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！

龙图腾网获悉福州大学申请的专利基于改进卷积神经网络的模块化多电平换流器子模块电容故障监测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：CN118731527B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202410718065.3，技术领域涉及：G01R31/00；该发明授权基于改进卷积神经网络的模块化多电平换流器子模块电容故障监测方法是由黄泽华;林琼斌;姜海燕;黄若辰;郑琳瑜设计研发完成，并于2024-06-04向国家知识产权局提交的专利申请。

本基于改进卷积神经网络的模块化多电平换流器子模块电容故障监测方法在说明书摘要公布了：本发明涉及一种基于改进卷积神经网络的模块化多电平换流器子模块电容故障监测方法，电容故障监测领域。该方法首先依照子模块电容电压的特性，针对老化情况下的子模块电容电压去提取对应的老化特征；其次构建卷积神经网络结合门控循环单元CNN‑GRU的网络构架，并结合Adam算法、批归一化处理BN等方式防止过拟合，并结合老化电容标签来判断该方法的准确率；最后，将准确率作为目标函数，利用鲸鱼优化算法WOA来优化CNN‑GRU网络中的学习率、正则化系数和学习率下降因子，通过优化算法得出的结果带入对应网络，能够获得相对较高的准确率。

本发明授权基于改进卷积神经网络的模块化多电平换流器子模块电容故障监测方法在权利要求书中公布了：1.一种基于改进卷积神经网络的模块化多电平换流器子模块电容故障监测方法，其特征在于，包括： 依照模块化多电平换流器子模块电容电压的特性，针对老化情况下的子模块电容电压去提取对应的老化特征； 构建卷积神经网络结合门控循环单元CNN-GRU网络，并结合老化电容标签来判断构建网络的准确率； 将准确率作为目标函数，利用鲸鱼优化算法WOA来优化CNN-GRU网络中的学习率、正则化系数和学习率下降因子，实现子模块电容老化准确监测； 该方法实现步骤如下： 步骤一、对数据进行初步预处理：将需要处理模块化多电平换流器子模块电容的特征数据进行预处理；确认待处理特征数据的类别数、特征维度和样本数，并打乱数据集；同时划分比例系数来确认对应的训练集和测试集； 步骤二、将预处理数据进行二次处理：将预处理数据进行归一化处理，处理完成后将数据进行平铺处理，并完成对应的数据格式转换； 步骤三、建立卷积神经网络结合门控循环单元CNN-GRU网络：卷积神经网络结合门控循环单元CNN-GRU网络的结构包括序列折叠反折叠层、输入层、卷积层、批归一化层、池化层、GRU层、全连接层和输出层； 步骤四、设定参数并构建适应度函数：构建完卷积神经网络结合门控循环单元CNN-GRU网络后，确定待优化参数分别为学习率、正则化参数和学习率下降因子3个参数，并构建适应度函数； 步骤五、利用鲸鱼优化算法，并设定相关参数对卷积神经网络结合门控循环单元CNN-GRU网络进行优化； 步骤二中，模块化多电平换流器子模块电容的特征数据包括小波分解特征，差值电容电压最大值以及差值电容电压周期积分值； 步骤四中，适应度函数公式如下： 在适应度函数中，代表训练集的准确率，T_sim1代表训练之后得到的训练集的结果；T_train代表训练集的原先结果；lengthT_train代表此次训练的训练集个数； 整体来说，越大，适应度函数越小，越能够达到预期的效果； 步骤五中，鲸鱼优化算法，包括： 1包围猎物：座头鲸能够识别猎物的位置并包围它们，由于最优设计在搜索空间中的位置是先验未知的，因此WOA中假设当前最佳候选解是目标猎物或接近最优，在定义最佳搜索代理后，其他搜索代理将尝试将其位置更新为最佳搜索代理，表述为以下公式： 式中：代表计算过程的中间变量；t表示当前迭代，和是系数向量，是迄今为止得到的最佳解的位置向量，是位置向量，||是绝对值，并且·是逐个元素的乘法；其中和的表达式如下： 式中：表示在迭代过程中从2线性减少到0，表达式为：i代表当前迭代次数，M为最大迭代次数；是[0,1]中的随机向量； 2气泡网攻击模式：按照座头鲸气泡网觅食行为建立两个数学模型： 2.1收缩包围机制：通过减小中的值来实现的，随着a的减小，A的变动范围也会缩小；具体来说，如果随机数A被设置在[-1,1]之间，那么新鲸群个体的搜索位置被定义为介于当前鲸群个体位置和最佳鲸群个体位置之间的任意位置； 2.2螺旋更新机制：首先确认鲸鱼种群位置与目标猎物位置之间的距离，然后在鲸鱼和猎物的位置之间创建一个螺旋方程，以模拟座头鲸的螺旋形运动，具体公示如下： 式中：表示第i头鲸到猎物的距离；b是定义对数螺旋形状的常数，l是[-1,1]中的随机数；·是逐个元素的乘法； 座头鲸在一个缩小的圆圈内同时沿着螺旋形的路径在猎物周围游动；为了对这种同时行为进行建模，假设有50％的概率在收缩环绕机制或螺旋模型之间进行选择，以在优化期间更新鲸鱼的位置，具体表达式如下： 式中：p是介于[0,1]中的随机数； 3搜寻猎物机制：除了气泡网攻击模式之外，座头鲸群体会根据彼此的位置随机搜索猎物；使用随机值大于1或小于-1的来强制搜索代理远离参考鲸鱼，去探寻更合适的猎物，增强算法的搜索捕食能力，使WOA能够进行全局搜索，整个过程表达式如下： 式中：是从当前种群中选择的随机位置向量； 4设定目标上下限及其他相关系数：将鲸鱼优化算法完成之后，设定学习率、正则化系数和学习率下降因子三者的上下限，迭代次数设置200次，通过适应度函数最小值为目标来确定三者的系数，并将系数带入CNN-GRU网络中，进而实现子模块电容老化准确监测。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。