小鹏;程逍;孙杨;李文琢;王德辉;罗荣森;李亚蕾;李超;左欢欢;罗凌璐设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本基于改进Transformer的智能变电站二次设备故障定位方法在说明书摘要公布了：本发明公开了一种基于改进Transformer的智能变电站二次设备故障定位方法，步骤包括：构建改进的Transformer模型；对构建改进的Transformer模型进行训练；判断是否达到故障在线诊断阈值，并在达到故障在线诊断阈值时将未知故障类别样本F test 输入到改进的Transformer模型中；由改进的Transformer模型计算出故障样本属于各个故障类别的概率分布，从而实现对故障样本的故障定位。该故障定位方法能够应对高维复杂特征处理，还能满足实际应用中的实时性要求，并显著提高故障处理的整体效率，减少人工干预的需求。

本发明授权基于改进Transformer的智能变电站二次设备故障定位方法在权利要求书中公布了：1.一种基于改进Transformer的智能变电站二次设备故障定位方法，其特征在于，包括如下步骤： 步骤1，构建用于进行变电站二次设备故障定位的改进的Transformer模型； 步骤2，利用故障样本集对构建的改进的Transformer模型进行训练； 步骤3，实时判断是否达到故障在线诊断阈值，若未达到故障在线诊断阈值，则通知工作人员进行人工推理得到故障来源，若达到故障在线诊断阈值，则将形成的故障特征集Fi作为未知故障类别样本Ftest输入到训练好的改进的Transformer模型中； 步骤4，由训练好的改进的Transformer模型计算出故障样本属于各个故障类别的概率分布，选择概率最大的类别作为故障类别，从而实现对故障样本的故障定位； 步骤1中，构建的改进的Transformer模型包括THA模块、ICB模块、第一RCLN模块、FFN模块、第二RCLN模块、线性层以及Softmax模块；由THA模块对输入的特征数据进行处理，处理后的特征数据分别送入ICB模块和第一RCLN模块，由ICB模块进行重要特征提取，并将提取的重要特征送入第一RCLN模块，第一RCLN模块对输入的两路数据进行残差连接与层归一化处理后送入FFN模块，由FFN模块进行复杂特征提取，再由第二RCLN模块对提取的复杂特征进行残差连接和层归一化处理后送入线性层，由线性层将输入数据的隐层表示映射到故障定位任务的输出空间，最后通过Softmax模块生成每个故障位置的概率分布，输出最终的故障位置； ICB模块的计算公式为：OICB＝Conv3A1+A2，式中，A1和A2分别为第一交互特征和第二交互特征，Conv3为第三卷积层，第一交互特征A1和第二交互特征A2的计算公式为：A1＝φConv1F'☉Conv2F′，A2＝φConv2F′☉Conv1F',式中，F′为THA模块输出的时序特征，Conv1为小核卷积，用于提取细粒度局部特征，Conv2为大核卷积，用于捕捉全局依赖，φ·为GeLU激活函数，⊙表示元素级乘法操作； THA模块的计算公式为： THAQ,K,V＝[head1，head2，...,headh]Wo，式中，Q、K和V分别为查询向量、键值向量和值向量，Wo为可学习的权重矩阵，h为注意力头head的总数量，每个注意力头head的计算公式为： 式中，headi为每个注意力头的输出，Pw和Pl分别为两个不同的线性投影矩 阵，和分别为第i头的查询变换矩阵、键变换矩阵和值投影矩阵，为查询因子，softmax函数用于将相似性转化成概率分布。

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四川轻化工大学，其通讯地址为：643002 四川省自贡市自流井区汇东学苑街180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”。