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基于CKAN模型的电力系统节点惯量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：CN120296324B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510445697.1，技术领域涉及：G06F18/10；该发明授权基于CKAN模型的电力系统节点惯量估计方法是由许钊洋;杨苓;罗嘉豪;朱涤凡;李杰文;廖钧濠;何奇峻;陈思哲;陈璟华设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本基于CKAN模型的电力系统节点惯量估计方法在说明书摘要公布了：本发明公开一种基于CKAN模型的电力系统节点惯量估计方法，包括以下步骤：首先，在电力系统发生有功扰动时，采集节点处的电气数据，构建原始数据集，并对原始数据集进行预处理，构建特征数据集；然后，设计CNN卷积神经网络特征提取模块和基于小波基函数的KAN柯尔莫哥洛夫‑阿诺德网络模块，通过串联融合构建CKAN卷积柯尔莫哥洛夫‑阿诺德网络模型；最后，利用贝叶斯优化算法对CKAN模型超参数进行优化，提高CKAN模型的估计精度；本发明提出的CKAN模型，可以通过CNN特征提取模块提取输入数据的局部特征，再由KAN模块对局部特征进行小波变换，挖掘核心信息，实现快速准确地估计电力系统各节点处的惯量。

本发明授权基于CKAN模型的电力系统节点惯量估计方法在权利要求书中公布了：1.基于CKAN模型的电力系统节点惯量估计方法，其特征在于，包括以下步骤： S1：在电力系统发生有功扰动时，采集节点处的电气数据，构建原始数据集，并对原始数据集进行预处理，构建特征数据集； S2：设计CNN卷积神经网络特征提取模块和基于小波基函数的KAN柯尔莫哥洛夫-阿诺德网络模块，通过串联融合构建CKAN卷积柯尔莫哥洛夫-阿诺德网络模型； S2-1：CNN特征提取模块包含三层一维卷积层、三层批归一化层和三层最大池化层，卷积层对输入数据进行卷积操作，逐层提取输入数据的局部特征，批归一化层负责对每一批输入数据进行归一化处理，最大池化层通过滑动窗口对提取特征的局部区域取最大值，降低特征维度，突出重要特征； S2-2：KAN模块包含五层小波KAN线性层，每层采用基权重和小波基函数的组合对输入数据进行变换，其中基权重通过线性变换提取输入数据的全局特征，小波基函数通过小波变换捕捉输入数据的峰值、波动局部特征； S2-3：将步骤S2-1的CNN特征提取模块和步骤S2-2的KAN模块进行串联融合，构建CKAN模型，CKAN模型可以通过CNN特征提取模块提取输入的频率变化数据的局部特征，再通过KAN模块结合全局和局部特征，建立频率变化数据和惯量数据的映射关系，最终输出惯量估计值； S3：利用贝叶斯优化算法对CKAN模型超参数进行优化，设计验证集均方误差最小作为目标函数，获取最小化验证集均方误差的参数组合。

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”。

以上内容由龙图腾AI智能生成。