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！

龙图腾网获悉广东工业大学申请的专利一种基于改进BP神经网络的系统侧变谐波阻抗估计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：CN119199273B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411237264.9，技术领域涉及：G01R27/08；该发明授权一种基于改进BP神经网络的系统侧变谐波阻抗估计方法是由陈翔;杨苓;朱涤凡;李杰文;许钊洋;罗嘉豪设计研发完成，并于2024-09-04向国家知识产权局提交的专利申请。

本一种基于改进BP神经网络的系统侧变谐波阻抗估计方法在说明书摘要公布了：本发明公开了一种基于改进BP神经网络的系统侧变谐波阻抗估计方法，包括以下步骤：S1：系统采样获得公共连接点处的谐波电压与谐波电流数据，对谐波电压和谐波电流进行分段处理，采用二元线性回归粗略估计每段谐波阻抗值；S2：将谐波电压与谐波电流以及粗略估计的谐波阻抗值按原有顺序重复并连续排列生成扩展序列、滤波与归一化处理；S3：搭建结合注意力机制的BP神经网络模型，对BP神经网络模型输出层损失函数进行改进；S4：处理后的谐波电压和谐波电流作为输入，处理后的谐波阻抗作为输出，训练与测试BP神经网络模型，求得系统侧变谐波阻抗估计值；本发明利用改进BP神经网络估计系统侧变谐波阻抗，在背景谐波较大情况下，仍具有较高估计精度。

本发明授权一种基于改进BP神经网络的系统侧变谐波阻抗估计方法在权利要求书中公布了：1.一种基于改进BP神经网络的系统侧变谐波阻抗估计方法，其特征在于，包括以下步骤： S1：系统采样获得公共连接点处的谐波电压与谐波电流数据，对谐波电压和谐波电流进行分段处理，采用二元线性回归粗略估计每段谐波阻抗值： S1-1：系统采样获得公共连接点处谐波电压与谐波电流并做分段处理： 公共连接点处采样得到谐波电压与谐波电流的复数形式，一组数据包括一个采样谐波电压与对应的谐波电流，根据采样点个数不同，每段包含数据组数不同： 式1中，D是分段数，M是采样点个数，m是每段包含数据组数； S1-2：采用二元线性回归粗略估计系统侧谐波阻抗： Vpcc＝Ipcc+Is×Zs＝Ipcc×Zs+Vs2 Vpccr＝Ipccr×Zsr-Ipcci×Zsi+Vsr3 Vpcci＝Ipccr×Zsi+Ipcci×Zsr+Vsi4 式2-4中，Vpcc与Ipcc分别是采样得到的谐波电压与谐波电流，Is是系统侧等效谐波电流源，Zs是系统侧谐波阻抗，Vs是系统侧等效谐波电压源，Vpccr与Vpcci是谐波电压Vpcc的实部和虚部，Vsr与Vsi是系统侧等效谐波电压源Vs的实部和虚部，Ipccr与Ipcci是谐波电流Ipcc的实部和虚部，Zsr与Zsi是系统侧谐波阻抗Zs的实部和虚部； 式5中，T表示求取矩阵的转置，通过式5求解得到粗略估计的谐波阻抗值；X1、X2、Y1、Y2是基于谐波电压实部和虚部、谐波电流实部和虚部构成的求解矩阵，具体表达式为： S2：将谐波电压与谐波电流以及粗略估计的谐波阻抗值按原有顺序重复并连续排列生成扩展序列、滤波与归一化处理： S2-1：对谐波电压与谐波电流以及粗略估计的谐波阻抗值按数据段原有顺序重复并连续排列生成扩展序列与滤波处理： 将采样得到的谐波电压与谐波电流数据以及粗略估计的谐波阻抗值按原有顺序进行重复十次，并按照前后顺序排序，再对各个数据序列进行移动平均滤波处理，移动平均滤波通过窗口数据进行平均化处理，滤波输出为： 式7中，y是移动平均滤波处理后的序列，x是原序列，j是滑动窗口位置，P是滑动窗口大小； S2-2：对重复并过滤后得到的谐波电压与谐波电流以及粗略估计的谐波阻抗值归一化处理： 式8中，Li是归一化后的数值，Xi是序列X中第i个元素，Xmax是X序列最大值，Xmin是X序列最小值； S3：搭建结合注意力机制的BP神经网络模型，对BP神经网络模型输出层损失函数进行改进： S3-1：改进损失函数对实际阻抗突变处估计结果进行优化处理： 式9中，mseloss是均方误差，Y是BP神经网络模型预测输出阻抗值，N是样本总数，L是实际谐波阻抗值，diff是预测阻抗值与实际阻抗值的绝对误差，m是设定阈值，将绝对误差diff大于设定阈值m的值累加得到总损失penalty，k是对于penalty的权重，loss为改进后损失函数； S3-2：搭建结合注意力机制的BP神经网络模型： 搭建结合注意力机制的BP神经网络结构，包括一个输入层，一个注意力机制层，两个隐含层，一个改进损失函数的输出层；输入层对应两个特征输入，两个隐含层神经元个数可变，一个注意力机制能够强化特征选取，优化权重分配并且提高训练效率，输出层对应一个特征输出；采用adam优化算法，同时计算梯度一阶矩和二阶矩的指数移动平均，对计算结果进行偏差校正，避免训练初期梯度估计偏向零，adam优化算法实现过程为： 式10中，q是迭代次数，gq是迭代次数为q时的梯度，m是梯度一阶矩估计值，v是梯度二阶矩估计值，θ是权重，mq-1、mq、mq+1和vq-1、vq、vq+1与θq-1、θq、θq+1分别表示上次迭代、本次迭代与下次迭代的梯度一阶矩估计值、梯度二阶矩估计值、权重，是迭代次数为q-1时权重θq-1的梯度，β1是控制一阶矩估计值的指数衰减率，β2是控制二阶矩估计值的指数衰减率，表示控制一阶矩估计值的指数衰减率β1与控制二阶矩估计值的指数衰减率β2的迭代次数q次方运算,α是学习率，μ是非常小的常数防止分母为零，⊙是矢量积运算； S4：处理后的谐波电压和谐波电流作为输入，处理后的谐波阻抗作为输出，训练与测试BP神经网络模型，求得系统侧变谐波阻抗估计值： 将处理后的谐波电压和谐波电流的实部虚部作为输入特征，粗略估计的谐波阻抗实部虚部作为输出特征，使用90％的数据进行BP神经网络训练，剩余10％用于测试系统侧谐波阻抗实部虚部。

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东工业大学，其通讯地址为：510060 广东省广州市越秀区东风东路729号大院；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”。