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！

龙图腾网获悉中国石化集团胜利石油管理局有限公司电力分公司;清华大学申请的专利基于嵌入式智能传感器的电力设备在线监测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：CN114689965B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202210187389.X，技术领域涉及：G01R31/00；该发明授权基于嵌入式智能传感器的电力设备在线监测方法及系统是由刘玉林;吴肇贇;张利;田浩;邹兵;葛贤军;刘文波;田文辉;刘庆宝;高景栋设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本基于嵌入式智能传感器的电力设备在线监测方法及系统在说明书摘要公布了：本发明公开了一种基于嵌入式智能传感器的电力设备在线监测方法及系统，主要包括：采集各电力设备的数据信息，并对数据信息进行划分，获得若干个数据组；基于预测模型，判断各数据组的故障状态，并对存在故障的数据组进行标记标签；对标记标签的数据组进行分析，获得电力设备的故障信息。本发明采用嵌入式智能传感器对终端电力设备进行数据信息采集和预处理，并利用边缘计算和分布式计算协同运行技术对终端数据进行计算，诊断潜在安全隐患及电力设备使用寿命，减少电力设备故障率，实现可靠进行全寿命周期预测。通过把计算、存储、应用的资源放在网络的边缘侧，以便减少传输延迟和带宽消耗，通过可以根据实时网络信息提供可感知的服务。

本发明授权基于嵌入式智能传感器的电力设备在线监测方法及系统在权利要求书中公布了：1.一种基于嵌入式智能传感器的电力设备在线监测方法，其特征在于，包括： 采集各电力设备的数据信息，并对所述数据信息进行划分，获得若干个数据组，对所述数据信息进行划分，获得若干个数据组，具体包括： 利用人工智能属性特征分析算法，对所述数据信息进行标记描述性标签； 根据描述性标签进行细分聚类； 根据细分聚类，获得若干个数据组； 基于预测模型，判断各所述数据组的故障状态，并对存在故障的数据组进行标记标签，将各数据组的数据与预测模型配置，具体包括： 将数据组按照数据采集的时序，将其表示为数据实体组合,其中，表示按照时序该数据组的当前数据实体，和分别表示按照时序该数据组的当前数据实体的在先和在后的相邻数据实体； 进而，利用BiLSTM网络对数据组进行特征提取，获得数据组的实体特征向量，将数据组的数据实体组合作为输入量输入BiLSTM网络，可以获得数据组的实体特征向量，表示为，即 其中表示将数据实体组合输入BiLSTM进行特征提取; 进而，采用原型网络预测模型，利用支撑集训练该原型网络预测模型之后，根据数据组的实体特征向量，获得故障状态类别； 原型网络预测模型是人工智能领域的一种重要模型，在利用支撑集样本训练后，同类别的特征向量经该模型处理后在特征上具备更大的相似性，可以对输入的特征向量实现类别预测，原型网络预测模型支撑集表示为： 其中表示支撑集中的样本数据组的实体特征，表示支撑集样本数据组各自对应的故障状态类别，假设共有K个故障状态类别，每个故障状态类别表示为k,则，则对于每个故障状态类别k可以设置支撑集，支撑集中的样本数据组的故障状态类别均为k，则通过支撑集计算每个类别k的类别原型： 其中表示针对样本数据组的实体特征进行特征提取所获得的数据实体特征向量，即为BiLSTM网络提取的数据组的实体特征向量，作为类别原型表示第k类别中数据实体特征向量的平均表示； 进而，原型网络可以计算输入的数据组的实体特征向量相对于K个故障状态类别中的每个故障状态类别k的分布： 其中表示K个类别中不属于类别k的其它类别，从而，原型网络预测模型可以特征向量相对于K个类别中的每个类别k的分布，确定数据组的的故障状态类别； 对标记标签的数据组进行分析，获得电力设备的故障信息。

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中国石化集团胜利石油管理局有限公司电力分公司;清华大学，其通讯地址为：257099 山东省东营市东营区淄博路电调大楼；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”。